深度分析
S1-Omni：統一科學多模態推理模型，在多項基準上超越GPT-5.5與Gemini-3.1-Pro
現有科學AI模型分散於領域專用模型、工具增強語言模型與科學語言模型，缺乏統一架構。S1-Omni提出一套整合科學數據統一表徵、自然世界知識對齊與領域特定解碼的單一多模態推理模型，能同時處理分子、材料、蛋白質、光譜、科學影像等異質數據，並支援性質預測、光譜到分子生成、蛋白質位點預測、科學影像生成與編輯等任務。
深度分析
現有科學AI模型分散於領域專用模型、工具增強語言模型與科學語言模型，缺乏統一架構。S1-Omni提出一套整合科學數據統一表徵、自然世界知識對齊與領域特定解碼的單一多模態推理模型，能同時處理分子、材料、蛋白質、光譜、科學影像等異質數據，並支援性質預測、光譜到分子生成、蛋白質位點預測、科學影像生成與編輯等任務。
深度分析
當前 AI 雖能精準預測蛋白質結構或天氣，但仍缺乏對底層邏輯的解釋能力。研究提出 Mechanistic World Models (MWMs) 框架，將學習核心從預測觀察轉向建模可重複使用的機制。透過變數、機制與結構的共同發現，讓 AI 能提取不變的結構化抽象。此範式有望讓 AI 從單純的預測工具進化為能自主進行科學發現的洞察引擎。