书生 InternLM 团队在 Hugging Face 上线 Intern-S2-397B，定位为面向科学智能与长程智能体的多模态基础模型，参数规模 397B，采用 Apache-2.0 许可，模型卡标注的任务类型为图像-文本到文本。
据模型卡介绍，Intern-S2-397B 沿三个关键维度扩展：预训练、强化学习任务覆盖，以及交互式智能体环境。团队将其描述为迄今能力最强的多模态基础模型，并称其在通用推理、科学问题求解与智能体能力上实现了阶跃式提升。
在预训练层面，模型采用新的视觉语言预训练范式，直接学习科学文献的原始页面，在共享表示空间中联合建模符号语义与视觉关系，无需中间解析步骤。团队称这一做法保留了文本与视觉的对应关系，增强了空间与视觉推理，并提升了数据效率。
在科学模态推理与生成方面，Intern-S2-397B 在 20 多个领域的科学强化学习任务上联合训练。官方表示，该模型在开源模型中取得领先的通用推理表现，并在生物分子交互设计、材料结构生成等专业科学任务上取得较强结果。
在智能体方向，团队将多个智能体框架接入大规模沙箱环境，进行黑盒式智能体强化学习，以提升泛化能力，并抬高通用与科学领域长程任务的能力上限。
评测方面，模型卡称团队使用 OpenCompass、VLMEvalKit 与 AgentCompass 对模型进行评估，并与近期视觉语言模型及大语言模型做了对比。文本推理基准的最大推理长度为 256K tokens，多模态基准为 64K tokens。模型卡未在正文中列出具体分数，仅以标注方式说明：下划线代表开源模型中的最佳表现，加粗代表所有模型中的最佳表现。
部署与使用上，Intern-S2-397B 可通过 LMDeploy、vLLM、SGLang 等推理框架部署，模型卡提供了对应的部署示例指引。推荐采样参数为 top_p=0.95、top_k=50、min_p=0.0、temperature=0.8。模型支持工具调用，可通过兼容 OpenAI 的接口调用外部工具与 API，示例中演示了查询天气的函数调用流程。
从产业视角看，这条发布延续了开源模型向多模态与智能体方向演进的趋势。科学文献原始页面的直接学习、跨 20 多个领域的强化学习任务联合训练，以及沙箱环境中的智能体强化学习，都是当前模型层竞争的前沿方向。对关注 AI 产业的读者而言，值得留意的是这类模型对科研、材料、生物等专业场景的渗透，以及智能体能力提升后对工具调用、推理算力与部署框架的连带需求。模型卡未披露具体评测分数与训练成本，实际能力仍有待第三方复现与验证。