昇騰原生支持，科學(xué)多模態(tài)大模型Intern-S1-Pro正式發(fā)布并開源

2026年2月4日，上海人工智能實驗室開源基于“通專融合”技術(shù)架構(gòu)SAGE打造的萬億參數(shù)科學(xué)多模態(tài)大模型Intern-S1-Pro，為AI4S從“工具革命”的1.0階段邁向以“革命的工具”驅(qū)動科學(xué)發(fā)現(xiàn)的2.0時代，提供了創(chuàng)新的系統(tǒng)性開源基座。昇騰AI基礎(chǔ)軟硬件為該模型的訓(xùn)練和推理提供了全流程支持。

作為當(dāng)前全球開源社區(qū)中參數(shù)規(guī)模最大的科學(xué)多模態(tài)模型，Intern-S1-Pro的核心科學(xué)能力實現(xiàn)了質(zhì)的躍升，高難度綜合學(xué)科評測穩(wěn)居AI4S領(lǐng)域國際領(lǐng)先水平，復(fù)雜數(shù)理邏輯推理能力達奧賽金牌水平，面向真實科研流程的智能體能力位居開源模型第一梯隊。Intern-S1-Pro旨在降低全球科研門檻，與學(xué)術(shù)界和產(chǎn)業(yè)界共同推動以通用人工智能驅(qū)動科學(xué)發(fā)現(xiàn)的范式革命。

此次發(fā)布的Intern-S1-Pro是通過SAGE實現(xiàn)“可深度專業(yè)化通用模型”的關(guān)鍵實踐。該模型基于混合專家架構(gòu)（MoE），共擁有512個專家，總參數(shù)達1T，每次調(diào)用僅激活8個專家、22B參數(shù)。其通用能力和科學(xué)能力協(xié)同演進，并在底層架構(gòu)實現(xiàn)了兩大核心突破：在SAGE的基礎(chǔ)模型層，通過引入傅里葉位置編碼并重構(gòu)時序編碼器，賦予模型統(tǒng)一理解從微觀生命信號到宏觀宇宙波動的“物理直覺”；通過高效路由機制，系統(tǒng)攻克了訓(xùn)練萬億參數(shù)MoE模型在穩(wěn)定性與算力效率上的瓶頸，為超大規(guī)模模型的訓(xùn)練提供了關(guān)鍵的工程基礎(chǔ)。

Intern-S1-Pro開發(fā)團隊依托產(chǎn)品日益成熟、生態(tài)持續(xù)完善的昇騰算力平臺，與昇騰AI生態(tài)深度適配，基于自主創(chuàng)新的訓(xùn)練與推理框架，為構(gòu)建開放共享的AGI4S基礎(chǔ)設(shè)施奠定了堅實底座。該底座完整支撐了從模型訓(xùn)練、推理到自動化評測的全流程閉環(huán)，構(gòu)筑了從原創(chuàng)模型架構(gòu)到自主創(chuàng)新算力基座的完整技術(shù)鏈路，充分展現(xiàn)了昇騰AI生態(tài)在支撐高精度、高性能、強穩(wěn)定、低成本超大規(guī)模AGI4S前沿模型上已非常成熟可靠。這為前沿模型的持續(xù)高效迭代與快速成熟鋪平了道路，將有力支撐其更廣泛的應(yīng)用部署。

目前，昇騰A3超節(jié)點產(chǎn)品已能全面滿足Intern-S1-Pro在萬億級MoE架構(gòu)下的訓(xùn)練與推理需求�；�于深度適配的XTuner框架，系統(tǒng)在FSDP2的基礎(chǔ)上，進一步支持了Intra-Node Domino-EP的雙batch間計算通信掩蓋、swap activation/optimization等內(nèi)存優(yōu)化特性，使昇騰A3超節(jié)點在萬億MoE模型訓(xùn)練場景下仍能夠?qū)崿F(xiàn)較高的吞吐性能。同時，LMDeploy與vLLM Ascend已支持Intern-S1-Pro的多機推理部署，并通過動態(tài)量化、ACL Graph等特性進一步釋放推理性能潛力。

