SciReasoner：上海AI实验室开源跨学科原生三维结构感知科学基座大模型
上海人工智能实验室与斯坦福大学联合开源的SciReasoner，是一款跨学科科学基座大模型。它创新设计三套三维编码，统一解析蛋白质、小分子、无机晶体与核酸，基于Qwen3-14B初始化，在67项评测中取得最优结果，推理链路在98%场景下优于DeepSeek-V4-Pro，覆盖医药化学、新材料研发等科研场景。
上海人工智能实验室与斯坦福大学联合研发的跨学科科学基座大模型——SciReasoner，于近日正式面向全球开源发布。该模型由SpectrAI-Initiative主导开源，定位为AI for Science领域的多模态结构推理工具，旨在弥补传统AI模型在处理三维结构信息方面的不足。
SciReasoner创新性地设计了三套专属三维编码方案，能够统一解析蛋白质、小分子、无机晶体、核酸四大类科学对象，将空间构象、化学键、晶格周期性等关键信息转化为可溯源的结构证据Token，并依托物理、化学、生物底层规则进行可解释性推理。模型基座基于Qwen3-14B初始化，在86套行业标准评测基准中，有67项取得了SOTA（最优）结果。双盲专家评测显示，在98%的场景下，其推理链路优于DeepSeek-V4-Pro。
该模型覆盖医药化学、新材料研发、蛋白质工程、基因组与核酸研究以及高校科研辅助等多个应用场景，能够提供预测、分类、生成、科学问答等全科研任务支持，助力科研全流程。
目前，GitHub仓库仅开放了项目文档、可视化图表、论文资料与评测数据，完整推理脚本、训练代码、模型权重将分阶段逐步开源，现阶段暂不支持本地部署运行。官方尚未上线在线演示Demo，低配设备无法支撑推理过程。模型支持一维序列、纯分子式或文本描述输入，但拥有完整三维结构文件时效果最佳。
在竞品对比中，SciReasoner在学科覆盖度、原生3D编码能力、推理可解释性及跨学科通用能力上均优于ESM2、MolCLR、LLM-Prop等专用模型，仅在少数极限细分专项数据集上存在微弱劣势。
后续需持续关注模型代码的开源进度、在线试用通道的上线时间以及企业商用许可的具体条款，以便及时应用。
相关链接：
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：SciReasoner：上海AI实验室开源跨学科原生三维结构感知科学基座大模型要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点基于AI的全流程测试平台实现从需求分析到测试报告的全链路自动化，涵盖智能代码分析、多格式需求解析、AI生成用例、接口与UI自动化测试、知识库及MCP集成等功能，通过多智能体协同与数据驱动决策，构建安全可靠的测试体系，提升效率与质量。
由孤独症儿童父母和志愿者组成的团队利用AI为“星宝”制作个性化绘本，调用通义大模型的文生图、语音合成等能力生成有声绘本。项目证明非技术背景的普通人通过线上协作也能参与AI开发，让技术服务于被忽视的角落。
从企业AISaaS到个人设计助手的实践表明，Agent落地门槛低，关键在于场景敏感度而非技术深度。通过可视化平台可零代码搭建，先做最小可用版本快速试错，迁移成本极低，适合快速验证与迭代。
Anthropic公司发布ClaudeHaiku4 5小模型，性能接近旗舰Sonnet4，速度翻倍，成本降至三分之一。编程、数学等基准测试表现亮眼，计算机使用任务甚至超越Sonnet4。该模型是Anthropic最安全的小模型，安全等级达ASL-2。
- 日榜
- 周榜
- 月榜
热点快看