上海人工智能实验室近日正式发布科学多模态模型Sage S2.1 Flash。该模型专为需要多轮分析与验证的科研任务设计,将科学数据理解与信息检索、编程及工具调用能力深度结合。在实际应用中,模型可调用专业软件执行分析,并根据中间输出结果和视觉反馈对结果进行核验,进而动态调整后续执行步骤。官方同步公布的评测报告将其与GLM-5.3-Flash、DeepSeek-V4.1-Flash-1017、Qwen3.8-Max、GPT-5.6 Sol及Claude Opus 5五款国内外主流前沿模型对比,覆盖智能体编程、生产力、工具调用、机器学习工程、深度研究、搜索及视觉七大领域的30余项细分基准。在重点展示的15项核心测试中,Sage S2.1 Flash取得4项第一、7项第二。在机器学习工程领域表现尤为突出:MLE-bench Lite测试斩获90.3分,超过DeepSeek-V4.1-Flash-1017的89.2分与Claude Opus 5的88.0分;PostTrainBench以39.2分领先GLM-5.3-Flash的36.8分、Claude Opus 5的35.7分及GPT-5.6 Sol的31.0分;PaperBench与MLS-Bench分别取得88.0分和42.0分。该模型已在Hugging Face上线,参数规模达321B,用户可下载并运行。
事件分析
技术看点方面,该模型的核心差异化在于科研场景的智能体闭环设计:先调用专业工具执行分析,再依据中间结果与视觉反馈自我核验、动态纠错,形成’推理探索、行动验证’的工作流,这比单纯提升问答能力更贴近真实科研需求。321B的参数规模配合Hugging Face开放下载,延续了上海AI实验室书生(InternLM)系列的技术路线。产业层面,国内模型在MLE-bench、PostTrainBench等机器学习工程类基准上与Claude Opus 5、GPT系列正面竞争并部分领先,表明科研自动化与智能体工程能力正成为大模型竞争的新赛道,而不仅是通用对话。后续值得关注三点:一是该模型在真实论文复现、实验设计等任务中的落地表现;二是官方自评结果能否获得第三方独立基准复核;三是开放权重能否带动科研智能体的社区生态与下游应用。
核心观点:大模型竞争正从通用对话转向科研生产力深水区,能执行、能核验、能纠错的智能体能力正成为新的分水岭。
原文链接:Linux.do