書生團隊（InternLM）今日在Hugging Face釋出新模型Intern-S2-Mobius，這是一個35B引數的基礎模型，基於Mobius-v0架構構建，由Xtuner和LMDeploy實現。該模型的核心創新在於將知識儲存與推理計算解耦，通過全域性共享的記憶庫和多個推理器的迭代查詢，實現了更高效的推理。據技術報告，其端到端推理速度相比傳統Transformer基線提升近4倍，同時在下游任務上保持甚至超越原有效能。

Intern-S2-Mobius從Qwen3.5-35B持續預訓練而來，並經過監督微調（SFT）和強化學習（RL）後訓練。其架構設計摒棄了傳統Transformer中逐層繫結知識儲存與推理計算的方式，而是將知識組織為全域性共享的Memory，讓多個Reasoner迭代查詢並精煉隱藏狀態。這種分離帶來了兩個原生能力：Backward Residual Connection（後向殘差連線），使推理階段能訪問超越區域性層層級的知識；以及Dynamic Latent Reasoning（動態潛在推理），將思考、精煉和多token預測內化為高密度連續狀態。

在效能評測中，Intern-S2-Mobius在通用推理基準上相比Qwen3.5-35B基線取得了更高的平均分，並在科學任務如Biology-Instructions、Mol-Instructions和MolecularIQ上顯示出大幅提升。模型在推理時生成的推理軌跡更短，請求吞吐量更高，這主要得益於其消除了重複推導和檢查的過程。例如，在一個線性代數選擇題中，Mobius用更少的token完成了相同的推理步驟。

模型以bfloat16權重格式釋出，支援多種推理框架，包括LMDeploy、Transformers、vLLM和SGLang。推薦使用MTP（Multi-Token Prediction）投機解碼配置以發揮最佳效能，示例命令展示了單GPU部署方式。書生團隊建議使用`top_p=1`、`top_k=50`、`temperature=0.8`等取樣引數。

這一發布對AI產業具有多重意義。首先，知識-推理解耦架構可能降低推理時的計算開銷，使大模型在相同硬體上服務更多請求，對基礎設施層的算力效率提升至關重要。其次，動態潛在推理減少了對長思維鏈（CoT）的依賴，可能改變模型在複雜任務上的推理模式，影響模型層的設計趨勢。最後，科學任務上的顯著進步，暗示該架構在專業領域（如生物、化學）的潛力，可能加速應用層的落地。

值得注意的是，Mobius架構由書生團隊自研，並通過Xtuner和LMDeploy工具鏈實現，體現了其在模型訓練與部署工具鏈上的整合能力。隨著推理效率成為大模型規模化部署的關鍵瓶頸，這類創新或將為行業提供新的最佳化方向。