InternLM ha presentato Intern-S2-397B, un modello fondazionale multimodale da 397 miliardi di parametri pensato per l'intelligenza scientifica e per gli agenti di lungo periodo. Il punto distintivo non è soltanto la scala, ma il cambio di paradigma nell'addestramento: il modello impara direttamente da pagine grezze di letteratura scientifica, senza parsing intermedio. Testo e relazioni visive vengono modellati nello stesso spazio rappresentativo, preservando la corrispondenza tra simboli e figure e rafforzando il ragionamento spaziale. Per chi costruisce pipeline scientifiche, questo approccio riduce la dipendenza da estrattori di layout e da trascrizioni imperfette, ma sposta la complessità sulla qualità del corpus e sull'infrastruttura necessaria per gestire un addestramento di questa natura.

Sul versante del reinforcement learning, InternLM ha esteso la copertura a più di venti domini scientifici, addestrando congiuntamente compiti come la progettazione di interazioni biomolecolari e la generazione di strutture di materiali. La nota del team descrive una performance di ragionamento generale competitiva tra i modelli open-source e risultati solidi nei compiti specialistici, senza fornire benchmark puntuali. La scelta dei domini è comunque indicativa: non si tratta di costruire un chatbot scientifico, ma un motore capace di operare su problemi che richiedono rappresentazioni ibride, dove la componente visiva non è un accessorio.

La parte agente segue la stessa logica. Intern-S2-397B collega più framework agentici ad ambienti sandbox su larga scala per un reinforcement learning black-box. L'obiettivo è migliorare la generalizzazione e alzare il tetto delle capacità nei compiti di lungo periodo. A livello strutturale, questo segnala il passaggio da valutazioni statiche a interazioni in ambienti controllati: per le organizzazioni con dati scientifici proprietari, la possibilità di addestrare e validare agenti in sandbox locali diventa un elemento di controllo e sicurezza, non un dettaglio marginale.

Per chi valuta un deployment on-premise, un modello da 397 miliardi di parametri non è un oggetto indifferente. Richiede una riflessione su VRAM aggregata, throughput in inference e strategie di quantization. Non basta adattare una singola scheda consumer: serve progettare un cluster o un'infrastruttura ibrida in grado di servire carichi multimodali e agentici con latenza accettabile. L'assenza di dettagli hardware nella presentazione lascia aperto il punto, ma il segnale è chiaro: i modelli scientifici di nuova generazione spingono verso configurazioni on-premise per ragioni di sovranità dei dati e di controllo, con costi di capitale non banali. AI-RADAR approfondisce questi trade-off nella sezione /llm-onpremise, senza suggerire una scelta unica.

A beneficiare di questo approccio sono i gruppi di ricerca e le aziende con archivi scientifici ricchi e difficilmente trasferibili in cloud. A perdere quota potrebbero essere gli strumenti verticali che oggi vendono pipeline di estrazione e annotazione per documenti scientifici, perché una parte della logica di parsing viene assorbita dal modello. Per i fornitori di hardware, la domanda si sposta verso sistemi con memoria video elevata e interconnessioni rapide, necessari per ospitare modelli di questa taglia senza sacrificare la latenza degli agenti. La scommessa di InternLM è che rimuovere il parsing intermedio e addestrare in modo congiunto su domini eterogenei produca una generalizzazione più robusta di quanto ottenuto incollando componenti specializzate.