MolecularIQ 拿 57.26 分意味着什么这份科学 AI 成绩单普通人也能三分钟读懂【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B最近科技圈被一张成绩单刷屏了。上海 AI 实验室开源了一个叫 Intern-S2-397B 的大家伙官方公布的评测里它在 MolecularIQ 上拿到57.26 分而一向被视作学霸的 Gemini-3.1-Pro同一张卷子只有41.33 分。消息一出评论区立刻分成两派一派说国产模型终于扬眉吐气另一派满脸问号——57 分听起来连及格线都没到凭什么值得吹这问题问得好。今天不聊参数、不聊代码就聊聊这些分数到底在考什么我们又该怎么看。一、先翻译一下MolecularIQ 考的根本不是背书很多人的直觉是AI 考试嘛无非是做题、答题、比谁记得多。MolecularIQ 偏偏不是这种卷子。它考的是分子结构的空间理解——给你一个分子的组成信息模型要判断原子之间怎么连、谁挨着谁、立体上怎么摆。这就像你给孩子一盒乐高不是问他这块积木叫什么名字而是把说明书撕了让他直接拼出一个能站住的模型。所以这个分数低一点都不奇怪。满分 100 的题人类专家也拿不到满分能过 50 就已经是真会看图、真有空间感的水平了。更直观的对比在后面在材料晶体结构生成这种动手题上模型要一口气吐出几十个高精度空间坐标把一块晶体造出来。GPT-5.5 这类闭源模型的生成通过率大约 10%而它超过了40%。从选 ABCD到亲手把东西做出来这才是这张成绩单最值钱的地方。二、这张成绩单不止一门课而是三张卷子的组合只看一个分数容易上头看全套才看得清定位。第一张MolecularIQ——空间想象力。对应的是化学、材料、生物这些看结构吃饭的领域。以前 AI 看分子式能说得头头是道一让它判断立体结构就露怯现在这一关明显补上了。第二张SciCode——把科研想法写成能跑的代码。科研人员最烦的不是想不出思路而是想法有了脚本不会写。这类基准考的就是能不能把一段科学计算需求变成真正跑得通、算得对的程序。第三张SWE-bench-Multilingual——真实项目里修 bug。这已经不是考试了更像上班。给你一个多语言的真实代码仓库找问题、改代码、别把别的地方弄坏。能过这关的模型才配叫数字员工。再加上它支持256K 原生上下文配置拉满还能往 512K 甚至更长扩意味着一本几百页的论文、一整套实验记录可以一次性喂进去不用你手动切段。顺便说个容易被忽略的细节这模型总参数 397B但里面塞了 512 个专家每次只叫醒其中 10 个干活。就像一个巨型医院不是所有科室同时开灯而是按你的病挂号叫号——规模大但不至于每问一句都烧掉一座机房。三、为什么活儿干成了比话说得漂亮更值得信我们早就被聊天机器人惯坏了句子流畅、逻辑顺滑、排比一句接一句看着特别专业。可科研场景不吃这一套。一篇看起来很美的分析只要引用是编的、代码跑不通、数据对不上价值就是零甚至是负数。所以现在评测这类模型行业里越来越认一个指标任务完成率。举个具体场景你就懂了上传一篇论文 PDF → 让它找出关键实验数据 → 让它写段脚本算一遍 → 算出图 → 中途报错了它自己改 → 最后交出一份能复核的报告。整条链路走通才算 1 分。中间任何一步看起来对但其实在瞎编都算 0。这就像考试不是比谁字写得漂亮而是比谁真把题做出来了。文笔好是加分项能把事办成才是及格线。四、这分数跟不搞科研的人有关系吗关系比想象中大。场景一看懂天书级的材料图。孩子问你这张分子结构图里两个环为什么连在一起你只能干瞪眼现在拍张图丢进去它能用大白话讲清楚哪部分是骨架、哪部分是挂件。场景二听波形、看曲线。官方演示里有个挺浪漫的例子给一段地震波信号模型能判断有没有发生地震还能指出 P 波和 S 波分别从第几个采样点开始。另一个例子是电力负荷预测根据历史用电和天气直接推出未来 48 个时间点的用电量。场景三啃长文档。几十万字的标书、专利、论文集人看完眼睛发花它可以先帮你把结构、结论、疑点列出来你再挑重点精读。场景四当会动手的助手。它支持工具调用能接进常见的智能体框架甚至能挂到程序员常用的命令行编程工具上。你说一句需求它自己拆步骤、查资料、调工具把活干完再回来汇报。五、想自己验一验送你一份大众版看榜清单以后再看到某某模型吊打某某的新闻别急着激动先过这五道关1. 它考的是会说还是做成纯问答、纯选择题的分数参考价值有限有生成、有执行、有闭环的评测才更接近真实能力。