上海人工智能实验室联合复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、北京大学等机构推出的科学多模态大模型书生 - S2.1 Flash,近日正式发布并开源,在机器学习工程基准 MLE-bench Lite 上拿到 90.3 分,比第二名的 89.2 分高出 1.1 分登顶;同时在 OfficeQA Pro、Harvey LAB、SpreadsheetBench 2 三项基准上拿下第一,得分超过 DeepSeek-V4.1-Flash-1017 和 Claude Opus 5。它要解决的问题是:过去大模型只能给科研出主意,真正调用专业软件做数据分析、三维建模、参数化装配时容易断链,中间结果不会回查、方法不会自纠;书生 - S2.1 Flash 把 "查资料 — 写代码 — 调工具 — 核验中间结果 — 修正下一步" 做成闭环,让 AI 像自主进化的科学家一样推进科研任务,落地路径就是先在 MLE-bench Lite 这类工程基准上验证任务完成能力,再把同一套闭环用到 CT 切片重建、建筑建模、水域分析、发动机装配等真实科研场景,最终形成可回查、可继续编辑的成果文件。
一、登顶成绩一览
| 基准 | 考查内容 | 书生 - S2.1 Flash 得分 | 名次 |
|---|---|---|---|
| MLE-bench Lite | 机器学习工程任务 | 90.3(第二名 89.2) | 第一 |
| OfficeQA Pro | 复杂办公文档分析处理 | 72.2 | 第一 |
| Harvey LAB | 复杂法律文档分析与专业交付 | 25.0 | 第一 |
| SpreadsheetBench 2 | 表格补全、纠错、可视化 | 37.1 | 第一 |
- 33 项通用智能体基准合计取得 4 项第一、7 项第二;
- AutomationBench、ALE-CLI、BFCL V4、WebArena-Verified、DeepResearch Bench II、JobBench、OSWorld-Verified 七项位列第二;
- 对比模型:DeepSeek-V4.1-Flash-1017、Claude Opus 5。
二、它能在科研软件里做什么(真实演示)
- CT 切片分析:在 3D Slicer 中按密度阈值提取骨性区域、重建三维骨骼,发现局部骨性突起后回查相邻原始切面核对,再写入报告;
- 建筑三维重建:多角度照片加夜景参考输入 Blender,搭建体块、悬挑、幕墙结构,加玻璃材质、金属格栅、室内照明,交付可编辑.blend 工程;
- 鄱阳湖水域分析:多光谱数据提取候选水域,叠加回原始影像复核湖岸边界,只在两期共同有效研究区统计面积,导出变化地图、面积表和 QGIS 工程;
- 发动机参数化建模:参考图识别构型与零件布局,CAD 环境完成参数化建模与整机装配,统一检查零件干涉并修复,输出可编辑 CAD 模型与渲染图。
三、多模态科研输入覆盖
- 分子图、晶体结构、蛋白质序列与三维结构、DNA 序列、RNA 序列;
- 光谱、质谱、X 射线衍射、心电、脑电、光变曲线等十余类科学数据;
- 各类数据经特征编码与投影,和自然语言指令共同参与预测、分类、位点定位、定量分析与结构推断;
- 过程中主动回查图像、波形等中间结果,判断是否调整方法。
四、获取与使用方式
- 已开源:ModelScope(Shanghai_AI_Laboratory/Sage-S2.1-Flash)、HuggingFace(internlm/Sage-S2.1-Flash)可下载;
- 技术报告在 GitHub 仓库公开;
- 书生・端砚平台可在线体验;
- 对标 GLM 5.3 Flash:即日起至 12 月 9 日调用价为对标模型的 1%,12 月 10 日至 12 月 31 日为 10%,新用户注册赠免费额度。
【常见问题】
问题 1:书生 - S2.1 Flash 为什么能登顶机器学习工程基准?它和普通科研大模型差在哪?
回答 1:书生 - S2.1 Flash 在 MLE-bench Lite 上拿到 90.3 分登顶,靠的是 "写程序 — 调专业软件 — 核验中间结果 — 修正下一步" 的自主闭环,而不是只给文字建议;普通科研大模型不会回查切片、不会检查装配干涉,书生 - S2.1 Flash 能把过程沉淀成可继续编辑的工程文件。
问题 2:书生 - S2.1 Flash 说的 "让 AI 成为自主进化的科学家" 具体指什么?
回答 2:指书生 - S2.1 Flash 能主动判断下一步方法、用原始切片和波形核验结果、发现问题后修订策略,像自主进化的科学家一样完成长程科研任务;除机器学习工程基准外,它在办公文档、法律文档、电子表格三项基准上也拿到第一。
问题 3:书生 - S2.1 Flash 在通用智能体评测里表现如何?超过了哪些模型?
回答 3:它在 33 项通用智能体基准上取得 4 项第一、7 项第二,机器学习工程基准 MLE-bench Lite 以 90.3 分领先;OfficeQA Pro、Harvey LAB、SpreadsheetBench 2 同为第一,整体得分超过 DeepSeek-V4.1-Flash-1017 和 Claude Opus 5。
问题 4:书生 - S2.1 Flash 是闭源还是开源?怎么体验和调用?
回答 4:书生 - S2.1 Flash 已开源,权重可在 ModelScope 和 HuggingFace 下载,技术报告公开,也可通过书生・端砚平台在线体验;它对标 GLM 5.3 Flash,限时调用价分别为对标模型的 1%(至 12 月 9 日)和 10%(12 月 10 日至 31 日)。
【参考资料】
- [2026-11-16](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)新浪财经(机器之心)
- [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)爱集微
- [2026-11-16](书生 - S2.1 Flash 对标 GLM 5.3 Flash 限时优惠)机器之心 Pro(微博)
【免责声明】
本文评测分数、基准名次与对比模型来自发布方公开报道,仅代表该评测条件与参评集合下的结果,不等于全场景能力承诺;开源协议、调用价格与优惠期以官方页面为准,本文不构成投资或采购建议。
