书生大模型

由上海人工智能实验室研发的开源大模型体系，覆盖语言、多模态、气象等领域

大语言模型

https://intern-ai.org.cn/

前往官网

深度报告

书生大模型（InternLM）是由上海人工智能实验室牵头研发的开源大语言模型系列，覆盖语言模型、多模态模型、气象预测、工业设计、城市三维建模、金融分析、科学研究等多个领域。该模型以「开源开放」为主要特色，提供从预训练到微调部署的全链条工具链，在多项评测中表现优异，是国内领先的开源大模型之一。
书生大模型由上海人工智能实验室（Shanghai AI Lab）联合商汤科技及多所高校共同研发。该系列于2023年7月首次发布，经过持续迭代目前已更新至InternLM 2.5版本。书生体系的模型矩阵包括八大产品：书生·浦语（通用大语言模型）、书生·万象（开源多模态大模型）、书生·风乌（气象气候预报平台）、书生·翼飞（翼型生成式AI系统）、书生·天际（城市级实景三维大模型）、书生·济世（金融大模型）、书生·言普（EPR谱图解析大模型）以及书生·科学发现平台。在技术架构上，书生·浦语支持100万长文本处理、100+网页信息自主整合，推理能力较前代提升20%，提供十亿至千亿参数规模的多种规格。书生·万象是首个综合性能媲美国际闭源商业模型的开源多模态大模型，实现语言和多模态性能的均衡。书生体系拥有5T预训练语料和1M语境窗口，在同参数规模下处于领先水平。
书生大模型系列的核心功能覆盖多个专业领域。在语言理解方面，书生·浦语提供强大的阅读理解、推理任务和多语言支持能力，通过多阶段渐进式训练达到较高的知识水平。在长文本处理方面，支持高达100万字的语境窗口，能够处理超长文档和复杂任务。在多模态理解方面，书生·万象实现图像、视频、音频等多模态信息的综合理解与分析。在垂直领域应用方面，书生·风乌是全球首个AI驱动的全尺度气象气候预报平台，短临降水预报和中期预报有效时效突破10天。书生·济世专注金融领域，拥有1930亿金融垂直领域语料，在10个金融领域任务上表现领先。书生·天际实现100平方公里建模范围、4K高清训练和1K30帧实时渲染的城市级三维实景重建。在使用门槛上，书生体系强调开源开放，提供从数据、预训练到微调、部署的全链条工具链，降低了开发者入门门槛。开发者可以通过Hugging Face、GitHub等平台获取模型权重和开源代码。
书生大模型作为开源项目，基础版本可供用户免费使用。页面中未显示具体的商业定价方案。作为上海人工智能实验室主导的开源项目，其商业模式可能通过企业版定制服务、技术合作和行业解决方案实现变现。对于个人开发者和学术研究用途，开放免费使用；对于企业商业使用，可能需要联系官方获取定制化服务。
从社区反馈来看，书生大模型获得较多正面评价。在多项基准测试中书生·浦语20B版本表现优于主流的13B量级模型，被评价为「开源大模型的国产之光」。其长文本处理能力和多模态理解能力获得开发者社区认可。全链路的开源工具体系降低了技术使用门槛。负面评价主要集中在：文档和教程主要面向技术用户对普通用户不够友好；部分垂直领域模型的性能仍与国际顶级模型存在差距；企业级应用的支持和响应速度有待提升。
在行业层面，书生大模型被视为国产开源大模型的重要代表。上海人工智能实验室的背景使具备较强的科研实力和技术储备，书生体系的开源策略推动了国内大模型生态的发展。国内外技术社区对书生模型的性能表现给予肯定，尤其在中文语言理解方面具有优势。在竞争格局方面，书生需要面对百度文心一言、阿里通义千问、智谱清言等国内竞争者，以及国际上的LLaMA、Gemma等开源模型的挑战。其差异化优势在于多模态和垂直领域的专业能力。
主要风险包括：作为开源模型，可能存在被滥用于生成虚假信息的潜在风险；企业在商业应用中的合规性和数据安全问题；以及持续更新迭代带来的技术迭代压力。
书生大模型适合以下用户群体：AI研究人员和学术学者，可利用开源代码进行模型研究和实验；应用开发者，可基于书生体系开发各类AI应用和Agent；企业用户，可使用垂直领域版本进行行业定制；教育机构，可用于AI教学和实践课程。对于普通用户，建议先尝试在线demo体验效果后再考虑本地部署。对于企业用户，建议联系官方获取企业级支持服务。
书生大模型是国内领先的开源大模型体系之一，凭借上海人工智能实验室的科研实力和开源策略，在语言理解、长文本处理、多模态理解等方面具有竞争优势。其全链路开源工具链降低了AI开发门槛，为国内AI生态发展做出重要贡献。随着版本迭代和市场推广，书生有望在国产大模型领域保持领先地位。

