AREXOpen in interactive Feed

AREX Feed Article

上海人工智能实验室开源 321B 科学多模态模型 Sage-S2.1-Flash:自报四项基准居首,编程基准落后于 Claude Opus 5

November 17, 2026

北京时间 11 月 17 日上午 11 时 56 分,上海人工智能实验室的 SageAI 账号 @sageai_official 在 X 发布帖文「Introducing Sage S2.1 Flash」,推出 321B 参数的科学多模态模型 Sage S2.1 Flash。官方描述称,该模型面向需要多轮分析与验证的科研任务,把科学数据理解与信息检索、编程、工具调用结合在一起,可以调用专业软件执行分析,再依据中间输出与视觉反馈校正后续步骤。权重以 MIT 许可开放在 Hugging Face 的 internlm 组织与 ModelScope 的 Shanghai_AI_Laboratory 组织下,另有 FP8(8 位浮点)版本,官方帖称已获推理框架 vLLM 与 SGLang 支持。

模型卡自报的成绩是一张六模型对比表:Sage S2.1 Flash 在机器学习工程基准 MLE-bench Lite 得分 90.3,领先 DeepSeek-V4.1-Flash-1017 的 89.2;办公与专业文档类的 OfficeQA Pro、Harvey LAB、SpreadsheetBench 2 分别拿到 72.2、25.0 和 37.1,三项同样居首,对比对象包括 GLM-5.3-Flash、Qwen3.8-Max、GPT-5.6 Sol 与 Claude Opus 5。同一张表也记录了另一面:SWE-bench Pro 得分 60.6,低于 Claude Opus 5 的 76.5。截至发稿,上述数字均出自官方表格,帖文与模型卡未附任何第三方复测结果。

官方公告发出时,权重仓库已上线两天

公告不是这条链路的第一步。Hugging Face 仓库的创建时间显示为 11 月 15 日,页面更新标注为 11 月 16 日,官方公告迟至 17 日上午才发出。主模型提供 BF16 与 F32 两种浮点精度,之外另上架了 FP8 版本的独立仓库;ModelScope 侧由 Shanghai_AI_Laboratory 组织提供同步仓库。模型卡载明:仓库内的代码与模型权重均按 MIT 许可发布。

官方帖附有试用入口,并写道现已获 vLLM 与 SGLang 支持、「更多生态集成在路上」。发布账号 @sageai_official 注册于 2023 年 6 月,目前约 4,200 名关注者,带 X 蓝色认证;截至发稿,这条公告获得 93 个赞、14 次转发与约 4,100 次浏览。帖内链接分别指向 Hugging Face 仓库、ModelScope 仓库与试用页面,前两个仓库页面均已核验可正常打开。

四项居首之外:七项第二与完整表格的名次

模型卡评估部分的核心是一张覆盖 15 项基准、六个模型的对比图,卡内文字概括:Sage S2.1 Flash 在其中四项居首、七项第二。四项第一分布在两类任务上:机器学习工程的 MLE-bench Lite,Claude Opus 5 以 88.0 列第三;办公与专业文档处理的 OfficeQA Pro、Harvey LAB 与 SpreadsheetBench 2——Harvey LAB 一项第二名 Qwen3.8-Max 拿到 24.2,GPT-5.6 Sol 只有 5.0;SpreadsheetBench 2 的第二名 DeepSeek-V4.1-Flash-1017 为 35.8;OfficeQA Pro 的第二名同样是 DeepSeek-V4.1-Flash-1017,得 69.7。

对比图之外,完整表格还列出了更多基准。PostTrainBench 一项 Sage 以 39.2 排在第一,但 DeepSeek-V4.1-Flash-1017 与 Qwen3.8-Max 在该基准未报成绩;PaperBench 得 88.0,排在 Qwen3.8-Max(95.1)与 GPT-5.6 Sol(94.3)之后。公告帖引用的正是这四项居首结果,表格里其余名次没有出现在帖文中。

