Un nouveau modèle ouvert à la croisée des sciences et des agents IA

Pensé pour enchaîner analyses et vérifications, Sage S2.1 Flash associe données scientifiques, code et outils dans un modèle aux poids ouverts.

Molécules, cristaux et protéines figurent parmi les données que Sage S2.1 Flash doit pouvoir exploiter au cours d’un travail de recherche. Présenté par le Shanghai Artificial Intelligence Laboratory, ce modèle multimodal associe leur compréhension à la recherche d’informations, à la programmation et à l’usage de logiciels spécialisés. La présentation officielle décrit un fonctionnement en plusieurs étapes : lancer une analyse, examiner les résultats intermédiaires et les retours visuels, puis ajuster la suite du travail.

Plus de dix types d’entrées scientifiques sont pris en charge, dont les graphes moléculaires, les structures cristallines, les séquences de protéines et leurs structures en trois dimensions. Leur traitement passe par Sage SciPerception : des encodeurs spécialisés extraient les caractéristiques de chaque type de données, puis des composants entraînés les convertissent en représentations exploitables par le modèle de langage. Les instructions écrites et les données scientifiques peuvent alors être traitées ensemble. Le laboratoire destine cette architecture à la prédiction de propriétés, à la classification, à la localisation de sites ou à l’inférence de structures.

L’intégration de ces entrées demande une préparation spécifique. Les composants de projection sont fournis dans le dépôt du modèle, mais les encodeurs scientifiques, les dépendances de prétraitement et les modules de sortie propres aux tâches doivent être installés séparément. Côté application, il faut extraire les caractéristiques des données, les transformer, puis les associer aux représentations du texte avant d’envoyer la requête. La documentation distingue ce parcours scientifique du déploiement destiné aux tâches générales de code, de bureautique ou d’utilisation d’un ordinateur.

La publication comprend deux versions aux poids ouverts, présentées comme diffusées sous licence MIT avec le code. L’architecture MoE, issue de GLM-5.3-Flash, compte 320 milliards de paramètres au total, dont 18 milliards activés lors du traitement. Les poids occupent environ 645 Go au format BF16 ; les exemples vLLM et SGLang du guide de déploiement utilisent huit GPU H200. Une version FP8 ramène ce volume à environ 330 Go, avec des exemples sur quatre H200. Ces configurations servent de références et ne constituent pas des minima matériels annoncés.

Les évaluations publiées couvrent aussi largement les usages professionnels. Dans la comparaison fournie par l’équipe, le modèle devance les cinq autres systèmes sur MLE-bench Lite avec 90,3, OfficeQA Pro avec 72,2, Harvey LAB avec 25,0 et SpreadsheetBench 2 avec 37,1. Ces premières places concernent les modèles et configurations du tableau, sans établir une supériorité générale. Sur PaperBench, par exemple, le score de 88,0 reste inférieur à ceux de plusieurs concurrents présentés. Les résultats cités renseignent davantage sur l’exécution de tâches numériques que sur la validation de découvertes scientifiques.

Le raccordement aux logiciels d’inférence demande également quelques précautions concrètes. La documentation prévoit LMDeploy, vLLM et SGLang, avec le chargement du tokenizer propre au dépôt pour éviter que certains passages de code ou de journaux soient interprétés comme des commandes internes. Pour vLLM, elle demande en plus un correctif : lorsque plusieurs outils répondent dans un ordre différent de celui des appels, leurs images peuvent être associées aux mauvais résultats. La proposition de correction dans le projet vLLM reste ouverte. Le guide signale aussi un problème distinct dans les réponses non diffusées progressivement, où certains marqueurs écrits comme du texte peuvent interrompre le raisonnement ou masquer un appel d’outil.