企业官网建设流程全解析

397B 追平万亿参数？热搜背后这场“科学AI考试”，有几处值得你多看两眼

【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B

最近科技圈被一句话刷屏了：“397B 参数，追平万亿级模型”。

说的是上海人工智能实验室开源的科学多模态大模型 Intern-S2-397B。参数只有对手的四成，却在数学、材料、生物分子这些“硬核科目”上打成了平手，甚至有几项反超。消息一出，评论区立马分成两派：一派喊“国产模型扬眉吐气”，另一派冷笑“又是自己出题自己考”。

这话不好听，但问得对。AI 圈的“跑分”这事，水分历来不小。今天咱们不吹不黑，先把这份成绩单拆开看看，再聊聊它到底能帮你干什么。

一、先说清楚：397B 到底是个什么体量的东西

你可以把大模型想象成一家公司。

普通模型是“全员上班”，不管来什么活儿，所有员工都得到岗，人多力量大，但电费也烧得吓人。Intern-S2-397B 用的是**“混合专家”**的路子：公司里注册了 512 位专家，但每来一个任务，只叫醒其中 10 位对口的。

所以它名义上是个 397B 的“大厂”，实际每次干活的只是一个小分队。这既是它能“以小博大”的底气，也是它能被塞进 8 张 H100/H200 显卡里跑起来的原因——要真按 397B 全员上岗，那得是机房级别的排场。

更关键的是，它不是纯文字模型，而是天生的“多模态”：眼睛能看 PDF 论文里的插图、表格、分子结构式，脑子能算数学、能读蛋白质序列，还能处理地震波这种时间序列信号。

一句话总结：它不是“会聊天的 AI”，而是“能进实验室打下手”的 AI。

二、“追平万亿”这句宣传，究竟追平了什么

这是全文最该较真的地方。把官方说法还原一下，大致是三层意思：

第一，比的是“特定科目”，不是“全能总分”。官方对标的是万亿级的 Intern-S1-Pro，在数学推理、材料结构生成、分子性质预测这类科学任务上打得有来有回。社区文章提到，它在 MolecularIQ 这项分子理解评测上拿到 57.26 分，超过 Gemini-3.1-Pro；材料晶体结构生成的通过率超过 40%，优于 GPT-5.5。听起来很猛，但请注意——这些是“科学专业课”成绩，不是“语数外总分”。

第二，参数账要分开算。397B 是“总注册人数”，万亿模型也是“总注册人数”。可真打起来，比的是“当场在岗人数”。所以“小模型追平大模型”这件事，本质上是架构效率的胜利，不是“参数不重要了”。这话说清楚，才是对技术的尊重。

第三，给了多长的“考试时间”，很关键。官方说明里有一句容易被忽略的细节：文字推理题目，模型最多可以思考 256K token；多模态题目，最多 64K。翻译成人话——允许它把草稿纸写满。而很多对比模型的默认设置，是写两页就交卷。

这就好比两个学生考同一张卷子，一个限时 40 分钟，一个不限时还能翻书，最后分数一样。你能说两人水平一样吗？不能。分数一样，但成本不一样、速度不一样。

三、科学评测里，最容易“注水”的三个地方

不是针对这一家，这是整个行业的通病。

第一个坑：自己出题，自己阅卷。这次的评测用的是 OpenCompass、VLMEvalKit、AgentCompass 这一套工具链，恰好都出自同一个技术生态。工具本身是开源的、可复现的，这点要肯定；但“出题人”和“考生”住一个小区，读者心里打个折，是合理的谨慎。

第二个坑：题目太少，容易“背答案”。科学类基准往往题量不大。几千道题，反复训练几轮，模型很容易“见过原题”。所以你会看到一种魔幻现象：跑分年年涨，真让它独立做一道没见过的科研题，立马露怯。

第三个坑：报喜不报忧。榜单只展示优势科目。材料、分子、数学这些强项大写特写；通用常识、长文写作、多轮闲聊这些弱项，一句“保持通用能力”轻轻带过。这不算撒谎，但属于选择性发言。

