AI开始自己“造材料”了40%通过率反超GPT-5.5这块最硬的骨头被中国团队啃下来了【免费下载链接】Intern-S2-397B项目地址: https://ai.gitcode.com/InternLM/Intern-S2-397B先说一个很多人不知道的冷知识人类已知的材料有几十万种但理论上可能存在的新材料数量比宇宙里的星星还多。问题在于绝大多数都还“躺”在理论里没人把它们真正算出来、画出来。而“画出来”这件事恰恰是AI过去最难啃的一块骨头。最近上海AI实验室开源的Intern-S2-397B第一次让开源大模型学会了这门手艺而且一出手就交出了不错的成绩单。一、先说清楚让AI“画晶体”到底难在哪你可以这样理解晶体结构生成这件事。假设我给你一张纸上面只写了一句话“用锂、铁、磷、氧做一个能导电的新材料。”然后请你把每一个原子在三维空间里的位置精确到小数点后三位全部画出来。这不是画示意图是画施工蓝图。差一点点这个材料就是假的。难在三个地方第一位置要准。每个原子都有自己的x、y、z坐标一个晶胞里可能有几十上百个原子错一个整个结构就崩了。这就像让你闭着眼睛在乒乓球台上摆满芝麻还得颗颗不重叠。第二要守规矩。晶体是有周期性的同一个结构要能无限“复制粘贴”拼成一大块还要满足各种对称关系。这就像贴瓷砖花纹必须严丝合缝地对上歪一点整面墙就废了。第三要讲物理。原子不能挤在一起、键长不能离谱、电荷要平衡。否则生成的只是一张好看的图不是能拿去做实验的材料。过去大模型干这活基本属于“作文写得挺漂亮但图纸一塌糊涂”。能说会道就是画不准。所以业内一直有个共识语言模型能聊材料但很难真的“造”材料。这次这个门槛被推开了一条缝。二、40%通过率为什么值得单独拿出来说按照官方公布的评测口径Intern-S2-397B 在材料晶体结构生成任务上的通过率超过40%明显高于 GPT-5.5。40%这个数字乍一听好像“才四成”不算惊艳。但你得知道参照系这是一项此前开源通用大模型基本交白卷的任务。从“几乎做不出来”到“四成能通过”不是进步一点点是从0到1的那道坎。打个比方这就像让一个从没下过厨的人看一眼菜名就复刻出一道菜评委尝完说“四道里有快两道能吃”。放在人类厨师里不算什么放在“从来没进过厨房的AI”里已经是破天荒。而在另一项考“科学理解力”的MolecularIQ评测中它拿到57.26分超过了 Gemini-3.1-Pro。翻译成人话这个模型不光会“画图”它对分子、材料这些科学对象的理解也已经站到了第一梯队。三、它到底是个什么来头一句话科学家的“全能搭子”Intern-S2-397B 是上海AI实验室“书生”系列的新一代科学多模态基础模型397B总参数采用MoE混合专家结构——你可以理解成一家大医院里面坐着512位专科医生每来一个病人只叫其中最对口的10位会诊。好处很直白本事大但不瞎烧算力。更关键的是它的三个“超能力”。超能力一直接看原始文献不用先翻译。以前的模型读论文得先把PDF转成纯文字图表、公式、排版全丢了。它不一样它能直接“看”论文的原始页面把图和文放在一起理解。这就像别人只能读菜谱的文字版它是直接翻着带彩色插图的原版书在做菜。图表里的曲线、结构示意图它都能一并吃进去。超能力二能画分子、能画材料还能设计生物分子。除了晶体结构它还内置了专门处理蛋白质序列、SMILES分子式、核酸序列的“专业词表”。相当于给一个通才配了三本专业词典看化学式、看基因序列不再靠猜。超能力三会自己动手干活不只是聊天。它能调用外部工具、能接进各种智能体框架甚至能直接对接 Claude Code 这类编程助手。你给它一个科研任务它可以自己拆步骤、查资料、调工具、再回头检查。这就是“数字研究生”和“聊天机器人”的区别一个帮你把活干完一个只能陪你聊。它还有个挺实用的小本事能直接读时间序列数据。比如给它一段地震波信号它能判断有没有发生地震、P波和S波分别从第几个点开始给它一串历史用电数据加天气信息它能预测接下来24小时每半小时的用电负荷。对搞地质、搞电网、搞工业监测的人来说这是能直接省下大量人力的能力。四、这东西对普通人、对行业到底有什么用先说行业因为这块最实在。新材料研发本质上是“大海捞针”。传统流程是 researcher 凭经验猜一个配方 → 做计算模拟 → 发现不行 → 再猜。一轮下来几天到几周一年能试的配方数量有限。现在AI的作用是把“大海捞针”变成“先撒一张精准的网”几分钟内生成一批结构上说得通的候选材料科研人员再拿计算和实验去验证。它不负责替你做实验它负责把值得做实验的选项从几十万个压缩到几十个。科研里最贵的从来不是算力是人的时间。对电池、半导体、催化剂、超导这些领域这个提速意味着什么不言而喻。再说普通人。你可能会问这跟我有啥关系我又不造材料。关系在于材料进步最终会变成你手里的产品。更耐用的电池、更快的芯片、更便宜的催化剂背后都是一次次材料突破。而这些突破的时间表正在被这类工具悄悄压缩。五、普通人能玩吗门槛到底高不高这里要说句实话自己想在家里跑门槛不低。完整权重有188个文件、加起来约806GB官方推荐8张H100或H200这种级别的显卡来部署。这不是普通电脑能碰的量级个人玩家基本可以放弃“本地跑满血版”的念头。但“用不上”和“用得起”是两回事。它采用 Apache-2.0 协议开源允许免费商用这一点对中小公司和高校实验室非常友好。同时官方也提供了在线体验入口和API接口兼容主流的调用方式你不需要买卡也能直接用上它的能力。所以合适的人群其实挺清楚科研人员和高校学生查文献、生成候选结构、跑数据初步筛选效率提升最直接材料和生物领域的工程师用它做前期的方案发散把精力留给验证环节AI应用开发者拿来做科研类智能体、文档理解工具、时序预测服务纯科技爱好者在线体验一下“让AI画个晶体”感受一下现在的能力边界在哪。六、写在最后这次最值得琢磨的不是“40%”这个数字比谁高。而是它说明了一件事大模型正在从“会说话”走向“会干活”从“懂语言”走向“懂世界”。语言是扁平的而材料、分子、地震波、电网负荷都是立体的、有物理规律约束的。能把这些搞定才算真正踏进了科学研究的大门。当然40%的通过率也意味着还有六成会失败。它现在更像一个灵感爆棚但经验尚浅的助手能帮你打开思路但还不能替你做最终判断。最后一个问题留给你如果几年后新材料的发现速度真的被AI提速十倍你觉得最先被改变的会是哪个行业是电池、芯片还是医药评论区聊聊你的判断。【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
)
