书生（InternLM）在 Hugging Face 上正式发布了其最新的多模态基础模型 Intern-S2-Preview-397B，参数规模达到 403B。该模型被定位为团队目前能力最强的科学智能与长程智能体模型，采用 Apache-2.0 许可证开源。
模型的核心突破在于同时沿三个关键维度进行扩展：预训练范式、强化学习任务覆盖范围以及交互式智能体环境。在预训练阶段，Intern-S2-Preview-397B 引入了一种新的视觉-语言预训练方法，能够直接从原始科学文献页面中学习，在共享表示空间内联合建模符号语义与视觉关系，无需中间解析步骤。这一设计保留了文本与视觉的对应关系，增强了空间推理与视觉推理能力，并提升了数据效率。
在科学推理与生成方面，该模型通过跨 20 多个领域 的大规模多样化科学强化学习任务联合训练，在开源模型中取得了通用推理的领先性能，并在 生物分子相互作用设计 和 材料结构生成 等专业科学任务上表现强劲。此外，通过将多个智能体框架连接到大规模沙盒环境进行黑盒智能体强化学习，模型在通用与科学领域的长程任务中提升了泛化能力与能力上限。
性能评估显示，Intern-S2-Preview-397B 在多个基准测试中与近期视觉语言模型和大语言模型进行了对比。在文本推理基准上，模型以最大 256K token 的推理长度进行评估；在多模态基准上，则以最大 64K token 的推理长度运行。官方报告指出，该模型在开源模型中多项指标取得最佳成绩（下划线标注），并在部分指标上达到所有模型中的最优表现（加粗标注）。评估工具采用了 OpenCompass、VLMEvalKit 和 AgentCompass。
在部署与使用方面，Intern-S2-Preview-397B 支持通过 LMDeploy、vLLM 和 SGLang 等主流大语言模型推理框架进行部署，官方提供了详细的部署指南。推荐采样参数为 top_p=0.95、top_k=50、min_p=0.0、temperature=0.8。模型还具备工具调用能力，可通过 OpenAI 兼容接口调用外部函数与 API，扩展其在实时数据获取等场景中的应用。
此次发布延续了书生团队在多模态与科学智能领域的持续投入。与以往模型相比，Intern-S2-Preview-397B 在科学文献理解、跨领域推理和长程任务执行上迈出了实质性一步。对于 AI 产业而言，该模型将多模态能力与科学计算、智能体框架深度融合，可能为药物发现、材料科学、复杂系统模拟等场景提供新的基础工具，同时也为开源社区贡献了一个高规格的实验与开发基座。