给你一套“看评测话术”的四问清单，以后刷到任何“碾压 GPT”“吊打某某”的新闻，都可以套一遍：

• 问基准：是第三方公认的老牌榜单，还是自家新造的？
• 问预算：对手是不是在同一推理长度、同一采样参数下跑的？
• 问科目：是全面领先，还是挑了三门优势科目？
• 问复现：权重开不开源？有没有在线接口让我自己出题考它？

四问下来还站得住的，才是真本事。

四、不过话说回来，这模型确实有几样“真家伙”

吐槽完评测口径，得承认：它有些能力不是靠跑分堆出来的，是实打实能干活。

一是“看论文”这件事，它做得比大多数模型细。传统做法是先 OCR 把 PDF 拆成文字，图里的信息就丢了。它是直接“看”原始页面，文字和插图一起进脑子。这意味着你扔一份带反应式、带晶体结构图的材料学论文过去，它能看懂图表之间的关系，而不是把图当成一张“无意义的图片”。

二是它真的能“读波形”。官方演示里有一个很具体的场景：给一段地震监测数据，让它判断有没有发生地震事件，并指出 P 波和 S 波的起始位置。另一个例子是电力负荷预测：给它历史用电数据加天气预报，让它预测未来半天的用电曲线。

这类活儿，过去得靠专门的时序算法工程师调参，现在一句自然语言就能问。这才是“科学大模型”和“聊天机器人”的分水岭。

三是它能自己拆任务、调工具。模型内置了工具调用能力，可以接进 Claude Code 这类智能体框架，也能接 OpenClaw、Hermes 之类的助手平台。说白了，你给它一个“帮我查这批文献里有哪些材料合成路线”的任务，它会自己规划步骤、调检索工具、看结果、再修正——像个能独立跑腿的实习生，而不是一问一答的复读机。

顺带一提，社区里有人实测了它的加速技术：在长文本输出场景下，吞吐量接近翻倍，延迟降低约六成。对真正要批量处理文献的团队来说，这个提升比跑分实在得多。

五、普通人想上手，门槛到底多高？

分三种情况说。

只想试试水：官方有在线体验入口，注册就能聊，能传图、能传文档，不花钱、不装环境。适合学生、科研爱好者先感受一下“科学 AI”和普通聊天机器人的区别。

想接进自己的工作流：官方提供兼容主流接口规范的 API，填个地址和密钥就能用，写代码的人十分钟能跑通。自媒体查资料、研究生读文献、工程师算数据，都能用。

想自己部署：这就不是普通电脑能碰的了。官方推荐 8 卡 H100 或 H200 起步，还有专门的 FP8 压缩版本降低显存压力。家里的游戏本、MacBook 就别想了，强行量化到 4bit 也不是给日常办公准备的。

所以目标人群很清楚：高校实验室、企业研发部门、以及愿意为“数据不出内网”付钱的团队。生命科学、材料研发这类数据敏感的行业，能在自己机房里跑一个接近顶配的科学模型，这件事的价值，比榜单上那几分重要得多。

六、最后说句公道话

“397B 追平万亿”这句话，七分真，三分需要加定语。

真的是：在科学这个特定赛道，靠架构效率和多领域强化学习，小体量确实能打出大体量的效果，这是工程上的硬功夫。需要加定语的是：它追平的是部分科目、特定预算下的成绩，不是全面碾压，更不是“万亿参数没用了”。

对我们普通人来说，这件事最大的意义不是又一个榜单冠军，而是——能做科研级任务的 AI，正在从“实验室里的稀罕物”变成“注册个账号就能用的工具”。三年前，读懂一篇带公式的论文、识别一段地震波形，还得是博士生的活儿；现在，你可能只需要会提问。

那么问题来了：如果真有一个不知疲倦、还能看懂图表的“AI 科研搭子”，你最想让它帮你干的第一件事是什么？是啃完那篇看了三遍还没看懂的论文，还是帮你把孩子的物理题讲明白？评论区聊聊。

【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B