AI News

Intern-S2-397B — нова відкрита модель для наукових розумовень та довгих агентних завдань

Редакція AI NewsДжерело: INCUBE.AI | Нейросети и не толькоОпубліковано Оновлено
INCUBE.AI | Нейросети и не только•2 місяці тому•3 перегляди•

Shanghai AI Laboratory представила Intern-S2-397B — відкриту модель під ліцензією Apache 2.0 для наукових розумовень та довгих агентних завдань. Модель показала найкращі результати на FrontierScience-Olympiad та SWE-bench Multilingual, навчаючись на непарсених наукових матеріалах.

ВердиктПозитивнаImpact 6/10

🔬 Цікаво для досліджень, але не для продакшену. Модель показує сильні результати у наукових тестах, проте без готового API, документації та підтримки — компанія на 10-50 людей не зможе її впровадити за два тижні.

🎯 Чи підходить це вашому бізнесу?

Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.

Заповнити профіль · 30 секунд
Детальний розбір ↓

TL;DR

  • •Модель Intern-S2-397B доступна в версіях BF16 та FP8
  • •Ліцензія: Apache 2.0
  • •Результати: 87,0 на FrontierScience-Olympiad, 84,0 на SWE-bench Multilingual
  • •Навчання: на непарсених наукових сторінках (текст, зображення, формули)
  • •Для агентних завдань: довгострийне RL з режимами з/без розуміння

Як це змінить ваш ринок?

Наукові лабораторії та фармацевтичні компанії зможуть проводити глибокий аналіз молекулярних взаємодій та прогнозування матеріалів без передачі чутливих даних третім сторонам, що зменшує ризики поручності та збільшує контроль над інтелектуальною власністю.

> Визначення:

Довгострийне навчання з підкріпленням (long-horizon RL) — тип навчання, де агент отримує награду за послідовність дій протягом тривалого періоду, а не за одне дії, що дозволяє моделювати складні багатокрокові завдання.

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.

  • •397B параметри: потрібна GPU класу A100 40GB або більше для інференсу, без квантування — не працює на ноутбуці
  • •Потрібна команда: так, ML-інженер та DevOps для налаштування середовища
  • •Мін. масштаб: компанія з витратами на обчислення від $500/міс
  • •Час на впровадження: 2-4 тижні для інтеграції та тестування

Альтернативи

ПродуктЦінаДе працюєМін. вимогиКлючова різниця
Intern-S2-397Bбезкоштовно (ваги локально)Локально/хмараGPU 40GB+, навички MLВідкриті ваги, навчання на непарсених наукових даних
GPT-4o$2.50/1M токенівХмара (API)Інтернет-з’єднанняПроприєтарна, готові інтеграції, підтримка
Llama 3 70Bбезкоштовно (ваги локально)Локально/хмараGPU 32GB+Більш універсальна, проте слабша у наукових тестах

💬 Часті запитання

Як Intern-S2-397B порівнюється з іншими відкритими моделями у наукових завданнях?

Вона показує кращі результати, ніж Llama 3 70B та Mistral, у спеціалізованихbenchmarkах типу FrontierScience-Olympiad, завдяки спеціалізованому навчанню на наукових даних.

Чи потрібна спеціалізована обладнання для запуску моделі?

Так, для повної точності BF16 потрібна GPU з 40GB+ пам’яті; з FP8-квантуванням можна зменшити вимоги, проте точність може знизитися.

Чи можна використовувати цю модель для комерційних продуктів?

Так, ліцензія Apache 2.0 дозволяє комерційне використання, модифікацію та розповсюдження без обмежень.

Підтекст

Випуск моделі під Apache 2.0 сигналізує про зростання конкуренції у галузі відкритих наукових моделей, що може змусити пропрієтарних провайдерів знижувати ціни або покращувати доступність своїх API для дослідників та корпоративних лабораторій.

Такий розбір щоранку о 08:00

Персональний AI-дайджест для вашої галузі — щодня у Telegram

Підписатися безкоштовно
Intern-S2-397BShanghaiAILaboratoryscientificreasoninglong-horizonRLApache2.0agenttasksFrontierScience-OlympiadSWE-bench

AI Advisory Board

Навчіть вашу команду будувати такі AI-автоматизації

За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.

Дізнатись більше → aiadvisoryboard.me