用户评论

Janice_JacksonZ

—

刚试用了一下书生大模型的在线版，百万上下文确实能打，把《三体》三部曲直接丢进去让它总结脉络，居然没跑偏，这点比很多模型都强。

JJonesJr

—

Intern-S2-Preview 35B 参数居然能在材料晶体结构生成上干过 GPT-5.5，确实没想到。虽然我用不到这么专业的场景，但说明底子是真的扎实。

EvelynFoster_66

—

看了 WAIC 周伯文的演讲，书生·端砚那个蛋白质定向进化的案例真挺震撼的，清华张数一课题组花了四年时间改造一个基因调控蛋白，用了这个平台之后两轮迭代就发现了全新突变组合，功能比《自然》报道的最佳结果还提升了 77%，验证周期压缩到原本的二十分之一。科研圈可能真要变天了，AI 不再是工具而是研究伙伴了。

DragonDropHughes

—

用 InternLM 处理了几份法律合同，长文本确实稳，百来页的 PDF 丢进去，关键条款定位很准，比我自己翻效率高多了。

DSanchez_2024

—

书生大模型什么都好，就是社区热度跟 DeepSeek 和 Qwen 比差太多了。遇到问题搜一圈，答案少得可怜，最后还得靠自己试。

laREY

—

试了 InternLM3-8B 本地部署，8GB 显存就能跑，日常对话和代码辅助完全够用。但一上复杂推理就跟顶级模型差一截。看了最新国产开源天梯榜，InternLM3-8B 的 AIME 只有 55 分，排在第 8，跟 Qwen3-235B 的 85 分差距确实不小，这模型就适合端侧部署和轻量使用场景，重度推理还得上大模型。

Bobby.MendozaIII

—

WAIC 上发布 Intern-S2-Preview-397B，说 397B 追平了万亿参数的水平。MoE 架构确实牛，但这么大规模的模型有几个团队跑得动？

Jerry_Coleman_2023

—

把书生用在公司的内部知识库上，长文档检索确实好用，百万上下文意味着不用做 RAG 切片，直接丢整份报告进去就行。

Amy.Phillips_2024

—

这模型的数学推理确实有东西，CMO 奥赛拿了 102 分，而且解题思路跟人类不一样，据说是全新的解法。AlphaGo 时刻啊这是。

Kathryn_Howard_2022745

—

跟几个同行聊了一圈，大家普遍觉得书生是「科研专用机」，通用场景还是用 Qwen 或 DeepSeek 更顺手。原因也很简单，书生最强的长文本和科学推理，普通开发者日常工作用不上；而日常常用的对话、创意写作、复杂工具调用这些，它又不如那些在 C 端打磨了几年的产品。专业和通用之间的差距还是挺明显的。

