Shanghai AI Lab har släppt vetenskapsmodellen Sage S2.1 Flash med 320 miljarder parametrar
MoE-modellen med öppna vikter hanterar förutom text och bilder även molekyler, sekvenser och spektrum. Enligt författarna var den bäst i fyra av 33 benchmarkar i en jämförelse med fem utvalda modeller.
Ett team från Shanghai Artificial Intelligence Laboratory och flera kinesiska universitet och forskningsinstitut beskriver modellen i en teknisk rapport som publicerades på arXiv den 16 november. Rapporten är en förhandspublicering.
Sage S2.1 Flash är en MoE-modell som skickar varje token till bara en del av sina expertnätverk. Enligt rapporten omvandlar separata kodare molekylgrafer samt protein-, DNA- och RNA-sekvenser till numeriska representationer. Ett spektrum delas upp i ordnade mätfönster.
En projektor som tränats för varje datatyp omvandlar representationerna till samma form som texttoken. Därför behandlar modellen dem tillsammans med uppgiftsbeskrivningen. Representationen bevarar till exempel en aminosyrarests position i sekvensen. Positionen behövs när modellen får frågor om ett proteins interaktionsställe.
Teamet tränade modellens agentförmågor i miljöer där framgång kontrolleras utifrån körningens resultat, förändringar i miljöns tillstånd eller returnerad utdata. För verktygsanvändning byggde teamet 804 miljöer med sammanlagt 2 042 verktyg.
Författarna mätte modellen med 33 benchmarkar. Som jämförelse användes GLM-5.3-Flash, DeepSeek-V4.1-Flash-1017, Qwen3.8-Max, GPT-5.6 Sol och Claude Opus 5. Tabellen visar resultatet för Sage och för den bästa övriga jämförelsemodellen i samma benchmark.
| Benchmark | Sage S2.1 Flash | Bästa övriga jämförelsemodell |
|---|---|---|
| OfficeQA Pro | 72,2 | 69,7 (DeepSeek-V4.1-Flash-1017) |
| MLE-bench Lite (HumanRank) | 90,3 | 89,2 (DeepSeek-V4.1-Flash-1017) |
| SpreadsheetBench 2 | 37,1 | 35,8 (DeepSeek-V4.1-Flash-1017) |
| Harvey LAB | 25,0 | 24,2 (Qwen3.8-Max) |
| OSWorld-Verified | 85,2 | 86,4 (Claude Opus 5) |
| WebArena-Verified | 67,6 | 69,1 (Claude Opus 5) |
| SWE-bench Pro | 60,6 | 76,5 (Claude Opus 5) |
| NL2Repo-Bench | 57,2 | 79,9 (Claude Opus 5) |
Källa: författarnas rapport och modellkort. Siffrorna har rapporterats av författarna och har inte mätts oberoende. Måttet varierar mellan benchmarkarna.
Förstaplatserna gäller bara den här gruppen om fem modeller, och skillnaderna är ofta små. I MLE-bench Lite ligger Sage 1,1 poäng före DeepSeek. Rapporten redovisar separat resultat för frontiermodellerna GPT-6 Astra, GPT-6.1 Sol och Claude Opus 5.5 som har publicerats på annat håll. De ingår inte i rangordningen och har mätts med andra inställningar än författarnas egna körningar. De är ofta högre än Sages resultat: i SWE-bench Pro, som mäter mjukvaruutveckling, är Claude Opus 5.5:s publicerade resultat 89,9 och Sages 60,6. Enligt författarna har modellen förbättringsutrymme i kodning av hela kodförråd och i webbsökning.
Modellvikterna kan laddas ned under MIT-licens från Hugging Face och ModelScope, även som en FP8-version med lägre numerisk precision. Projektorerna finns i modellens kodförråd, men de vetenskapliga kodarna och förbehandlingen måste installeras separat enligt instruktionerna i kodförrådet Sage-SciPerception. För allmänna uppgifter som kodning finns egna driftsättningsguider.
Läs mer: Modeller