书生团队（InternLM）今日在Hugging Face发布新模型Intern-S2-Mobius，这是一个35B参数的基础模型，基于Mobius-v0架构构建，由Xtuner和LMDeploy实现。该模型的核心创新在于将知识存储与推理计算解耦，通过全局共享的记忆库和多个推理器的迭代查询，实现了更高效的推理。据技术报告，其端到端推理速度相比传统Transformer基线提升近4倍，同时在下游任务上保持甚至超越原有性能。

Intern-S2-Mobius从Qwen3.5-35B持续预训练而来，并经过监督微调（SFT）和强化学习（RL）后训练。其架构设计摒弃了传统Transformer中逐层绑定知识存储与推理计算的方式，而是将知识组织为全局共享的Memory，让多个Reasoner迭代查询并精炼隐藏状态。这种分离带来了两个原生能力：Backward Residual Connection（后向残差连接），使推理阶段能访问超越局部层层级的知识；以及Dynamic Latent Reasoning（动态潜在推理），将思考、精炼和多token预测内化为高密度连续状态。

在性能评测中，Intern-S2-Mobius在通用推理基准上相比Qwen3.5-35B基线取得了更高的平均分，并在科学任务如Biology-Instructions、Mol-Instructions和MolecularIQ上显示出大幅提升。模型在推理时生成的推理轨迹更短，请求吞吐量更高，这主要得益于其消除了重复推导和检查的过程。例如，在一个线性代数选择题中，Mobius用更少的token完成了相同的推理步骤。

模型以bfloat16权重格式发布，支持多种推理框架，包括LMDeploy、Transformers、vLLM和SGLang。推荐使用MTP（Multi-Token Prediction）投机解码配置以发挥最佳性能，示例命令展示了单GPU部署方式。书生团队建议使用`top_p=1`、`top_k=50`、`temperature=0.8`等采样参数。

这一发布对AI产业具有多重意义。首先，知识-推理解耦架构可能降低推理时的计算开销，使大模型在相同硬件上服务更多请求，对基础设施层的算力效率提升至关重要。其次，动态潜在推理减少了对长思维链（CoT）的依赖，可能改变模型在复杂任务上的推理模式，影响模型层的设计趋势。最后，科学任务上的显著进步，暗示该架构在专业领域（如生物、化学）的潜力，可能加速应用层的落地。

值得注意的是，Mobius架构由书生团队自研，并通过Xtuner和LMDeploy工具链实现，体现了其在模型训练与部署工具链上的整合能力。随着推理效率成为大模型规模化部署的关键瓶颈，这类创新或将为行业提供新的优化方向。