书生发布Intern-S2-Mobius：35B模型实现近4倍推理加速

书生团队（InternLM）在 Hugging Face 上发布了 Intern-S2-Mobius，一个基于 Mobius-v0 架构的 35B 参数多模态基础模型（支持图像-文本到文本任务）。该模型从 Qwen3.5-35B 持续预训练而来，并经过 SFT 与 RL 后训练，在保持下游能力的同时，实现了接近 4 倍 的端到端推理加速。

Mobius 架构的核心创新在于将知识存储与推理计算解耦。传统 Transformer 模型将知识存储与推理计算逐层绑定，而 Mobius 将知识组织为全局共享的 Memory，让多个 Reasoner 迭代地查询并精炼隐藏状态。这种设计赋予了模型两个原生能力：Backward Residual Connection（后向残差连接），使推理阶段可以访问超越局部层层次的知识；以及 Dynamic Latent Reasoning（动态潜在推理），将思考、精炼和多 token 预测内化到高密度连续状态中。

在推理效率方面，Intern-S2-Mobius 在推理基准上达到了与 Qwen3.5-35B 相当或更强的分数，同时产生明显更短的推理轨迹和更高的请求吞吐量，据技术报告称，端到端推理加速接近 4 倍。在通用推理基准上，该模型相比 Qwen3.5-35B 提升了平均分，并在科学任务（如 Biology-Instructions、Mol-Instructions、MolecularIQ）上表现出显著增益。

模型评估使用 OpenCompass 进行，文本基准中，MMLU Pro、SimpleQA 和 HLE 的最大推理长度为 64K tokens，其余文本基准为 128K tokens。官方推荐采样参数为 top_p=0.95、top_k=50、min_p=0.0、temperature=0.8。部署方面，Intern-S2-Mobius 支持 LMDeploy、Transformer 和 vLLM 等主流推理框架。

这一发布对 AI 产业具有多重含义。首先，知识-推理解耦架构为提升大模型推理效率提供了新思路，可能降低推理阶段的算力成本，对依赖大规模部署的 AI 应用具有吸引力。其次，模型基于 Qwen3.5-35B 持续预训练，体现了开源社区在基座模型之上的二次开发潜力，有助于推动模型生态的多样化。最后，科学任务上的显著增益表明，此类架构在专业领域（如生物、化学）可能具有独特优势，为垂直应用开辟了空间。不过，该模型仍处于发布初期，实际部署效果与长期稳定性有待进一步验证。