深度報告
-
書生大模型（InternLM）是由上海人工智慧實驗室牽頭研發的開源大語言模型系列，覆蓋語言模型、多模態模型、氣象預測、工業設計、城市三維建模、金融分析、科學研究等多個領域。該模型以「開源開放」為主要特色，提供從預訓練到微調部署的全鏈條工具鏈，在多項評測中表現優異，是國內領先的開源大模型之一。
-
書生大模型由上海人工智慧實驗室（Shanghai AI Lab）聯合商湯科技及多所高校共同研發。該系列於2023年7月首次釋出，經過持續迭代目前已更新至InternLM 2.5版本。書生體系的模型矩陣包括八大產品：書生·浦語（通用大語言模型）、書生·永珍（開源多模態大模型）、書生·風烏（氣象氣候預報平臺）、書生·翼飛（翼型生成式AI系統）、書生·天際（城市級實景三維大模型）、書生·濟世（金融大模型）、書生·言普（EPR譜圖解析大模型）以及書生·科學發現平臺。 在技術架構上，書生·浦語支援100萬長文字處理、100+網頁資訊自主整合，推理能力較前代提升20%，提供十億至千億引數規模的多種規格。書生·永珍是首個綜合效能媲美國際閉源商業模型的開源多模態大模型，實現語言和多模態效能的均衡。書生體系擁有5T預訓練語料和1M語境視窗，在同引數規模下處於領先水平。
-
書生大模型系列的核心功能覆蓋多個專業領域。在語言理解方面，書生·浦語提供強大的閱讀理解、推理任務和多語言支援能力，透過多階段漸進式訓練達到較高的知識水平。在長文字處理方面，支援高達100萬字的語境視窗，能夠處理超長文件和複雜任務。在多模態理解方面，書生·永珍實現影象、影片、音訊等多模態資訊的綜合理解與分析。 在垂直領域應用方面，書生·風烏是全球首個AI驅動的全尺度氣象氣候預報平臺，短臨降水預報和中期預報有效時效突破10天。書生·濟世專注金融領域，擁有1930億金融垂直領域語料，在10個金融領域任務上表現領先。書生·天際實現100平方公里建模範圍、4K高畫質訓練和1K30幀實時渲染的城市級三維實景重建。 在使用門檻上，書生體系強調開源開放，提供從資料、預訓練到微調、部署的全鏈條工具鏈，降低了開發者入門門檻。開發者可以透過Hugging Face、GitHub等平臺獲取模型權重和開原始碼。
-
書生大模型作為開源專案，基礎版本可供使用者免費使用。頁面中未顯示具體的商業定價方案。作為上海人工智慧實驗室主導的開源專案，其商業模式可能透過企業版定製服務、技術合作和行業解決方案實現變現。對於個人開發者和學術研究用途，開放免費使用；對於企業商業使用，可能需要聯絡官方獲取定製化服務。
-
從社群反饋來看，書生大模型獲得較多正面評價。在多項基準測試中書生·浦語20B版本表現優於主流的13B量級模型，被評價為「開源大模型的國產之光」。其長文字處理能力和多模態理解能力獲得開發者社群認可。全鏈路的開源工具體系降低了技術使用門檻。 負面評價主要集中在：文件和教程主要面向技術使用者對普通使用者不夠友好；部分垂直領域模型的效能仍與國際頂級模型存在差距；企業級應用的支援和響應速度有待提升。
-
在行業層面，書生大模型被視為國產開源大模型的重要代表。上海人工智慧實驗室的背景使具備較強的科研實力和技術儲備，書生體系的開源策略推動了國內大模型生態的發展。國內外技術社群對書生模型的效能表現給予肯定，尤其在中文語言理解方面具有優勢。 在競爭格局方面，書生需要面對百度文心一言、阿里通義千問、智譜清言等國內競爭者，以及國際上的LLaMA、Gemma等開源模型的挑戰。其差異化優勢在於多模態和垂直領域的專業能力。
-
主要風險包括：作為開源模型，可能存在被濫用於生成虛假資訊的潛在風險；企業在商業應用中的合規性和資料安全問題；以及持續更新迭代帶來的技術迭代壓力。
-
書生大模型適合以下使用者群體：AI研究人員和學術學者，可利用開原始碼進行模型研究和實驗；應用開發者，可基於書生體系開發各類AI應用和Agent；企業使用者，可使用垂直領域版本進行行業定製；教育機構，可用於AI教學和實踐課程。 對於普通使用者，建議先嚐試線上demo體驗效果後再考慮本地部署。對於企業使用者，建議聯絡官方獲取企業級支援服務。
-
書生大模型是國內領先的開源大模型體系之一，憑藉上海人工智慧實驗室的科研實力和開源策略，在語言理解、長文字處理、多模態理解等方面具有競爭優勢。其全鏈路開源工具鏈降低了AI開發門檻，為國內AI生態發展做出重要貢獻。隨著版本迭代和市場推廣，書生有望在國產大模型領域保持領先地位。
使用者評論
-
Janice_JacksonZ—剛試用了一下書生大模型的線上版，百萬上下文確實能打，把《三體》三部曲直接丟進去讓它總結脈絡，居然沒跑偏，這點比很多模型都強。 -