昇騰一直致力于構(gòu)建開放的AI技術(shù)生態(tài)，積極參與AtomGit AI社區(qū)、魔樂社區(qū)、Gitee AI社區(qū)、啟智社區(qū)等生態(tài)社區(qū)的共建，讓開發(fā)者能夠快速獲取昇騰適配的模型、算法、工具等能力和源碼。此次Intern-S1-Pro模型一經(jīng)發(fā)布開源，即同步上線AtomgGit AI社區(qū)和魔樂社區(qū)，歡迎開發(fā)者們下載。

在線體驗鏈接：

https://chat.intern-ai.org.cn/

AtomGit AI鏈接：

https://ai.gitcode.com/InternLM/Intern-S1-Pro

魔樂社區(qū)鏈接：

https://modelers.cn/models/Intern/Intern-S1-Pro

GitHub鏈接：

https://github.com/InternLM/Intern-S1

HuggingFace鏈接：

https://huggingface.co/internlm/Intern-S1-Pro

ModelScope鏈接：

https://www.modelscope.cn/models/Shanghai_AI_Laboratory/Intern-S1-Pro

創(chuàng)新底層架構(gòu)：突破萬億參數(shù)科學(xué)模型邊界

Intern-S1-Pro通過多項SAGE基礎(chǔ)模型層的技術(shù)創(chuàng)新，拓寬了模型應(yīng)用邊界、提升了超大規(guī)模訓(xùn)練可行性，推進了可深度專業(yè)化通用模型的探索。

為構(gòu)建能更深層次理解物理世界規(guī)律的科學(xué)大模型，研究團隊引入了傅里葉位置編碼（FoPE）并重構(gòu)時序編碼器。FoPE為AI賦予雙重視角：既能像看“粒子”一樣捕捉文字之間的相對距離，又能像分析“波”一樣把握科學(xué)信號的整體規(guī)律與頻率�？茖W(xué)數(shù)據(jù)與語言的差異還體現(xiàn)在多尺度上，基于能自動適應(yīng)數(shù)據(jù)密度的時序編碼器，模型首次能統(tǒng)一處理從寥寥數(shù)個到百萬級采樣的各類信號，支持的分析對象從天文、地理直接拓展至生理信號、生物聲學(xué)等領(lǐng)域，從而實現(xiàn)感知能力的重大躍遷。

為了高效訓(xùn)練承載這些能力的萬億參數(shù)超大規(guī)模模型，研究團隊革新了其內(nèi)部的“路由機制”。傳統(tǒng)方法存在訓(xùn)練低效和算力浪費兩大痛點。新技術(shù)通過“路由稠密估計”，讓模型在高效運行的同時能進行更充分的學(xué)習(xí)，提升了穩(wěn)定性；進而通過“分組路由”策略，像智能交通系統(tǒng)一樣使海量計算芯片實現(xiàn)負載均衡，避免了資源閑置，能更加充分地利用昇騰超節(jié)點的通信帶寬，釋放NPU的強勁算力。通過算法與系統(tǒng)的協(xié)同創(chuàng)新，同時攻克了超大規(guī)模模型訓(xùn)練在“學(xué)習(xí)效率”和“資源調(diào)度”上的核心瓶頸，為高效、穩(wěn)健地訓(xùn)練下一代萬億參數(shù)模型提供了關(guān)鍵基礎(chǔ)。

通過上述底層架構(gòu)的創(chuàng)新，Intern-S1-Pro不僅在規(guī)模上刷新了科學(xué)多模態(tài)模型的參數(shù)規(guī)模上限，也為SAGE架構(gòu)所提出的“通用能力與專業(yè)能力協(xié)同演進”提供了可落地的實現(xiàn)路徑。

科學(xué)能力再進化，通用能力協(xié)同演進

得益于創(chuàng)新的底層架構(gòu)設(shè)計與萬億參數(shù)超大規(guī)模訓(xùn)練策略，Intern-S1-Pro的科學(xué)能力進一步升級。

