公式GitHubリポジトリのInternLM/Sage-S2.1-Flashでは、BF16版とFP8版の重みをHugging FaceとModelScopeで配布し、専用の科学入力を扱うSage SciPerceptionのprojectorを同じリポジトリに置いている。READMEは「このリポジトリのコードとモデル重みはMITライセンスで公開」と記載する。ただしHugging Faceのモデルカードにはライセンスのメタデータが設定されていないため、個別の資産を利用する前に各リポジトリの表記を確認する必要がある。技術報告のarXiv:2611.21072は2026年11月16日13時23分(UTC)にv1が投稿された。
「我々は、科学的証拠に基づいて推論し、対話的な環境で行動する、3200億パラメータの汎用混合専門家(MoE)モデル「Sage S1.5 Flash」を提案する。」
We introduce Sage S1.5 Flash, a 320-billion-parameter general-purpose mixture-of-experts model designed to reason over scientific evidence and act in interactive environments.
科学データを共通表現に投影するSage SciPerception
Sage SciPerceptionは、分子グラフ、結晶構造、タンパク質の配列と3D構造、スペクトルなど10種類超の科学入力に対応する。モダリティごとの専用エンコーダが特徴を抽出し、projectorが言語モデルの入力埋め込み空間へ写像する。テキストや画像と同じ入力空間に置かれるため、単一のバックボーンが自然言語の指示と科学データを並べて処理できる。スペクトルは「測定値の順序付きパッチ」として表現する。READMEの実行例では、projectorを読み込んだ上でvLLMの`--enable-prompt-embeds`を有効にし、埋め込みを含むプロンプトを送る構成が示されている。
- 01 科学入力
10種類超
分子グラフ、結晶構造、タンパク質配列と3D構造、スペクトルなどを専用プロトコルで入力する
- 02 専用エンコーダ
モダリティ別
入力の種類ごとにエンコーダが特徴を抽出する
- 03 projector
共有表現
言語モデルの入力埋め込み空間へ写像し、テキスト・画像と並べて扱えるようにする
- 04 バックボーン
約320B MoE
共通のバックボーンが推論する。config.jsonでは288のrouted expertと1つのshared expert、最初の3層はdense、最大位置長は1,048,576
- 05 ツール実行
検証可能環境
コード実行、検索、専門ソフトウェアの操作などエージェント作業を進める
- 06 結果で判定
完了確認
実行結果や環境の変化に対してタスク完了を判定し、次の一手を調整する
arXiv:2611.21072のabstractと公式GitHubのREADME(2026-11-18確認)から作成。エキスパート構成はリポジトリのconfig.jsonの値。
ツール実行の結果で作業を検証するエージェント設計
技術報告のabstractによると、エージェント能力の学習には、ツール使用、検索、コーディングのための検証可能な環境に加え、機械学習の実験や科学ソフトウェアを扱う専用ワークフローが使われた。タスクの完了は、実行結果や環境の変化に対して判定される。READMEの説明でも、モデルは専用ソフトウェアで分析を実行し、中間出力や視覚的なフィードバックと結果を照らして確認し、次の工程を調整する用途を想定しているとされる。
公式評価は著者提示値
READMEの評価表は15ベンチマークを6モデルで比較し、このモデルは4項目で1位、7項目で2位としている。機械学習エンジニアリングのMLE-bench Liteでは90.3で、比較中最高のDeepSeek-V4.1-Flash-1017(89.2)を上回る。OfficeQA Pro(72.2)とSpreadsheetBench 2(37.1)でも表内1位とされる。一方、SWE-bench Proでは60.6でClaude Opus 5の76.5に届かず、Terminal-Bench 2.1も87.9でClaude Opus 5の90.2に下がる。数値はすべて著者提示値で、第三者による再現結果は公開されていない。また、総パラメータの約320Bという表記は活性パラメータではない。Hugging Faceのsafetensorsメタデータの合計は321,323,031,390(約321.3B)で、丸めた公式表記と区別して読む必要がある。
