上海AI实验室发布开源科学大模型书生-S2，并预告隐空间语言模型NCP-ArchPreview

9月13日，在2026浦江创新论坛（第十九届）人工智能赋能科学研究专题论坛上，上海人工智能实验室发布书生多模态大模型S2。官方称其重点提升了长程科研能力与智能体能力，在知识、代码、智能体等通用能力上达到开源模型第一梯队，在Biology-Instructions、Mol-Instructions等生命科学和材料结构理解、生成与设计相关评测上大幅领先其他开闭源旗舰模型，在IMO-Proof、AdvancedMathBench等长程严谨推理基准上整体领先现有开源模型，并达到Gemini 3.1 Pro等顶尖闭源模型水平。 架构上，书生-S2通过Memory Decoder引入可插拔的专业记忆模块。不同领域知识可由独立记忆模块学习，在不修改主模型参数的情况下接入基座，模型回答时动态协调主模型与专业记忆的贡献。生物领域已验证该路径：接入Intern-MemDec-4B后，Biology-Instructions平均成绩由56.92提升至60.32，接近书生-S1-Pro到书生-S2在同一任务上的跨代提升；跨领域评测显示通用知识、推理和多模态能力总体保持在接近主模型的水平。 官方给出的长程任务示例包括：围绕数学博资考题进行数小时持续探索、推理与验证；针对免疫治疗靶点IL-7Rα设计蛋白结合剂并结合实验反馈调整策略；根据化学式Sr₂Ho₁Cu₂Ru₁O₈自动完成空间群匹配与晶格参数、原子分数坐标构建。智能体能力方面，用户输入一句构建长征7火箭3D CAD模型的需求，模型可自主完成信息检索、任务拆解与方案编排并生成三维模型。 落地层面，书生-S2已与昇腾计算生态围绕计算、通信、显存进行深度优化，并将接入书生·端砚科学发现平台。该平台连接科学大模型、专业智能体、实验装置与具身自动化设备，覆盖从假设提出到实验验证的流程，目前已在生命科学、关键材料、半导体、核聚变、量子、地球气象六大领域落地。 发布同时，上海AI实验室预告了隐空间语言模型NCP-ArchPreview，采用JEPA式Next Concept Prediction预训练任务，在5.73T Token预训练中仅消耗同规模基准51.3%的数据量即追平其最终收敛Loss，实现1.95×收敛加速，GSM8K提升5.99；仅需微调隐空间表征上17M参数即可做领域自适应。部分中间权重与适配代码已开放。书生-S2已在GitHub、HuggingFace、ModelScope提供下载，书生-S2-Preview-397B将于2026年10月31日下线。