「Agentic Coding」一组:四项无一居首,SWE-bench Pro 列第四

整张对比表里,Sage S2.1 Flash 靠后的名次集中在「Agentic Coding」(代理式编程)一组:Terminal-Bench 2.1 列第三,DeepSWE 与 SWE-bench Pro 列第四,NL2Repo-Bench 列第五。SWE-bench Pro 上,Claude Opus 5 以 76.5 居首,Qwen3.8-Max 的 65.3 与 DeepSeek-V4.1-Flash-1017 的 61.8 也都排在 Sage 的 60.6 前面,比 Claude Opus 5 低 15.9 分。NL2Repo-Bench 的差距更大:Claude Opus 5 拿到 79.9,Sage 只有 57.2,在六个模型里仅高于 GLM-5.3-Flash 的 53.0;DeepSWE 一项则由 DeepSeek-V4.1-Flash-1017 以 73.9 居首,Sage 得 67.9。

在另外三项代理与工具基准上,居首的分别是 DeepSeek-V4.1-Flash-1017 与 Claude Opus 5:APEX-Agents 由 DeepSeek-V4.1-Flash-1017 以 69.2 居首,Sage 得 61.7;BFCL V4 与 JobBench 的首位都是 Claude Opus 5,Sage 分别得 75.5 与 58.8,对应 Claude Opus 5 的 80.6 与 68.0。从整张表看,Sage 领先的项目集中在办公文档、表格与机器学习工程,落后的集中在仓库级编程与代理执行。官方帖文与模型卡收录了这批数字,没有对编程项的落后作出解释。

SciPerception:把分子、晶体和蛋白序列投进语言模型的嵌入空间

科学数据如何进入语言模型,机制写在模型卡里。Sage SciPerception 是一个独立仓库,由科学编码器与可训练投影器把各类科学数据映射进语言模型的输入嵌入空间,与自然语言指令一起参与推理;映射结果保留原始数据的结构与局部信息,用于材料性质预测、序列分类、位点定位、定量分析与结构推断等任务。模型卡称支持的输入超过十种,官方架构图列出了其中 12 类:分子、晶体、蛋白序列、蛋白 3D 结构、DNA、RNA、光谱、质谱、XRD(X 射线衍射)、心电、脑电与光变曲线。

部署流程同样公开。使用者先从模型仓库下载投影器——晶体结构任务对应 projectors/sage-s2.1-flash/cif/jarvis 路径——再从 Sage-SciPerception 仓库取共享加载脚本,模型卡建议先在 CPU 上验证投影器能否加载。推理时,客户端按任务协议抽取特征并运行投影器,把投影输出与文本 token(词元)嵌入拼成完整提示序列,在 vLLM 服务器开启 --enable-prompt-embeds 后发送至 /v1/completions。科学编码器、任务专属读取模块与预处理依赖需另行配置,每类任务的输入格式写在 config.json 中。

榜单之外:22 次下载与待复现的成绩单

官方帖发出当天,Hugging Face 页面显示该模型累计下载 22 次、获 64 个赞。眼下可以独立查验的是仓库本身:MIT 许可的权重、FP8 版本、部署指南、投影器加载脚本,以及 config.json 里逐任务的输入格式。四项居首能否在第三方跑分中复现、编程基准的落差是否属实,都要等发布方之外的复测来回答。

参考链接

  • SageAI 官方公告帖(@sageai_official,2026-11-17)
  • @sageai_official 账号主页
  • Hugging Face 模型卡 internlm/Sage-S2.1-Flash
  • Hugging Face 模型卡 internlm/Sage-S2.1-Flash-FP8
  • Hugging Face 仓库 internlm/Sage-SciPerception
  • ModelScope 模型页 Shanghai_AI_Laboratory/Sage-S2.1-Flash
  • 官方试用入口(discovery.intern-ai.org.cn)