Intern-S2 對決 Gemini 3.1 Pro：InternLM 實際測量的多模態對決

這個系列中的多數對決，都得把兩家廠商的說法拼湊起來。這一場不必。Intern-S2，InternLM 今天發布的 3970 億參數 Apache-2.0 多模態模型，以及 Gemini 3.1 Pro，Goog​le 的旗艦推理模型，兩者都以實測欄位之姿出現在同一張基準測試表上——這使本場成為整組中最公平的正面對決，而且並非巧合地，也是開源模型最需要交代的一場。Gemini 3.1 Pro 能讀取文字、圖像、音訊與影片，具備 100 萬詞元的上下文，自 2026 年 2 月 19 日進入預覽階段以來，已被獨立實驗室與實際生產流量徹底拆解檢視。Intern-S2 能讀取文字、圖像與時間序列，今早才上傳到 Hugging Face，而且完全沒有任何第三方評分。在兩者皆有實測的那些列中，Goog​le 的模型贏的比輸的多。

兩者都能讀取影像。相似之處僅止於此。

「多模態」這個詞讓這些模型聽起來像是同類。它們並非同類，而差異在於每個模型當初是為了看什麼而打造的。

Intern-S2 的視覺路徑經過訓練，能將科學文獻的原始頁面——圖表、方程式、結構圖、版面配置——作為單一共享表徵來吸收，而非先解析出文字。它的多模態基準測試屬於科學領域：生物顯微鏡 VQA、遙測、科學圖表問答。它也接受時間序列資料並能產生預測，而這是一種幾乎沒有通用旗艦模型會處理的輸入類型。

Gemini 3.1 Pro 的多模態能力屬於通用型，且在種類上更廣泛：在單一模型中整合文字、圖像、音訊與影片，鎖定全範圍的生產環境任務——讓你直接將模型指向某個檔案並提出問題。會議錄音、UI 截圖、PDF 中的圖表、影片片段——全都適用，且背後都有六個月的公開評估。

如果你的輸入是科學圖表，Intern-S2 就是專為此打造的，而且握有足以佐證的廠商數據。如果你的輸入是其他任何東西，Gemini 3.1 Pro 支援音訊與視訊，而 Intern-S2 兩者皆不支援。這在價格或基準測試進入考量之前，就解決了很大一部分「我該用哪一個」的問題，而任何告訴你這兩者可以互換的人，都沒讀過輸入清單。

共用表格所顯示的，誠實地解讀

因為 InternLM 對兩者都進行了基準測試，這是少數幾個直接比較具正當性、而非拼湊而成的地方之一。但注意事項不變，且值得說明一次：每一個 Intern-S2 的數字都是廠商自行報告的，由 InternLM 在其自家的測試框架上，透過 OpenCompass、VLMEvalKit 與 AgentCompass 執行，並未經獨立重現。該表中 Gemin​i 的數字同樣來自 InternLM 進行的這項比較，儘管 Gemin​i 在此之外擁有大量獨立的評測紀錄。

• 多模態知識 — Gemini 3.1 Pro 在 MMMU Pro 上達 83.99，對比 Intern-S2 的 81.68。

• 科學圖表問答 — Gemini 3.1 Pro 在 ChartQAPro 上獲得 71.18，對比 Intern-S2 的 71.12。小數點後兩位打成平手。

• 遙測 — Gemini 3.1 Pro 在 XLRS-Bench 上取得 54.27，相較於 Intern-S2 的 51.38。

• 顯微鏡 VQA — Gemini 3.1 Pro 在 MicroVQA 上 71.02 對比 Intern-S2 69.67。

• 科學多模態任務 — Intern-S2 在 SFE 上達 60.74，對比 Gemini 3.1 Pro 的 59.57。這是 Intern-S2 唯一的一項多模態勝績。

• 一般知識 — Gemini 3.1 Pro 在 MMLU Pro 上為 91.00，對比 Intern-S2 的 89.77。

• 高中數學 — Gemini 3.1 Pro 在 HMMT-2026 上取得 94.70，對比 Intern-S2 的 93.56。

• 科學文獻推理 —— Intern-S2 在 Biology-Instructions 上為 55.71，對比 Gemini 3.1 Pro 的 13.87；而在 Mol-Instructions 上則為 53.95 對 38.84。

• 科學奧林匹亞問題 — Intern-S2 在 FrontierScience-Olympiad 上取得 87.00，對比 Gemini 3.1 Pro 的 79.00。

