インターンシップS2プレビュー - 上海AIラボによるオープンソースの科学用マルチモーダル大規模モデル

Intern-S2-Previewとは何ですか？

Intern-S2-Previewは、上海人工知能研究所が開発した次世代Shusheng Scientific Multimodal Large Modelのオープンソースプレビュー版です。わずか350億個のパラメータで、数兆個のパラメータを持つモデルに匹敵する科学的能力を実現しています。包括的なトレーニングと強化学習アプローチによって駆動されるこのモデルは、材料の結晶構造を生成する初のオープンソース汎用大規模モデルであり、MolecularIQスコア57.26、結晶構造生成成功率40%超を達成し、主流のクローズドソースモデルを大きく凌駕しています。また、複雑な科学的推論、生物学のマルチオミクス理解、インテリジェントエージェントのタスク実行もサポートしています。Ascend Atlas 900 A3スーパーノードをベースとし、アルゴリズム、システム、計算能力の協調最適化を実現することで、科学研究とイノベーションのための効率的で障壁の低いAIインフラストラクチャを提供します。

Intern-S2-Previewの主な機能

• 科学的なマルチモーダル理解これは、マルチオミクス配列解析、生物学的顕微鏡画像に関する質問応答、生体分子指示の理解、分子構造推論、科学的マルチモーダルタスク、リモートセンシングの認識と推論、および包括的な科学的推論をサポートします。
• 材料結晶構造生成オープンソースの汎用大規模モデルにおいて、物質の結晶構造生成が実現したのは今回が初めてである。高精度な座標回帰と分子構造の空間モデリングをサポートするため、実数予測モジュールが導入された。
• 数学と複雑な推論国際数学オリンピックの問題解決、マルチモーダルな数学的推論、高校数学コンテストなどの課題を網羅し、思考連鎖の折り畳みと極端な圧縮を通じて効率的な推論を支援する。
• 長距離テキストとマルチモーダル推論長距離のプレーンテキストとマルチモーダル推論をサポートし、超長文の科学文書や複雑なクロスモーダル情報を処理する能力を備えている。
• 科学的な図表とデータに関するQ&A当社は、科学的なグラフやデータ視覚化に関する専門的な質疑応答と分析を提供します。
• 科学コード生成科学プログラミングやアルゴリズム解決のシナリオにおいて優れた性能を発揮し、科学計算、アルゴリズム開発、科学スクリプト作成を効率的にサポートできます。
• 汎用インテリジェントエージェントのタスク実行科学的なインテリジェントエージェント間の相互作用、科学的な競争や研究におけるインテリジェントエージェントのタスク実行、OpenClawでコード化されたインテリジェントエージェント、ソフトウェアエンジニアリングのインテリジェントエージェントなど、複雑なタスクを計画し、自律的に実行する能力を備えています。
• 指示に従い、コードを生成する高精度な命令追従と一般的なコード生成タスクをサポートします。

インターンシップS2プレビューの技術的原則

• 複数の分野にわたる統合的なトレーニングこれは、事前学習から強化学習まで、数百もの専門的な科学タスクを拡張し、事前学習から事後学習まで、各タスクに高品質のデータとトレーニング戦略を提供することで、マルチタスク融合トレーニングを可能にし、異なるタスク間の相互発展を促進する相乗効果を生み出します。
• タスクスケーリングメカニズムタスクの難易度と多様性を高めることで、スケーリングが実現されます。多数の非常に難易度の高い科学的タスクを同時に学習させることで、350億パラメータのモデルは、複数の科学的タスクにおいて、1兆パラメータのモデルと同等の性能レベルを達成できます。
• 強化学習は科学的推論を促進する強化学習の学習ステップサイズを拡張し、大学院レベルの主題推論問題を導入する。思考連鎖を用いて生物学的マルチオミクスの理解などの専門的なタスクを完了するようにモデルを誘導し、思考連鎖の汎化能力の利点を活用して、小さなパラメータで大規模モデルに匹敵する性能を実現する。
• データ駆動型思考密度最適化（IQPT）トークンあたりの知能品質という概念に基づき、マインドチェーンフォールディングなどの革新的なアルゴリズムを探求します。データ思考密度レバーを構築することで、パラメータ数が8倍のモデルと同等の数学的推論能力を実現できます。
• 分子構造空間モデリング技術本発明は、フーリエ位置符号化（FoPE）を導入し、時間エンコーダを再構築し、実数予測モジュールを追加することで、高精度な座標回帰を実現する。これにより、オープンソースの汎用大規模モデルにおいて、材料結晶構造の生成を初めて完了させた。
• 統合トレーニングとプッシュアーキテクチャXTunerトレーニングフレームワークとLMDeploy推論エンジンに基づき、トレーニング段階と推論段階間の不整合を低減し、ドラフトトークンの承認率と生成効率を向上させるために、共有MTP重み計算方法を導入する。
• コンピューティング能力の向上と協調最適化Ascend Atlas 900 A3スーパーノードをベースに、SP、チャンク損失、アクティベーションオフロードなどのメモリ最適化技術をトレーニングフレームワークに導入し、可変長入力に対応するためにデータブロックとホストデバイスの相互作用を最適化し、視覚モジュールと言語モジュールの計算能力比をオフラインでシミュレーションすることにより、マルチモーダル長シーケンストレーニングのためのバランスの取れたリソース割り当てを実現しています。

