书生-S2 운영 중

书生-S2는 상하이 인공지능 연구소가 오픈 소스로 공개한 멀티모달 기반 대규모 모델(397B 파라미터)로, 과학을 가장 잘 이해하는 대규모 모델입니다. 모델은 Memory Decoder 아키텍처를 통해 플러그형 전문 메모리 모듈을 도입하여, 주 모델을 재학습하지 않고도 분야 지식을 지속적으로 확장할 수 있습니다. 书生-S2는 범용 능력에서 오픈 소스 모델 최상위권에 속하며, 생물학·재료 과학 등의 과학 평가에서 크게 앞서고, 수학 추론은 Gemini 3.1 Pro 수준에 도달했으며, 장기 연구 및 에이전트 능력을 갖추고 있습니다.

과학 지식 질의응답 및 추론: 생물학, 재료 과학 등의 분야에서 전문가 수준의 이해 및 생성 능력을 제공하며, 다른 오픈 소스 및 폐쇄형 플래그십 모델을 크게 앞섭니다.
장기적이고 엄밀한 수학 추론: IMO-Proof, AdvancedMathBench 등의 경시 수학 및 고등 수학 벤치마크에서 수 시간 동안 지속적으로 추론하고 검증할 수 있으며, Gemini 3.1 Pro 수준에 도달했습니다.
연구 과제 수행: 단백질 결합제 설계, 결정 구조 구축 등 실제 연구 문제를 중심으로 지속적으로 분석·추론·최적화할 수 있습니다.
에이전트의 자율 실행: 복잡한 지시를 한마디로 전달하면 검색, 과제 분해, 도구 협업 및 방안 구성을 자율적으로 수행할 수 있습니다.
범용 능력: 지식, 코드 등의 범용 능력이 오픈 소스 모델 최상위권에 도달했습니다.

WeChat에서 팔로우한 후 “开源”에 회신하여 AI 오픈 소스 프로젝트 교류 그룹에 가입하세요
Memory Decoder 플러그형 전문 메모리 아키텍처: Memory Decoder 메커니즘을 도입하여 각 분야의 전문 지식을 독립적인 메모리 모듈에서 학습·저장하고, 연결할 때 주 모델의 파라미터를 수정할 필요가 없습니다. 추론 과정에서 모델은 현재 문맥에 따라 주 모델과 전문 메모리의 기여도를 동적으로 조정하여, 분야 지식을 완전한 추론 체계에 통합합니다.
장기 추론 및 에이전트 능력: 书生-S2는 범용 능력을 유지하면서 장기 사고 능력을 강화하고, 지속적인 탐색·추론·검증 메커니즘을 통해 수 시간에 걸친 연구 수준의 과제 수행을 지원합니다. 또한 에이전트 프레임워크를 구축하여 모델이 과제 목표를 이해하고, 단계를 자율적으로 분해하며, 다양한 도구를 선택하고 협력하여 호출하고, 실행 결과에 따라 후속 동작을 동적으로 조정할 수 있도록 합니다.
昇腾 컴퓨팅 성능 협력 최적화: 모델은 昇腾 컴퓨팅 생태계와 긴밀하게 협력하며, 연산·통신·메모리 등의 핵심 영역을 중심으로 심층 최적화를 수행합니다. 모델 성능 향상과 국산 컴퓨팅 인프라 최적화의 협력적 발전 경로를 탐색하여 대규모 과학 계산 과제에 기반 지원을 제공합니다.
잠재 공간 사전 학습 탐색(NCP-ArchPreview): 차세대 아키텍처를 위해 상하이 AI 연구소는 Next Concept Prediction의 JEPA 방식 잠재 공간 사전 학습 과제를 제안했습니다. 모델은 더 이상 다음 Token만 예측하지 않고, 별도의 Concept Module을 통해 잠재 공간에서 Token을 가로지르는 이산적 의미 개념을 예측한 다음, 이를 다시 하위 수준의 자기회귀 생성에 반영하여 안내합니다.

온라인 체험: https://chat.intern-ai.org.cn/에 접속하면 书生-S2의 다양한 기능을 직접 대화로 체험할 수 있습니다.
API 호출: 모든 사용자는 무료 공개 API 할당량을 사용할 수 있으며, 더 높은 할당량이 필요한 경우 https://internlm.intern-ai.org.cn/api/strategy에서 신청서를 제출할 수 있습니다.
모델 받기: HuggingFace에서 모델 가중치를 다운로드합니다.
로컬 배포: GitHub 저장소 https://github.com/InternLM/Intern-S1를 참고하여 배포합니다. 昇腾 컴퓨팅 환경에 대한 심층 적용 및 최적화가 완료되었습니다.

최고 수준의 과학 능력: 생물학, 재료 과학 등의 과학 과제 평가에서 기존 오픈 소스 및 폐쇄형 플래그십 모델을 크게 앞섭니다.
플러그형 전문 메모리: Memory Decoder 아키텍처는 주 모델의 파라미터를 수정하지 않고도 새로운 분야 지식을 연결할 수 있어, 분야 확장 비용을 크게 줄입니다.
타협 없는 범용 능력: 전문 능력을 확장하는 동시에 지식·코드·에이전트 등의 범용 능력도 오픈 소스 최상위권을 유지합니다.
장기 추론 능력: 수 시간 동안 엄밀한 수학 추론과 조사를 지속할 수 있으며, Gemini 3.1 Pro 수준에 도달했고 일부 지표에서는 이를 넘어섰습니다.
에이전트 실행력: 복잡한 과제를 자율적으로 분해하고 여러 도구와 협업할 수 있으며, 한마디로 长征7 로켓 3D CAD 모델과 같은 완성도 높은 결과물을 생성할 수 있습니다.

GitHub 저장소: https://github.com/InternLM/Intern-S1
HuggingFace 모델 저장소: https://huggingface.co/internlm/Intern-S2-397B

생명과학 연구개발: DNA, RNA, 단백질 및 생체분자 상호작용 분석을 아우르며, 면역 치료 표적 IL-7Rα를 중심으로 단백질 결합제 후보 분자를 지속적으로 설계하고 최적화할 수 있습니다.
재료 및 결정 구조 설계: 화학식에 따라 공간군 매칭과 격자 매개변수·원자 좌표의 체계적인 구축을 자동으로 수행하여, 신소재 탐색을 “경험 기반 시행착오”에서 “모델 기반” 방식으로 전환합니다.
수학 및 이론 연구: 경시 수학, 고등 수학 및 박사과정 자격시험 수준의 복잡한 문제를 대상으로 수 시간 동안 지속적으로 추론·검증하고 엄밀한 해답을 도출하여 이론 연구를 지원합니다.
공학 설계 및 에이전트 자동화: 한마디로 복잡한 공학 결과물을 생성하고, 정보 검색·과제 분해·다중 도구 협업 구성을 자율적으로 수행합니다.