首頁 > AI工具 > 書生-A1.5是什麼?通專融合科學智慧體的定位

書生-A1.5是什麼?通專融合科學智慧體的定位

更新時間:2026-10-25 08:25:06 發布時間:3小時前 閱讀:3 views次

不是聊天模型而是科研智慧體,會自己拆任務並校驗。書生-A1.5 是上海人工智慧實驗室開源的 35B 科學智慧體,基於 Agents-A1 的長程能力,能拆解課題、並行調度子智慧體調研,證據不足時回頭改假設,產出帶證據鏈的報告。

書生A1.5智慧體定位

書生-A1.5的通專融合是什麼意思

通專融合指通用能力和專業能力不拆成兩個模型。它用 Agents-A1 的長程任務能力當底座,在科學場景上繼續訓練,同一個模型既會拆任務、調工具,也按學科的方法論走流程。

以前的用法是通用模型加一套專業提示詞,專業流程靠人寫在提示裡。這種做法的上限很低,流程一長提示就管不住,模型會漏步驟、跳校驗。書生-A1.5 把專業流程放進訓練,拆解、取證、驗證這些動作成了模型自身的行為,不靠每次重新叮囑。

代價是模型偏科。它在科研任務上有一套,在閒聊和日常問答上不一定比通用模型好,用它之前先想清楚場景。

書生-A1.5的智慧體編排和校驗

兩個機制配套用,一個負責鋪開,一個負責收口。

第三條是長任務能不能跑住的關鍵。科研任務動輒幾十步,誤差會累積,走到第十步才發現第三步的假設沒根據,前面的工作基本白做。校驗機制的作用是在中途把這類問題攔下來,代價是多花幾輪調用。

書生-A1.5的評測口徑與對照模型

官方提的 MVSP 是最小可驗證科學提議,和腦機理、高能物理、材料設計、新藥創制、化學智慧、疾病診斷等十餘個場景共建可驗證基準。這個口徑的特點是把評測往真實科研問題上靠,不問模型會不會答,問它交出來的東西能不能被驗證。

和其他開源模型的發佈稿一樣,材料裡的對照對象是 Kimi-K3、GLM-5.3、GPT-5.6-Sol 這類參數更大的模型,說法是在凝聚態物理、博士級科研、科學奧賽等測試上綜合表現更好。程式碼那一側另有 SWE-Bench Pro、Multilingual、MLE-Bench-Lite 幾個場景。這些數字屬於發佈方的口徑,自己用之前拿本領域的題複測一遍更穩妥。

書生-A1.5在三個科研案例裡的表現

官方給了三個案例,覆蓋資料分析、實驗最佳化、綜述審校三類典型任務。

案例 做的事 產出
神經科學 小鼠全腦資料的腦區解碼指標分析 PCA、置換檢驗與可視化結果
電化學 整合文獻與歷史實驗,迭代反應條件 條件與產率的因果關係圖、路線建議
空間科學 覈查任務斷言,區分證據層級 覈查表、證據矩陣、修訂記錄

第二行裡有個細節值得注意:模型復現了那次實驗的最優條件,並提出頻率與新增劑協同調控中間體的猜想。這類猜想的價值不在對錯,在於它給出了可以直接驗證的方向,實驗組拿去設計下一輪就行。

第三行的產出形態更適合放進流程裡。綜述審校最怕的是斷言沒有出處,把每條斷言和證據層級攤成矩陣,人一眼就能看出哪條站不住,這比讓模型重寫一遍綜述有用。

書生-A1.5和普通聊天模型的用途差別

聊天模型的目標是給出像樣的回答,科研智慧體的目標是給出能複覈的過程。同樣問一個材料問題,前者會寫一段通順的解釋,後者會去查、去比、把不確定的地方標出來,收尾告訴你哪些結論有支撐、哪些還得做實驗。

這個差別決定了用法,和科研助手類工具的分工邏輯相通。查概念、寫初稿用通用模型更快;要做文獻比對、資料分析、實驗條件搜尋這類有對有錯的任務,智慧體的過程記錄才有價值。把它的輸出當成同行的初稿看,而不是當成答案看。

常見問答

書生-A1.5是哪個機構做的

上海人工智慧實驗室做的。它是通專融合路線的科學智慧體,參數規模 35B,底座是 Agents-A1 的長程任務能力。權重在 HuggingFace 與魔搭上,程式碼在 Gitee 與 AtomGit,另有線上體驗入口。

書生-A1.5能免費用嗎

權重公開,本地跑不收費,成本是自己的算力。線上體驗入口要登入並按頁面提示申請額度,額度用完之後按平台規則走。私有化部署的硬體成本要自己算,35B 這個量級不是消費級顯卡能輕鬆帶動的,量化之後門檻會降一些,效果也會跟著變。

書生-A1.5會編造文獻嗎

設計上一直在壓這個問題。校驗機制要求區分已證實事實和待驗證假設,證據缺口要標出來,參考解法裡的關鍵事實還會回工作區複覈。但模型不是資料庫,檢索不到的內容仍會被順手補上。用它做文獻綜述時,每條引用回原文核一遍,這條規矩不能省。

書生-A1.5適合哪些學科

官方案例集中在腦科學、電化學、空間科學,評測覆蓋高能物理、材料設計、新藥創制、疾病診斷。共同點是有明確驗證手段,對錯能被實驗或資料判定。純人文類課題的驗證鏈條長,它的長程執行力派不上用場,用普通模型加檢索更實在。