7月19日，上海科学智能研究院在2026世界人工智能大会的科学智能开放论坛上，正式向全球开放科学多模态基础模型“神珍”（Monkey King Bang, MKB）。模型总参数约110亿，面向DNA、RNA、蛋白质、小分子、地球系统和医学影像六类科学数据，在一个统一模型中同时支持科学理解与多类结果生成。

一、从“大圣”到“神珍”：科研智能体的超级大脑

“神珍”之名取自《西游记》中的“天河定底神珍铁”。今年3月，上智院发布了系统级科研智能体“大圣”，而“神珍”正是支撑其运行的底层超级大脑。“大圣”以“神珍”为大脑，能直接读取DNA、蛋白质等科学结构信息，在ncRNA分类任务中准确率达96.3%。团队希望这套开放模型以相对精炼的形态承载多样科学任务，也让更多研究者参与检验、使用与共建。

二、六类科学数据“各走各的路”，一个模型全读懂

在科学智能领域，蛋白质、分子、气象和医学影像等方向已形成一批性能出色的专用模型。但不同科学对象背后的规律并不相同：序列强调前后依赖，分子强调原子之间的连接，气象场强调时空演化，医学影像强调局部结构。

“神珍”的解题思路是：以Qwen3-VL-8B为共享主干，为六类科学数据各设专门的数据处理通路。区别于把所有数据转换成同一种格式，“神珍”在进入共享模型前，分别保留序列的先后关系、分子的连接结构、气象场的空间分布和医学影像的局部细节。蛋白质和核酸仍按序列处理，小分子仍按结构处理，气象数据仍保留空间分布，医学影像仍保留图像细节。

这些能力被集成在同一个模型中，使用时按任务调用相应功能。研究者无需在多个彼此独立的领域模型之间切换。

三、不止于问答：直接生成RNA、分子、气象场和医学影像

“神珍”不止于问答式理解，还能直接生成新内容——核糖核酸（RNA）序列、可供计算机读取的分子表示（SMILES）、全球气象场和医学影像分割结果。相当于把理解与生成两套能力捏进同一个框架。

四、性能验证：110亿参数叫板万亿级模型

在约110亿参数的规模下，“神珍”在生物序列、小分子、气象和医学影像等任务中展现出竞争力。

生物序列：在覆盖DNA、RNA、蛋白质以及不同生物序列关系判断的20项任务中，“神珍”有9项取得三款参评模型中的最优结果，17项位列前二。逐项比较，“神珍”在16项任务上得分高于同量级的Biology-Instructions；与总参数约1万亿的Intern-S1-Pro相比，两款模型各在10项任务上得分更高。这组结果表明，参数规模并不是衡量科学模型能力的唯一维度。

小分子：在公开基准SMolInstruct的6项小分子属性理解任务中，“神珍”有4项取得或并列取得最优结果。

气象：给定一帧初始大气场，模型每6小时滚动预报一步，持续推演至第10天。在第10天的预报中，500hPa位势高度、2米温度、海平面气压等多项指标达到或优于业务级数值预报的水平。

医学影像：在覆盖CT、MRI、病理等九种影像模态、逾十万个图文样本的评测中，“神珍”衡量预测区域与人工标注重合程度的平均Dice得分为91.20，在7种参评方法中最优。

五、全面开放：权重、代码、文档一应俱全

上智院已同步开放模型权重、推理代码、示例脚本与使用文档。研究者可通过星河启智科学智能开放平台下载模型或调用API，与平台上汇聚的1500余个科学模型和工具组合使用；也可在Hugging Face下载权重、在GitHub获取代码，共建开放的科学智能社区。

从“大圣”的超级大脑到面向全球开放的科学基础设施，“神珍”正在把110亿参数变成一个跨学科的科学发现引擎。