書生 InternLM 團隊在 Hugging Face 上線 Intern-S2-397B，定位為面向科學智慧與長程智慧體的多模態基礎模型，引數規模 397B，採用 Apache-2.0 許可，模型卡標註的任務型別為影像-文本到文本。

據模型卡介紹，Intern-S2-397B 沿三個關鍵維度擴充套件：預訓練、強化學習任務覆蓋，以及互動式智慧體環境。團隊將其描述為迄今能力最強的多模態基礎模型，並稱其在通用推理、科學問題求解與智慧體能力上實現了階躍式提升。

在預訓練層面，模型採用新的視覺語言預訓練範式，直接學習科學文獻的原始頁面，在共享表示空間中聯合建模符號語義與視覺關係，無需中間解析步驟。團隊稱這一做法保留了文本與視覺的對應關係，增強了空間與視覺推理，並提升了資料效率。

在科學模態推理與生成方面，Intern-S2-397B 在 20 多個領域的科學強化學習任務上聯合訓練。官方表示，該模型在開源模型中取得領先的通用推理表現，並在生物分子互動設計、材料結構生成等專業科學任務上取得較強結果。

在智慧體方向，團隊將多個智慧體框架接入大規模沙箱環境，進行黑盒式智慧體強化學習，以提升泛化能力，並抬高通用與科學領域長程任務的能力上限。

評測方面，模型卡稱團隊使用 OpenCompass、VLMEvalKit 與 AgentCompass 對模型進行評估，並與近期視覺語言模型及大語言模型做了對比。文本推理基準的最大推理長度為 256K tokens，多模態基準為 64K tokens。模型卡未在正文中列出具體分數，僅以標註方式說明：下劃線代表開源模型中的最佳表現，加粗代表所有模型中的最佳表現。

部署與使用上，Intern-S2-397B 可通過 LMDeploy、vLLM、SGLang 等推理框架部署，模型卡提供了對應的部署示例指引。推薦取樣引數為 top_p=0.95、top_k=50、min_p=0.0、temperature=0.8。模型支援工具呼叫，可通過相容 OpenAI 的介面呼叫外部工具與 API，示例中演示了查詢天氣的函式呼叫流程。

從產業視角看，這條釋出延續了開源模型向多模態與智慧體方向演進的趨勢。科學文獻原始頁面的直接學習、跨 20 多個領域的強化學習任務聯合訓練，以及沙箱環境中的智慧體強化學習，都是當前模型層競爭的前沿方向。對關注 AI 產業的讀者而言，值得留意的是這類模型對科研、材料、生物等專業場景的滲透，以及智慧體能力提升後對工具呼叫、推理算力與部署框架的連帶需求。模型卡未披露具體評測分數與訓練成本，實際能力仍有待第三方復現與驗證。