MLE-bench Lite
- Sage S2.1 Flash
- 90.3(6モデル中1位)
- DeepSeek-V4.1
- 89.2
- GLM-5.3-Flash
- 84.3
OfficeQA Pro
- Sage S2.1 Flash
- 72.2(6モデル中1位)
- DeepSeek-V4.1
- 69.7
- GLM-5.3-Flash
- 64.7
SpreadsheetBench 2
- Sage S2.1 Flash
- 37.1(6モデル中1位)
- DeepSeek-V4.1
- 35.8
- GLM-5.3-Flash
- 32.4
Terminal-Bench 2.1
- Sage S2.1 Flash
- 87.9
- DeepSeek-V4.1
- 87.6
- GLM-5.3-Flash
- 84.3
SWE-bench Pro
- Sage S2.1 Flash
- 60.6
- DeepSeek-V4.1
- 61.8
- GLM-5.3-Flash
- 60.3
PaperBench
- Sage S2.1 Flash
- 88.0
- DeepSeek-V4.1
- 88.6
- GLM-5.3-Flash
- 83.0
公式GitHub READMEの評価表(15ベンチマーク×6モデル)から主要行を抽出。DeepSeekの列は幅の都合で「DeepSeek-V4.1」と略記し、評価対象の正式名称はDeepSeek-V4.1-Flash-1017。括弧の順位は図内の3モデルではなく6モデル(Qwen3.8-Max、GPT-5.6 Sol、Claude Opus 5を含む)比較での順位。Terminal-Bench 2.1はQwen3.8-Max(89.6)、SWE-bench ProとPaperBenchはQwen3.8-Max(65.3、95.1)が表内最高。
名称・版・アーキテクチャの確認時点の留保
技術報告のタイトルは「Sage S2.1 Flash Technical Report」だが、abstractの一文目は「Sage S1.5 Flash」となっており、版の表記が混在している。本稿は公開リポジトリとモデル名に合わせてS2.1と書くが、今後の修正を追跡する必要がある。アーキテクチャはリポジトリのconfig.jsonでmodel_typeが`glm5_next`(実装クラスGlm5NextForConditionalGeneration)とされ、GLM系の実装上に構築されている。評価対象にGLM-5.3-Flashが含まれるが、公式が本モデルとその関係を明示した資料は確認できていない。
読むときの留保
公開された評価は著者の自己評価で、科学モダリティ固有の外部ベンチマークや第三者検証はまだない。MLE-bench Liteの数値は機械学習の作業能力を測るもので、分子や医療領域の予測精度を保証しない。重みの配布容量と実行に必要なVRAMも別の量で、BF16版とFP8版では扱いが変わる。MITとREADMEに書かれていても、モデルカードのメタデータにライセンスが設定されていない状態のため、利用条件は各資産の表記を確認して判断する。医療・創薬での実効性を実証した発表ではない。
出典
- GitHub InternLM/Sage-S2.1-Flash(公式README・config.json・評価表)モデル概要、配布一覧、MIT表記、15ベンチマークの評価表、SciPerceptionの実行手順
- Hugging Face internlm/Sage-S2.1-Flash(BF16版モデルカード・safetensorsメタデータ)BF16重みの配布、総パラメータ321,323,031,390のメタデータ、ライセンスメタデータ未設定
- Hugging Face internlm/Sage-S2.1-Flash-FP8(FP8版モデルカード)FP8重みの配布とMIT表記、デプロイガイドへのリンク
- arXiv:2611.21072「Sage S2.1 Flash Technical Report」(2026-11-16投稿)320B MoE、SciPerceptionのモダリティ表現、検証可能環境でのエージェント学習、abstractのS1.5表記
- 公式サイト(internlm.github.io)公式ページの存在確認。JavaScript描画のため静的取得できる本文は最小限
出典の確認日 2026.11.18