2026年2月5日，上海人工智能实验室正式开源‘书生Intern-S1-Pro’——迄今全球参数量最大、科学知识覆盖最广的开源多模态基础模型。该模型总参数达2.8万亿，涵盖物理学、化学、生物学、地球科学及数学五大核心领域，训练数据包含超1.2亿篇高质量科研论文（含arXiv、PubMed、Nature/Science子刊）、3800万份实验记录报告、1.6亿张高精度科学图像（如电子显微镜图、光谱曲线、蛋白质结构图）及240万小时科研教学视频。与通用多模态模型不同，Intern-S1-Pro首创‘科学认知蒸馏框架’（SCD），通过将专家标注的推理链（Chain-of-Reasoning）、反事实验证逻辑与跨学科类比关系注入预训练过程，使其不仅能回答‘量子纠缠是什么’，更能推导‘若将贝尔不等式实验置于引力波探测环境，测量偏差阈值如何变化’等复合型科学问题。

模型架构上，Intern-S1-Pro采用‘双脑协同’设计：左脑为符号化科学知识图谱引擎，实时调用Wikidata、SciGraph等权威知识库进行事实校验；右脑为神经网络多模态理解器，专精于解析公式LaTeX代码、分子SMILES字符串、地质剖面图等非标准文本模态。实测显示，其在MMLU-STEM（科学类MMLU子集）基准上准确率达89.7%，较Qwen3-VL提升11.2个百分点；在ScienceQA多模态推理任务中，首次实现对含图表题干的完整逻辑链生成（F1=76.4），远超现有开源模型。更关键的是，所有训练代码、数据清洗脚本、评估协议及128GB精简版模型权重均已开放下载，支持学术界零门槛复现与二次开发。

该模型的发布具有深远战略意义。一方面，它填补了我国在高端科学AI基础设施领域的空白，打破欧美机构对AlphaFold、Galactica等科学专用模型的技术垄断；另一方面，其开源属性极大降低了高校与中小科研团队的AI应用门槛。目前，中科院高能物理所已将其接入江门中微子实验数据分析平台，用于自动识别探测器信号异常模式；清华大学药学院则基于其构建了‘靶点-化合物-通路’三维关联预测系统。然而，模型对算力资源的极高需求（全参数微调需超2048张H800）仍构成规模化落地瓶颈，后续将重点推进LoRA适配器与MoE稀疏化方案的社区共建。