上海人工智能实验室近日发布科学多模态模型Sage-S2.1-Flash,参数规模达321B,代码与模型权重均以MIT许可证开源。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、工具调用能力相结合,可调用专业软件执行分析、对照中间输出与视觉反馈核查结果,并据此调整后续步骤。

模型的核心架构名为Sage SciPerception,通过统一的表征空间支持十余种科学输入类型,包括分子图、晶体结构、蛋白质序列与三维结构等。各类输入的特征经编码后投影至共享表征空间,与自然语言指令一同参与推理,从而支撑预测、分类、位点定位、定量分析和结构推断等任务。

在官方公布的评测中,Sage-S2.1-Flash在15项基准、6款模型的对比中取得4项第一、7项第二的成绩。其中,机器学习工程领域的MLE-bench Lite得分90.3,领先DeepSeek-V4.1-Flash-1017的89.2;办公与专业文档处理方面,OfficeQA Pro、Harvey LAB和SpreadsheetBench 2分别得分72.2、25.0和37.1,均列第一。工具使用与研究执行方面,该模型在AutomationBench、ALE-CLI、BFCL V4、WebArena-Verified、DeepResearch Bench II、JobBench和OSWorld-Verified等基准中排名第二。

从对比表看,参与评测的模型还包括GLM-5.3-Flash、Qwen3.8-Max、GPT-5.6 Sol和Claude Opus 5。Sage-S2.1-Flash在科学相关任务上表现突出,但在部分通用编程与视觉任务上仍有差距,例如Terminal-Bench 2.1得分87.9,低于Claude Opus 5的90.2;NL2Repo-Bench得分57.2,低于Claude Opus 5的79.9。

部署方面,官方提供了科学投影器(projector)的加载脚本与推理指南。用户可从模型仓库下载投影器,配合vLLM服务启用prompt embeds功能,将科学编码器输出与文本token嵌入拼接后送入语言模型。针对晶体结构等任务,官方给出了CPU加载验证的示例代码。

Sage-S2.1-Flash的发布,反映出科学多模态模型正从单一任务向多轮、可验证的研究流程演进。其开源策略与MIT许可证有望降低科研机构与开发者使用门槛,但321B参数规模对推理算力提出较高要求,实际部署成本仍是落地时需权衡的因素。