BAllen_88

—

书生·端砚那个平台是真概念还是真落地？说是打通了干湿实验闭环，但感觉离普通科研人员能用上还差得远。

StephanieRivera_2020

—

试了 InternLM 的代码能力，日常写脚本、SQL 查询没问题，但搞复杂系统设计和算法优化时，明显不如 Claude 和 GPT。日常够用，高手不够。

JustinRussell_2022

—

中文写作体验不错，写文案润色都比较自然，不会像有些模型那样满嘴官腔。生成速度也挺快，毫秒级响应基本不卡。

sTAKEbASE

—

开源和 Apache 2.0 协议是书生最大的良心，商业用完全免费。对比那些 API 按 token 烧钱的大厂，自部署省太多了。

REdwards5204

—

之前用 Ollama 部署了 internlm2:1.8b，轻量模型跑法律条文解读居然挺准。虽然参数小，但中文理解和指令遵循真的不错。

PolygonPioneer118

—

书生大模型的生态工具链挺全的，XTuner 微调、LMDeploy 部署、OpenCompass 评测，一条龙配齐了。但文档怎么写这么散啊，一个概念在三个地方出现说法还不完全一样，花了整整两天才把全链路跑通。对比之下 HuggingFace 的文档虽然也不完美，但至少该有的例子都有。书生这块真该好好下功夫，不然开发者体验太劝退了。

BNelson_X

—

上传了一张带复杂表格的财报截图，书生能快速提取关键数据并解读，这功能对做分析的人来说太实用了。

Kyle.KimK

—

说实话书生在 C 端的存在感太低了，身边用 AI 的朋友十个里有九个不知道这玩意儿。营销上真该跟豆包和 Kimi 学学。

ROjac007

—

5 月发布的 Intern-S2-Preview 35B 确实惊艳，小参数干大事。但我还是希望书生能把在线版的体验做好点，现在的网页端太朴素了。

马芳哲

—

把 InternLM 接入了公司内部的文档处理 pipeline，百万上下文真的太爽了，不用做分块，不担心截断，什么行业报告、技术文档、合同条款统统直接丢进去。我拿了一批 30 万字的标书做测试，它能跨章节提取关键信息、对比不同条款的差异，比我们之前用别的模型做 RAG 分块准确率高不少。唯一的槽点就是部署文档有些地方真的写得太简略了，踩了几个坑才跑通，希望官方能把快速上手指南做得更友好些。

松涛643

—

书生 S1-Pro 万亿参数开源，对标 GPT-4 级别，Apache 2.0 商用友好。但说句实话，国内能跑万亿参数模型的公司也没几家。

MicaelaTreviño

—

科学大模型路线确实独特，化学分子结构、蛋白质序列这些垂直领域，书生是开源里做得最好的。但对于普通开发者来说，这些功能不常用到。

happyzebra969

—

用书生做文献综��太香了，丢进去几十篇论文，它能跨文档归纳核心观点，自动对比不同研究的结论差异，还能提取出方法论上的共同点和分歧。我做一个神经科学的综述，原本预计要两周，用它辅助三天就搭好了框架。就是导出格式只有纯文本这点不太方便，要是能直接出 Word 或带引用的 PDF 就完美了。

zACHARY932

—

之前看到有个评测把 InternLM3 和 DeepSeek R1、Kimi K2.6 对比，书生在性价比上确实有优势，70B 版本用不到三分之一的成本做到了九成的效果。

Angela.Edwards_2022

—

尝试用书生做多模态识别，上传化学分子结构图，它能准确解读书写出来。这东西对搞科研的简直是神器，可惜我不是搞科研的。

Susan.Jenkins

—

中文长文本能力确实是书生最大的护城河，百万 token 这个指标，目前国内能打的没几个。处理动辄几十万字的行业报告，体验比很多模型都好。

CJohnson_2024

—

公司要做合规部署，选来选去还是选了书生。原因很简单——Apache 2.0 开源商用友好没版权坑、全链路工具体系完备不用四处凑轮子、昇腾适配好完全国产化、数据不出域满足监管要求。但部署文档有些地方写得不清楚，踩了几个坑才跑通。另外社区太冷清了，遇到问题搜半天找不到答案，希望上海 AI Lab 能把社区运营也重视起来。

Anna_Hart_Pro

—

Intern-S2-Preview 35B 开源那天就下载下来试了，晶体结构生成确实强，但跑起来资源消耗也不小。小模型不等于低门槛啊。

JoeHughes_88

—

作为一个开发者，我更关心书生的开源生态能不能起来。现在模型是强了，但第三方集成、社区插件还是太少，生态决定了能走多远。

AMorris007

—

试了下书生的思维链模式，在复杂逻辑推理题上确实清晰，会分步骤展示推理过程。但偶尔步骤之间会跳跃，不太容易追溯它怎么得出的结论。

书生大模型

深度报告

用户评论

同类产品