2. 对手是谁是不是同一张卷子同一套题、同一套判分规则、同一个评测工具跑出来的对比才有效。官方这次用的是 OpenCompass、VLMEvalKit、AgentCompass 这一套公开评测体系至少口径是透明的。3. 有没有动手题只会分析不会生成就像只会点评菜不会下厨。结构生成通过率这类指标比理解准确率更硬。4. 长文本和工具调用能不能真用上下文够不够长、能不能调工具、失败了能不能自我修正决定了它是聊天搭子还是干活搭子。5. 能不能拿到手、用得起这一条最现实。模型是 Apache-2.0 许可权重开放还有 FP8 版本和在线体验入口——不是发篇论文就没了下文。六、门槛到底高不高说句实话想自己在家跑基本别想。官方推荐的部署配置是 8 张 H100 或 H200这是机房级别的装备普通显卡连门都进不去。好消息是它支持 LMDeploy、vLLM、SGLang 三套主流部署方案企业和技术团队落地不算折腾。想先尝尝鲜完全免费。官方有在线对话入口注册就能聊也提供 API开发者可以把它接进自己的工具链里。手机上打开网页就能用这是普通人最省事的路径。适合谁科研院所的材料、生物、化学方向研究者需要处理大量文献和数据的分析师天天和代码打交道的工程师以及喜欢折腾新模型的科技发烧友。不太适合只想找个陪聊机器人、或者期待它替你写论文交作业的人——它更像副驾驶方向盘还得你自己握。写在最后57.26 这个数字单看不高甚至有点反直觉。但它背后传递的信号很明确AI 的比拼正在从谁更会说话转向谁更会把事办成。从看懂一张分子图到生成一块晶体的坐标再到自己写代码、自己改错、自己跑完整个流程——这条路上开源模型第一次跟顶级闭源选手站到了同一张考卷前而且还占了上风。分数只是路标不是终点。真正值得期待的是当这种能力变得便宜、开放、人人可用之后那些原本只有大实验室才玩得起的科研方式会不会被彻底改写。最后留个轻松的问题如果明天你手机里多了一个不知疲倦的科研助理你最想让它先替你干掉哪件苦差事——是读那篇看了三遍还没看完的论文还是算那堆永远对不上的数据评论区聊聊。【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MolecularIQ 拿 57.26 分意味着什么这份科学 AI 成绩单普通人也能三分钟读懂【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B最近科技圈被一张成绩单刷屏了。上海 AI 实验室开源了一个叫 Intern-S2-397B 的大家伙官方公布的评测里它在 MolecularIQ 上拿到57.26 分而一向被视作学霸的 Gemini-3.1-Pro同一张卷子只有41.33 分。消息一出评论区立刻分成两派一派说国产模型终于扬眉吐气另一派满脸问号——57 分听起来连及格线都没到凭什么值得吹这问题问得好。今天不聊参数、不聊代码就聊聊这些分数到底在考什么我们又该怎么看。一、先翻译一下MolecularIQ 考的根本不是背书很多人的直觉是AI 考试嘛无非是做题、答题、比谁记得多。MolecularIQ 偏偏不是这种卷子。它考的是分子结构的空间理解——给你一个分子的组成信息模型要判断原子之间怎么连、谁挨着谁、立体上怎么摆。这就像你给孩子一盒乐高不是问他这块积木叫什么名字而是把说明书撕了让他直接拼出一个能站住的模型。所以这个分数低一点都不奇怪。满分 100 的题人类专家也拿不到满分能过 50 就已经是真会看图、真有空间感的水平了。更直观的对比在后面在材料晶体结构生成这种动手题上模型要一口气吐出几十个高精度空间坐标把一块晶体造出来。GPT-5.5 这类闭源模型的生成通过率大约 10%而它超过了40%。从选 ABCD到亲手把东西做出来这才是这张成绩单最值钱的地方。二、这张成绩单不止一门课而是三张卷子的组合只看一个分数容易上头看全套才看得清定位。第一张MolecularIQ——空间想象力。对应的是化学、材料、生物这些看结构吃饭的领域。以前 AI 看分子式能说得头头是道一让它判断立体结构就露怯现在这一关明显补上了。第二张SciCode——把科研想法写成能跑的代码。科研人员最烦的不是想不出思路而是想法有了脚本不会写。这类基准考的就是能不能把一段科学计算需求变成真正跑得通、算得对的程序。第三张SWE-bench-Multilingual——真实项目里修 bug。这已经不是考试了更像上班。