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：