在AI4S關(guān)鍵垂類領(lǐng)域，Intern-S1-Pro成功構(gòu)建了一個跨越化學(xué)、材料、生命、地球、物理五大核心學(xué)科的全譜系能力矩陣，涵蓋100多個專業(yè)子任務(wù)，不僅在Mol-Instruction、Biology-Instruction等單學(xué)科垂類評測中表現(xiàn)優(yōu)異，更在SciReasoner、SFE等高難度的綜合學(xué)科評測基準(zhǔn)中，取得了與閉源商業(yè)大模型及垂類SOTA模型相當(dāng)，甚至更優(yōu)的成績，穩(wěn)居AI4S領(lǐng)域的第一梯隊，展現(xiàn)出從“解題”邁向“解決問題”的科研生產(chǎn)力價值，為前沿科學(xué)探索提供了堅實支撐。在國際數(shù)學(xué)奧林匹克IMO-Answer-Bench和國際物理奧林匹克IPHO2025兩大權(quán)威基準(zhǔn)測試中，Intern-S1-Pro均達到國際頂尖水平，展現(xiàn)出競賽級別的解題能力。

同時，借助通專融合技術(shù)路線，Intern-S1-Pro實現(xiàn)了多模態(tài)與文本通用能力的均衡發(fā)展，在通用能力與專業(yè)科學(xué)能力上協(xié)同進階：在圖文跨模態(tài)理解、科學(xué)圖表邏輯推理、多場景視覺感知，以及高質(zhì)量自然語言生成和復(fù)雜指令精準(zhǔn)遵循等核心維度，Intern-S1、Intern-S1-Pro均穩(wěn)居開源模型陣營第一梯隊，展現(xiàn)出扎實而全面的綜合實力，為科研場景下復(fù)雜問題的理解、推理與應(yīng)用提供了可靠支撐。

在智能體能力方面，Intern-S1-Pro實現(xiàn)了從“靜態(tài)任務(wù)規(guī)劃”到“動態(tài)環(huán)境交互”的跨越式進階。在以動態(tài)環(huán)境與復(fù)雜交互為核心的Tau-2評測中達到了國際一流水平，為賦能復(fù)雜科學(xué)智能體打下了堅實基礎(chǔ)。

筑牢“算力-算法”一體化基座

在規(guī)模、性能提升的同時，Intern-S1-Pro構(gòu)建了原創(chuàng)的“算力—算法”一體化基座。模型從架構(gòu)設(shè)計之初，便與昇騰AI生態(tài)確立聯(lián)合研發(fā)路線，實現(xiàn)了從最底層的算子、編譯優(yōu)化到上層的訓(xùn)練、推理框架的深度適配。通過聯(lián)合攻關(guān)，攻克了大規(guī)模訓(xùn)練中精度對齊、超長序列強化學(xué)習(xí)穩(wěn)定性、硬件性能極致釋放等一系列核心技術(shù)難題，基于XTunerV1訓(xùn)練框架的精細優(yōu)化與LMDeploy推理引擎的高效部署，結(jié)合先進的內(nèi)存管理與并行策略，確保了萬億參數(shù)模型訓(xùn)練的高效與穩(wěn)定。通過創(chuàng)新的全異步強化學(xué)習(xí)框架等技術(shù)的應(yīng)用，大幅提升了訓(xùn)練效率，降低了研發(fā)成本與門檻，為開放共享、面向未來的AGI4S基礎(chǔ)設(shè)施奠定了堅實基礎(chǔ)。

高質(zhì)量開源賦能創(chuàng)新生態(tài)

自發(fā)布以來，Intern-S1多次登頂HuggingFace全球多模態(tài)榜單，累計下載超41萬次，并獲得近200 家科研機構(gòu)和企業(yè)的合作申請。其卓越的跨模態(tài)科學(xué)理解能力不僅為科研提供了高效工具，也通過開源降低了全球科研團隊邁入AGI for Science的門檻。未來，在研究范式創(chuàng)新及模型能力提升的基礎(chǔ)上，上海AI實驗室將推進Intern-S1及其全鏈條工具體系持續(xù)開源，支持免費商用，同時提供線上開放服務(wù)，與全球合作伙伴共建更加開放、高效的科學(xué)AI生態(tài)。