S1-Omni 是一个统一的多模态推理模型，旨在推动科学理解、预测和生成。尽管 AI for Science (AI4S) 在领域特定模型、工具增强的 LLM 和科学语言模型方面取得了显著进展，但模型能力依然高度分散，限制了异构数据、科学法则和专家知识的联合建模。S1-Omni 通过将这些能力整合到一个单一、连贯的科学推理模型中，填补了这一空白。
S1-Omni 的架构基于三个核心组件：科学数据的统一表示、自然世界知识的对齐，以及针对特定领域任务的解码。
首先，S1-Omni 将自然语言指令和科学对象（包括 CIF、SMILES、蛋白质序列、光谱和科学图像）映射到共享表示空间。其次，它将科学法则和专家知识纳入数据构建和训练中，使模型能够基于科学证据进行推理。最后，它执行任务特定的解码，以支持包括属性预测、光谱到分子生成、蛋白质位点和结构预测，以及科学图像生成和编辑等广泛的应用。
S1-Omni 在 S1-Omni-Corpus 上训练，该数据集涵盖 200 个科学任务，包含数百万个推理样本，并在超过 60 个科学基准上进行评估。结果显示，S1-Omni 在大多数基准测试中超越了 GPT-5.5 和 Gemini-3.1-Pro，并在若干基准上与领域特定模型相匹配或超越。总体而言，S1-Omni 为统一科学建模提供了切实可行的路径。
博主点评： S1-Omni 的提出标志着科学推理模型的一次重大进步，其多模态能力的整合为科学研究提供了全新的视角。通过统一不同类型的数据和知识，S1-Omni 不仅提高了推理的准确性，也为未来的科学探索铺平了道路。其在多个基准测试中的优异表现，显示了其在实际应用中的潜力。