Intern-S2-Preview の使い方

• オンライン会話体験Shusheng Big Modelの公式体験プラットフォームにアクセスして、複数回の対話に直接参加し、科学的な質問への回答、分子構造の理解、コード生成などの能力をテストしてください。
• APIサービスへのアクセス: ChatAPI を介してモデルを呼び出します。 model 埋め立て intern-s2-preview深く考えるモードはデフォルトで有効になっています。thinking_modeこれは、科学研究ツールチェーンや自動化されたワークフローに統合する必要があるシナリオに適しています。
• インテリジェントエージェントのタスク実行エージェント機能を使用する必要がある場合（OpenClawなどのハーネスに接続して複雑な調査タスクを実行する場合など）、以下の点に留意することを強くお勧めします。 thinking_mode タスクの分割、ツール呼び出し、および複数ステップの意思決定の安定性を確保するために有効化されています。
• オープンソースモデルのローカル展開HuggingFaceまたはModelScopeからモデルの重みをダウンロードし、公式に推奨されているLMDeploy推論エンジンを使用してローカルにデプロイします。これにより、効率的な推論とマルチモーダルな長系列処理がサポートされます。
• 研究の微調整とトレーニングXTunerトレーニングフレームワークに基づいており、ドメインの微調整にはオープンソースの重みを使用します。トレーニング段階では、マルチトークン予測強化学習と共有MTP重み計算をサポートし、統合的なトレーニングと誘導反復を容易にします。
• 結晶構造生成タスク材料科学のシナリオでは、このモデルを直接呼び出して結晶構造を生成し、分子座標を回帰することができ、拡散モデルに頼ることなく高精度の空間座標予測結果を得ることができる。

インターンシップS2プレビュープロジェクトの住所

• 学者モデル：https://chat.intern-ai.org.cn/
• HuggingFace：https://huggingface.co/internlm/Intern-S2-Preview
• ModelScope：https://modelscope.cn/models/Shanghai_AI_Laboratory/Intern-S2-Preview

Intern-S2-Previewの主な利点

• 350億のパラメータは兆レベルのモデルに匹敵するこれにより、極めて小さなパラメータスケールで、複数の主要な科学分野において数兆パラメータモデルの使用が可能になり、科学研究の敷居と導入コストを大幅に削減できる。
• 初のオープンソース結晶構造生成実数予測モジュールの導入により、オープンソースの汎用大規模モデルにおいて初めて物質結晶構造の生成が可能になった。MolecularIQスコアは57.26、合格率は40%を超え、GPT-5.5などのクローズドソースモデルを大幅に上回る性能を示した。
• 最先端の科学的インテリジェントエージェント機能総合的な科学プログラミングや科学的発見タスクにおいて、Claude-Haiku-4.5やGPT5.4-Nanoといった主流のクローズドソースモデルを凌駕し、SciCodeやPinchBenchの評価においても同クラスでトップクラスの性能を発揮する。
• 複数の分野にわたる統合的なトレーニング専門的な科学的タスクを事前学習段階から強化学習段階まで拡張し、複数のタスクを統合して相乗効果を生み出し、単一段階における最適化能力の浮き沈みを回避する。
• 強化学習は効率的な推論を促進する思考連鎖誘導と思考連鎖折り畳みアルゴリズムに基づき、同一の知能単位を用いて8倍のパラメータ数を持つモデルをマッチングさせることで、数学的推論における性能と効率の両面で画期的な成果を達成した。
• Ascendのハードウェアとソフトウェアの協調最適化Ascend Atlas 900 A3スーパーノードをベースとして、アルゴリズム、システム、および計算能力が連携・進化することで、学習の安定性と推論効率が大幅に向上し、国内の計算能力エコシステムの価値が実証されました。
• 統合トレーニングとプッシュアーキテクチャXTunerのトレーニングフレームワークとLMDeployの推論エンジンは緊密に連携し、MTPの重みを共有することでトレーニングと推論の不整合を軽減し、マルチモーダルな長尺シーケンスの効率的なトレーニングと展開をサポートします。

Intern-S2-Previewと類似製品との比較

Intern-S2-Previewの適用シナリオ

• 分子生物学と創薬これは、マルチオミクス配列解析、生体分子の指示の理解、分子構造に関する推論、標的探索、化合物スクリーニング、および薬物作用機序の研究を支援するために使用されます。
• 材料科学における革新的な発見材料の結晶構造を直接生成し、高精度の空間座標を出力することで、新しい半導体、触媒、電池材料などの研究開発を加速させることができます。
• 科学計算とアルゴリズム開発科学プログラミング、アルゴリズム解決、科学スクリプト作成をサポートし、物理シミュレーション、化学計算、バイオインフォマティクス処理のための自動コード生成機能を提供する。
• 生物顕微鏡画像とリモートセンシング解析本システムは、生物学的顕微鏡画像に対する専門的な質問応答と特徴認識を提供するとともに、リモートセンシングの認識と推論もサポートし、医用画像処理や地球科学の分野に貢献する。
• 数学と複雑な科学的推論本書は、国際数学オリンピック、高校数学コンテスト、大学院レベルにおける、各分野に特化した推論を網羅しており、数学的証明、公式の導出、論理的検証を支援します。
• 科学研究インテリジェントエージェントの自動実行科学コンテストのエージェント、研究エージェント、またはOpenClawコーディングエージェントとして、文献調査、実験計画、データ分析などの複数ステップからなる科学研究タスクを自律的に完了することができます。