JJonesJr—Intern-S2-Preview 35B 引數居然能在材料晶體結構生成上幹過 GPT-5.5，確實沒想到。雖然我用不到這麼專業的場景，但說明底子是真的紮實。 -
EvelynFoster_66—看了 WAIC 周伯文的演講，書生·端硯那個蛋白質定向進化的案例真挺震撼的，清華張數一課題組花了四年時間改造一個基因調控蛋白，用了這個平臺之後兩輪迭代就發現了全新突變組合，功能比《自然》報道的最佳結果還提升了 77%，驗證週期壓縮到原本的二十分之一。科研圈可能真要變天了，AI 不再是工具而是研究夥伴了。 -
DragonDropHughes—用 InternLM 處理了幾份法律合同，長文字確實穩，百來頁的 PDF 丟進去，關鍵條款定位很準，比我自己翻效率高多了。 -
DSanchez_2024—書生大模型什麼都好，就是社群熱度跟 DeepSeek 和 Qwen 比差太多了。遇到問題搜一圈，答案少得可憐，最後還得靠自己試。 -
laREY—試了 InternLM3-8B 本地部署，8GB 視訊記憶體就能跑，日常對話和程式碼輔助完全夠用。但一上覆雜推理就跟頂級模型差一截。看了最新國產開源天梯榜，InternLM3-8B 的 AIME 只有 55 分，排在第 8，跟 Qwen3-235B 的 85 分差距確實不小，這模型就適合端側部署和輕量使用場景，重度推理還得上大模型。 -
Bobby.MendozaIII—WAIC 上釋出 Intern-S2-Preview-397B，說 397B 追平了萬億引數的水平。MoE 架構確實牛，但這麼大規模的模型有幾個團隊跑得動？ -
Jerry_Coleman_2023—把書生用在公司的內部知識庫上，長文件檢索確實好用，百萬上下文意味著不用做 RAG 切片，直接丟整份報告進去就行。 -
Amy.Phillips_2024—這模型的數學推理確實有東西，CMO 奧賽拿了 102 分，而且解題思路跟人類不一樣，據說是全新的解法。AlphaGo 時刻啊這是。 -
Kathryn_Howard_2022745—跟幾個同行聊了一圈，大家普遍覺得書生是「科研專用機」，通用場景還是用 Qwen 或 DeepSeek 更順手。原因也很簡單，書生最強的長文字和科學推理，普通開發者日常工作用不上；而日常常用的對話、創意寫作、複雜工具呼叫這些，它又不如那些在 C 端打磨了幾年的產品。專業和通用之間的差距還是挺明顯的。 -
BAllen_88—書生·端硯那個平臺是真概念還是真落地？說是打通了乾溼實驗閉環，但感覺離普通科研人員能用上還差得遠。 -
StephanieRivera_2020—試了 InternLM 的程式碼能力，日常寫指令碼、SQL 查詢沒問題，但搞複雜系統設計和演算法最佳化時，明顯不如 Claude 和 GPT。日常夠用，高手不夠。 -
JustinRussell_2022—中文寫作體驗不錯，寫文案潤色都比較自然，不會像有些模型那樣滿嘴官腔。生成速度也挺快，毫秒級響應基本不卡。 -
sTAKEbASE—開源和 Apache 2.0 協議是書生最大的良心，商業用完全免費。對比那些 API 按 token 燒錢的大廠，自部署省太多了。 -
REdwards5204—之前用 Ollama 部署了 internlm2:1.8b，輕量模型跑法律條文解讀居然挺準。雖然引數小，但中文理解和指令遵循真的不錯。 -
PolygonPioneer118—書生大模型的生態工具鏈挺全的，XTuner 微調、LMDeploy 部署、OpenCompass 評測，一條龍配齊了。但文件怎麼寫這麼散啊，一個概念在三個地方出現說法還不完全一樣，花了整整兩天才把全鏈路跑通。對比之下 HuggingFace 的文件雖然也不完美，但至少該有的例子都有。書生這塊真該好好下功夫，不然開發者體驗太勸退了。 -
BNelson_X—上傳了一張帶複雜表格的財報截圖，書生能快速提取關鍵資料並解讀，這功能對做分析的人來說太實用了。 -
Kyle.KimK—說實話書生在 C 端的存在感太低了，身邊用 AI 的朋友十個裡有九個不知道這玩意兒。營銷上真該跟豆包和 Kimi 學學。 -
ROjac007—5 月釋出的 Intern-S2-Preview 35B 確實驚豔，小引數幹大事。但我還是希望書生能把線上版的體驗做好點，現在的網頁端太樸素了。 -
馬芳哲—把 InternLM 接入了公司內部的文件處理 pipeline，百萬上下文真的太爽了，不用做分塊，不擔心截斷，什麼行業報告、技術文件、合同條款統統直接丟進去。我拿了一批 30 萬字的標書做測試，它能跨章節提取關鍵資訊、對比不同條款的差異，比我們之前用別的模型做 RAG 分塊準確率高不少。唯一的槽點就是部署文件有些地方真的寫得太簡略了，踩了幾個坑才跑通，希望官方能把快速上手指南做得更友好些。 -
