上海AI Lab开源Sage S2.1 Flash技术报告四项智能体基准SOTA,科学多模态

上海 AI Lab 推出开源 Sage S2.1 Flash,核心亮点就是把科学多模态理解和智能体工具调用能力结合起来,在 OfficeQA Pro、MLE-bench Lite、Harvey LAB、SpreadsheetBench 2 这四项基准拿到 SOTA 成绩,同时还在多个桌面、网页智能体榜单里排在前列,是一款主打科研实操的 MoE 混合专家模型。之所以这个模型很有看点,是因为大多数多模态模型只停留在看懂图文,很难处理分子图谱、生物序列、光谱这类专业科研数据,普通智能体也很难完成带校验、可复现的科研闭环任务;Sage S2.1 Flash 专门做了 Sci-Perception 科学感知模块,给各类科研模态配独立编码器,再映射到统一主干网络,同时配套可验证的工具调用环境,用来训练搜索、写代码、跑机器学习实验的智能体动作。整套验证流程分为三步,第一步搭建 7 大领域合计 33 个评测基准,横向对比 5 个主流基线模型;第二步单独验证科学场景能力,包含 CT 重建、遥感量化、生物序列分析等实操任务;第三步测试推理开销,对比上代智能体方案,确认它的推理成本大幅下降。整套测试跑完之后能看出来,Sage S2.1 Flash 不只是看懂科学资料,还能自己调用工具完成科研工作流,兼顾通用智能体任务和专业科学多模态任务。

一、Sage S2.1 Flash 核心基础信息

项目详情
模型全称Sage S2.1 Flash(书生 - S2.1 Flash)
参数量320B,MoE 混合专家架构
核心特色Sci-Perception 科学感知,科学多模态 + 智能体一体化
四项 SOTA 基准OfficeQA Pro、MLE-bench Lite、Harvey LAB、SpreadsheetBench 2
配套技术RSI 递归自我改进,可验证工具执行环境
推理成本同任务推理成本约为书生・星河的十分之一

二、Sage S2.1 Flash 四项 SOTA 基准成绩说明

  1. MLE-bench Lite:90.3 HumanRank,擅长机器学习工程实验、模型训练调优,也就是 AI 做 AI 研发的场景
  2. OfficeQA Pro:72.2 分,复杂长文档、办公材料理解和信息提取
  3. Harvey LAB:专业法律文档理解、证据整理类任务
  4. SpreadsheetBench 2:电子表格复杂公式、数据处理、表格任务生成

三、科学多模态能力覆盖范围

  • 常规模态:文本、图片
  • 科研专属模态:分子图、生物序列、光谱数据
  • 落地验证场景:CT 切片三维重建、遥感水域量化、脑电伪迹剔除、航空发动机装配检查
  • 智能体动作:打开软件、操作界面、调用搜索、运行代码、校验输出结果

四、Sage S2.1 Flash 的智能体训练思路

  1. 不只是看输出文本,而是校验环境状态变化、程序运行结果、产出文件,保证任务可验证
  2. 训练时绑定工具链,支持多轮循环、自我检查,搭配 RSI 递归自改进持续优化策略
  3. 统一表征方案,科学数据和图文走同一个主干,不用拆成两套独立模型

【相关 FAQ】

问题 1:Sage S2.1 Flash 拿到四项智能体基准 SOTA,这个模型和普通多模态模型差别在哪?

回答 1:普通多模态大多只能看图和文字,Sage S2.1 Flash 主打科学多模态,原生支持分子、生物序列、光谱等科研数据,同时自带智能体工具执行能力,可以自主操作软件跑实验,也是它拿下四项智能体基准 SOTA 的核心原因。

问题 2:Sage S2.1 Flash 的 Sci-Perception 模块,在科学多模态这条链路上起到什么作用?

回答 2:Sci-Perception 也就是书生・元征,给不同科研模态单独配置编码器,把分子图谱、生物序列这类非标科学数据转换成统一表征,再送入主干模型,让 Sage S2.1 Flash 读懂专业科研数据,支撑智能体完成科研任务。

问题 3:Sage S2.1 Flash 在智能体任务上除了四项 SOTA 基准之外,还有哪些评测表现?

回答 3:除四项登顶榜单外,Sage S2.1 Flash 在 OSWorld-Verified、WebArena-Verified、DeepResearch Bench II 等主流网页、桌面智能体基准拿到第二名,通用电脑操作、网页浏览调研能力也处于第一梯队。

【参考资料】

[2026-11-18](Sage S2.1 Flash Technical Report)HyperAI

[2026-11-17](让 AI 成为自主进化的科学家!书生 - S2.1 Flash 登顶机器学习工程基准)机器之心

[2026-11-17](书生 - S2.1 Flash 发布:不止懂科学,更能上手做科研)复旦大学现代语言学研究院

[2026-11-16](沐曦股份率先完成上海人工智能实验室书生 - S2.1 Flash 模型 Day 0 适配)沐曦 MetaX

【免责声明】

本文信息基于公开技术报告与媒体报道整理,Sage S2.1 Flash 的四项智能体基准 SOTA 成绩为特定评测环境下结果;模型开源后的实际效果受算力、部署框架、提示词、任务场景影响,不构成科研项目选型、商业落地的技术承诺与投资建议,使用前请自行完成测试验证。

本文来自作者[脉冲侦台]投稿,不代表环球科技潮立场,如若转载,请注明出处:https://www.zennew.com/rgzn/202611/3581.html

赞 (0)

今日大家都在搜的词:

发表回复

本站作者后才能评论

评论列表(4条)

  • 脉冲侦台
    脉冲侦台 2026年11月20日

    我是环球科技潮的签约作者“脉冲侦台”!

  • 脉冲侦台
    脉冲侦台 2026年11月20日

    希望本篇文章《上海AI Lab开源Sage S2.1 Flash技术报告四项智能体基准SOTA,科学多模态》能对你有所帮助!

  • 脉冲侦台
    脉冲侦台 2026年11月20日

    本站[环球科技潮]内容主要涵盖:科技,科技新闻,黑科技

  • 脉冲侦台
    脉冲侦台 2026年11月20日

    本文概览:上海 AI Lab 推出开源 Sage S2.1 Flash,核心亮点就是把科学多模态理解和智能体工具调用能力结合起来,在 OfficeQA Pro、MLE-bench Lite、Harvey LAB、SpreadsheetBench 2 这四项基准拿到 SOTA 成绩,同时还在多个桌面、网页智能体榜单里排在前列,是一款主打科研实操的 MoE 混合专家模型。之所以这个模型很有看点,是因为大多数多模态模型只停留在看懂图文,很难处理分子图谱、生物序列、光谱这类专业科研数据,普通智能体也很难完成带校验、可复现的科研闭环任务;Sage S2.1 Flash 专门做了 Sci-Perception 科学感知模块,给各类科研模态配独立编码器,再映射到统一主干网络,同时配套可验证的工具调用环境,用来训练搜索、写代码、跑机器学习实验的智能体动作。整套验证流程分为三步,第一步搭建 7 大领域合计 33 个评测基准,横向对比 5 个主流基线模型;第二步单独验证科学场景能力,包含 CT 重建、遥感量化、生物序列分析等实操任务;第三步测试推理开销,对比上代智能体方案,确认它的推理成本大幅下降。整套测试跑完之后能看出来,Sage S2.1 Flash 不只是看懂科学资料,还能自己调用工具完成科研工作流,兼顾通用智能体任务和专业科学多模态任务。

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们