书生-S2 – 上海人工智能实验室推出的多模态科学基础大模型

书生-S2是一款由上海人工智能实验室于2026年9月推出的多模态科学基础大模型，主要用于科学文献理解、科研长程推理与智能体任务，支持直接读取论文原始页面与可插拔专业记忆扩展，适用于高校科研、生物与材料研究等方向。

书生-S2 的核心能力

原始页面级多模态预训练

书生-S2 在预训练阶段直接学习科学文献的原始页面，在同一共享表示空间中联合建模符号语义与视觉关系，无需先把 PDF 解析为纯文本。公式、图表、表格与版式被整体纳入建模，避免了传统「先 OCR 再喂文本」造成的信息损耗；官方指出，相同科学文献经视觉编码生成的 token 量仅为解析后文本的约四分之一，用更低的 token 学到了更完整的科研知识。在大模型体系中，书生-S2 属于面向科学智能的专用基座，与 AI模型 分类下的通用基座形成层次互补。

Memory Decoder 可插拔专业记忆

书生-S2 通过 Memory Decoder 引入可插拔的专业记忆模块，让不同学科的专业知识由独立记忆模块学习存储，接入时无需修改主模型参数。推理时模型根据当前上下文动态协调主模型与专业记忆的贡献，使领域知识融入完整推理链。在生物领域，接入 Intern-MemDec-4B 后，书生-S2 在覆盖 DNA、RNA、蛋白质及分子相互作用的 Biology-Instructions 评测中，平均成绩由 56.92 提升至 60.32，且通用知识、推理与多模态能力总体保持与主模型接近的水平。

长程严谨数学与科研推理

书生-S2 能稳定执行研究级的长程数学推理。在 IMO-Proof、AdvancedMathBench 等强调长程严谨推理的竞赛数学与高等数学基准上，整体领先现有开源模型，并达到 Gemini 3.1 Pro 等顶尖闭源模型的水平。它还可在真实科研问题上持续分析、推理与优化，例如围绕免疫治疗靶点 IL-7Rα 的蛋白结合剂设计迭代优化候选分子，或依据化学式自动完成五元氧化物 Sr₂Ho₁Cu₂Ru₁O₈ 的晶体结构构建。

科研智能体自主执行

在保持通用能力位于开源第一梯队的基础上，书生-S2 强化了长程思考与智能体能力：理解任务目标、自主进行任务拆解、选择合适的工具并完成多工具协作，根据执行反馈动态调整后续步骤。例如用户仅输入一句「帮我构建一个长征 7 火箭的 3D CAD 模型」，模型便可自主完成信息检索、任务拆解与方案编排，最终生成完整的三维模型。

国产算力协同与开放生态

书生-S2 已与昇腾计算生态开展深度协同，围绕计算、通信、显存等进行优化，探索从模型能力到国产算力基础设施的协同演进。模型对所有用户开放一定额度的免费 API，并即将接入书生·端砚科学发现平台，为真实科研任务提供从假设提出到实验验证的全流程支撑。

书生-S2 与同类大模型的对比

从上表可见，书生-S2 的核心差异点不在通用聊天能力，而在科学智能这一垂直高地：它以 Apache-2.0 完全开源的 397B 基座，把生物学、材料等科学专项评测推到开闭源旗舰之上，并以原始页面级多模态预训练保证了科研文献的完整可计算性。GPT-6 Astra、Claude Opus 4.8 等通用旗舰在科学专项上未作专门优化，DeepSeek-V4、GLM-5.3 则以开源与可自部署见长。

如果想了解书生系列的上一代万亿参数旗舰，可以参考 书生 Intern-S1-Pro：它是上海人工智能实验室基于混合专家架构（MoE）打造的 1T 参数科学多模态大模型，也是书生-S2 在通专融合路线上的直接前作。

书生-S2 的应用场景与适用人群

作为面向科学智能的开源基座，书生-S2 的能力在以下场景中价值最为直接：

• 科研文献解析与综述：直接读取论文原始页面，联合建模公式、图表与版式，辅助文献综述与假设生成。
• 生物与材料研究：在 DNA / RNA / 蛋白质及分子相互作用、材料结构生成等任务上提供专业级推理与设计能力。
• 长程科研任务执行：围绕蛋白结合剂设计、晶体结构构建等真实问题持续推理、调用工具并迭代优化。

适用人群：高校与科研院所的科研人员、需要本地可自持算力的生物与材料团队，以及希望基于开源科学基座做垂直微调的开发者与企业研发部门。

书生-S2 的使用方法

书生-S2 以权重与推理代码形式开放，可按以下步骤在本地或集群环境跑通：

1. 在线体验：访问书生大模型官网可在线体验书生-S2 的各项功能。
2. 获取模型权重：通过 HuggingFace 或 ModelScope 下载 Intern-S2-397B 权重（书生-S2 官方仓库），FP8 版约 406GB、bf16 版约 807GB，需预留充足存储。
3. 准备算力环境：使用 8 卡 H100 或 H200 节点，安装 LMDeploy 或 vLLM 推理引擎，按官方文档配置 YaRN / 长上下文参数。
4. 部署与调用：加载模型后通过 OpenAI 兼容接口或 chat.intern-ai.org.cn 在线体验，并结合 Intern-MemDec 专业记忆模块扩展领域能力。
5. 接入科研流程：将模型接入书生·端砚科学发现平台或自有科研管线，用于文献解析、假设验证与实验闭环。

书生-S2 的价格与开源情况

书生-S2 以 Apache-2.0 协议完全开源，个人与企业均可免费商用与二次开发，无需支付任何授权费用；实际落地成本主要来自算力——推荐 8 卡 H100 / H200 部署，FP8 权重约 406GB、bf16 约 807GB，对显存与存储有较高门槛，个人设备基本无法本地运行，更偏向机构级 GPU 集群承载。

书生-S2 的权重、Checkpoint 与推理代码已在 HuggingFace、ModelScope 与 GitHub 同步开放，并面向所有用户开放一定额度的免费 API（更高额度可提交申请）；模型即将接入书生·端砚科学发现平台，为真实科研任务提供从假设到实验验证的全流程支撑。

书生-S2 的常见问题