给AI补一门新学科，通常像重写整本笔记：新知识塞进去了，原有能力却可能受影响。上海AI Lab发布Intern-S2-Preview-397B，面向AI for Science——用AI辅助分子、材料等科研问题——尝试把“记忆知识”和“动脑推理”拆开，让科学Agent更容易更新专业知识、调用工具和分步完成任务。
据量子位报道，这个397B参数模型采用非Transformer的Mobius架构。Transformer是当代大模型最常见的设计，靠注意力机制处理信息；Mobius则把知识向量与推理算子分开，并配合可插拔的Memory Decoder，让不同学科知识按需接入。团队称，这种设计使端到端推理效率提升接近4倍，并在分子设计、材料结构生成等任务上追平实验室此前的万亿参数模型。
值得看的不只是“397B对万亿”的数字对比，而是扩展能力的另一种思路：少靠堆参数，多调整知识与计算的组织方式。不过，现有材料来自发布报道，未披露完整评测数据与独立验证，实际优势仍需后续公开结果确认。