松濤643—書生 S1-Pro 萬億引數開源，對標 GPT-4 級別，Apache 2.0 商用友好。但說句實話，國內能跑萬億引數模型的公司也沒幾家。 -
MicaelaTreviño—科學大模型路線確實獨特，化學分子結構、蛋白質序列這些垂直領域，書生是開源裡做得最好的。但對於普通開發者來說，這些功能不常用到。 -
happyzebra969—用書生做文獻綜���太香了，丟進去幾十篇論文，它能跨文件歸納核心觀點，自動對比不同研究的結論差異，還能提取出方法論上的共同點和分歧。我做一個神經科學的綜述，原本預計要兩週，用它輔助三天就搭好了框架。就是匯出格式只有純文字這點不太方便，要是能直接出 Word 或帶引用的 PDF 就完美了。 -
zACHARY932—之前看到有個評測把 InternLM3 和 DeepSeek R1、Kimi K2.6 對比，書生在價效比上確實有優勢，70B 版本用不到三分之一的成本做到了九成的效果。 -
Angela.Edwards_2022—嘗試用書生做多模態識別，上傳化學分子結構圖，它能準確解讀書寫出來。這東西對搞科研的簡直是神器，可惜我不是搞科研的。 -
Susan.Jenkins—中文長文字能力確實是書生最大的護城河，百萬 token 這個指標，目前國內能打的沒幾個。處理動輒幾十萬字的行業報告，體驗比很多模型都好。 -
CJohnson_2024—公司要做合規部署，選來選去還是選了書生。原因很簡單——Apache 2.0 開源商用友好沒版權坑、全鏈路工具體系完備不用四處湊輪子、昇騰適配好完全國產化、資料不出域滿足監管要求。但部署文件有些地方寫得不清楚，踩了幾個坑才跑通。另外社群太冷清了，遇到問題搜半天找不到答案，希望上海 AI Lab 能把社群運營也重視起來。 -
Anna_Hart_Pro—Intern-S2-Preview 35B 開源那天就下載下來試了，晶體結構生成確實強，但跑起來資源消耗也不小。小模型不等於低門檻啊。 -
JoeHughes_88—作為一個開發者，我更關心書生的開源生態能不能起來。現在模型是強了，但第三方整合、社群外掛還是太少，生態決定了能走多遠。 -
AMorris007—試了下書生的思維鏈模式，在複雜邏輯推理題上確實清晰，會分步驟展示推理過程。但偶爾步驟之間會跳躍，不太容易追溯它怎麼得出的結論。
同類產品
-
Gemini 3.6 FlashGoogle DeepMind 面向智慧體時代的高效主力模型，在程式設計、知識工作與多模態任務上更強、更省 token深度報告 24條使用者評論 17條相關連結
-
Osaurus一款 macOS 原生開源 AI 執行時，在本地執行 AI 模型和管理 agent，資料和隱私完全留在你的 Mac 上深度報告 15條使用者評論 15條相關連結
-
AI21 Jamba2以色列 AI21 Labs 推出的開源混合 SSM-Transformer 模型家族，主打企業級可靠性與 256K 長上下文的記憶體效率深度報告 24條使用者評論 13條相關連結
-
Muse Spark 1.1Meta 超級智慧實驗室推出的旗艦多模態推理模型，專為 Agent 任務與程式設計打造，百萬 token 上下文，價格僅為同級競品四分之一深度報告 27條使用者評論 13條相關連結
-
Qwen3.8阿里通義千問 2.4 萬億引數新一代旗艦多模態大模型，主打程式碼工程與專業辦公，預覽版已上線並承諾開源權重深度報告 26條使用者評論 14條相關連結
-
SenseNova U1 Pro商湯釋出的旗艦原生多模態大模型，主打交付級複雜圖文創作與原生 8K 超清輸出深度報告 23條使用者評論 9條相關連結
-
磐石·科學基礎大模型2.0中國科學院打造的通專一體科學專用大模型，為科研提供高可信、可解釋的智慧底座深度報告 25條使用者評論 8條相關連結
-
Claude Opus 6Anthropic Opus 旗艦前沿線，主打長程推理、長時自主 Agent 與「誠實」自校準深度報告 19條使用者評論 12條相關連結
-
GPT-7OpenAI 當前最強前沿模型家族 GPT-5.6（Sol/Terra/Luna），以智慧體工作流與原生工具呼叫重塑複雜任務執行深度報告 18條使用者評論 12條相關連結
-
Gemini 5Google DeepMind 於 2026 年 7 月釋出的旗艦大模型 Gemini 3.5 Pro，主打 2 百萬 token 超長上下文與 Deep Think 擴充套件推理深度報告 24條使用者評論 15條相關連結