给你一个多语言的真实代码仓库找问题、改代码、别把别的地方弄坏。能过这关的模型才配叫数字员工。再加上它支持256K 原生上下文配置拉满还能往 512K 甚至更长扩意味着一本几百页的论文、一整套实验记录可以一次性喂进去不用你手动切段。顺便说个容易被忽略的细节这模型总参数 397B但里面塞了 512 个专家每次只叫醒其中 10 个干活。就像一个巨型医院不是所有科室同时开灯而是按你的病挂号叫号——规模大但不至于每问一句都烧掉一座机房。三、为什么活儿干成了比话说得漂亮更值得信我们早就被聊天机器人惯坏了句子流畅、逻辑顺滑、排比一句接一句看着特别专业。可科研场景不吃这一套。一篇看起来很美的分析只要引用是编的、代码跑不通、数据对不上价值就是零甚至是负数。所以现在评测这类模型行业里越来越认一个指标任务完成率。举个具体场景你就懂了上传一篇论文 PDF → 让它找出关键实验数据 → 让它写段脚本算一遍 → 算出图 → 中途报错了它自己改 → 最后交出一份能复核的报告。整条链路走通才算 1 分。中间任何一步看起来对但其实在瞎编都算 0。这就像考试不是比谁字写得漂亮而是比谁真把题做出来了。文笔好是加分项能把事办成才是及格线。四、这分数跟不搞科研的人有关系吗关系比想象中大。场景一看懂天书级的材料图。孩子问你这张分子结构图里两个环为什么连在一起你只能干瞪眼现在拍张图丢进去它能用大白话讲清楚哪部分是骨架、哪部分是挂件。场景二听波形、看曲线。官方演示里有个挺浪漫的例子给一段地震波信号模型能判断有没有发生地震还能指出 P 波和 S 波分别从第几个采样点开始。另一个例子是电力负荷预测根据历史用电和天气直接推出未来 48 个时间点的用电量。场景三啃长文档。几十万字的标书、专利、论文集人看完眼睛发花它可以先帮你把结构、结论、疑点列出来你再挑重点精读。场景四当会动手的助手。它支持工具调用能接进常见的智能体框架甚至能挂到程序员常用的命令行编程工具上。你说一句需求它自己拆步骤、查资料、调工具把活干完再回来汇报。五、想自己验一验送你一份大众版看榜清单以后再看到某某模型吊打某某的新闻别急着激动先过这五道关1. 它考的是会说还是做成纯问答、纯选择题的分数参考价值有限有生成、有执行、有闭环的评测才更接近真实能力。2. 对手是谁是不是同一张卷子同一套题、同一套判分规则、同一个评测工具跑出来的对比才有效。官方这次用的是 OpenCompass、VLMEvalKit、AgentCompass 这一套公开评测体系至少口径是透明的。3. 有没有动手题只会分析不会生成就像只会点评菜不会下厨。结构生成通过率这类指标比理解准确率更硬。4. 长文本和工具调用能不能真用上下文够不够长、能不能调工具、失败了能不能自我修正决定了它是聊天搭子还是干活搭子。5. 能不能拿到手、用得起这一条最现实。模型是 Apache-2.0 许可权重开放还有 FP8 版本和在线体验入口——不是发篇论文就没了下文。六、门槛到底高不高说句实话想自己在家跑基本别想。官方推荐的部署配置是 8 张 H100 或 H200这是机房级别的装备普通显卡连门都进不去。好消息是它支持 LMDeploy、vLLM、SGLang 三套主流部署方案企业和技术团队落地不算折腾。想先尝尝鲜完全免费。官方有在线对话入口注册就能聊也提供 API开发者可以把它接进自己的工具链里。手机上打开网页就能用这是普通人最省事的路径。适合谁科研院所的材料、生物、化学方向研究者需要处理大量文献和数据的分析师天天和代码打交道的工程师以及喜欢折腾新模型的科技发烧友。不太适合只想找个陪聊机器人、或者期待它替你写论文交作业的人——它更像副驾驶方向盘还得你自己握。写在最后57.26 这个数字单看不高甚至有点反直觉。但它背后传递的信号很明确AI 的比拼正在从谁更会说话转向谁更会把事办成。从看懂一张分子图到生成一块晶体的坐标再到自己写代码、自己改错、自己跑完整个流程——这条路上开源模型第一次跟顶级闭源选手站到了同一张考卷前而且还占了上风。分数只是路标不是终点。真正值得期待的是当这种能力变得便宜、开放、人人可用之后那些原本只有大实验室才玩得起的科研方式会不会被彻底改写。最后留个轻松的问题如果明天你手机里多了一个不知疲倦的科研助理你最想让它先替你干掉哪件苦差事——是读那篇看了三遍还没看完的论文还是算那堆永远对不上的数据评论区聊聊。【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