• 終端機操作精通度 — Gemini 3.1 Pro 在 TerminalBench 2.1 上獲 73.80，Intern-S2 則為 64.04。

誠實地解讀：Gemini 3.1 Pro 在廣泛多模態項目中以些微差距勝出，Intern-S2 則在深度科學文獻項目中以極大差距勝出；考量到兩者各自的訓練內容，這兩個結果都不令人意外。多模態落敗的差距之小，可說是更有趣的發現——一個同日發布的開放檢查點，在 MMMU Pro 和 ChartQAPro 上與六個月前的封閉旗艦模型差距不到兩分，對 InternLM 來說，這比它任何大勝的科學數字都是更強勁的成果。

上下文、輸出與預覽問題

長輸入的態勢界線分明。Gemini 3.1 Pro 擁有 100 萬個 token 的脈絡視窗，輸出上限為 64K——足以處理一整套長篇文件並給出分量十足的回答。Intern-S2 在文字推理方面最高以 256K 個 token 進行評估，多模態則為 64K，且未公布輸出上限；在有人獨立測量之前，請將其可用視窗視為小於 Gemini 的。

在 Google 那一側有一個營運上的但書，任何誠實的比較都不該略過。Gemini 3.1 Pro 至今仍是預覽版模型，而非正式發行（GA）版本。預覽版模型的可靠性預期較低，而模型頁面上那個七天錯誤率面板，則時時提醒人們要繞開不穩定的部分，而不是把關鍵路徑架在它上面。Intern-S2 則是完整的 Apache-2.0 發行版，權重可以自行鎖定——這反直覺地讓這個全新的開源模型，成為兩者之中營運上更穩定的一方，而這正是最要緊的意義所在：沒有人能背著你把它換掉。

• 背景 — Intern-S2 256K 文字 / 64K 多模態，與 Gemini 3.1 Pro 1M tokens 進行評測比較。

• 輸入 — Intern-S2 文字、圖像、時間序列 vs Gemini 3.1 Pro 文字、圖像、音訊、視訊。

• 權重 — Intern-S2 Apache-2.0，可下載，對比 Gemini 3.1 Pro 閉源。

• 成熟度 — Intern-S2 才推出數小時，自 2026 年 2 月以來就沒有與 Gemini 3.1 Pro preview 對比的獨立評分，且經過大量且獨立的測試。

• 價格 — Intern-S2 沒有公開的費率表；可自行託管，或使用官方 Intern API；相較之下，Gemini 3.1 Pro 每百萬 token 輸入為 $2.00／輸出為 $12.00，當輸入超過 200K token 時，將調升至 $4.00/$18.00。

價格，以及每一個所在的位置

Gemini 3.1 Pro 在標準方案的計價是每百萬輸入 token 2.00 美元、每百萬輸出 token 12.00 美元，一旦單次請求的輸入突破 200K token，就會跳到 4.00／18.00 美元——這筆長脈絡附加費，偏偏就在你動用那個讓它值得被選中的 1M 視窗時咬你一口。 它在 OrcaRouter 上可用同樣的表定價格路由，以 0% 加價原價直通，而且同一把金鑰還掛載了 200 多個其他模型；這裡的直通之所以重要，是因為 Google 一調整價格，當天就會反映在我們這邊，而不是等過一輪重新定價之後。路由 DSL 是這個特定組合真正有用的地方：你可以把圖像與影片工作交給 Gemini 3.1 Pro，把科學文獻批次交給自架的 Intern-S2，同時讓兩者共用同一個端點，不必再簽第二份合約，也不用改動程式碼。

Intern-S2 沒有公開的 API 價格。自行架設 Apache-2.0 權重是多數團隊實際上會走的途徑，而以 403B 參數來說，這是一項貨真價實的硬體投入。官方 Intern API 是為那些寧可不要自己跑 GPU 的團隊而存在，但在沒有公開價目表的情況下，與 Gemini 的 $2/$12 之間的成本比較並不是能紙上談兵算出來的——你得先申請配額，然後自己動手算。

那通電話

如果你需要一個可接收音訊與視訊、具備百萬詞元、歷經數月獨立驗證，且今日即可按詞元租用的通用多模態模型，就選擇 Gemini 3.1 Pro。它是證據更充分、能力更廣泛的模型，而預覽徽章是可靠性上的但書，而非能力上的但書。

如果你的多模態輸入屬於科學性質，且你的資料無法離開你的基礎架構，就選擇 Intern-S2。在兩者之中，它是唯一能原生讀取原始文獻頁面、根據時間序列訊號進行預測，並且能在寬鬆授權條款下以專有實驗資料進行微調的模型。你要接受自己是第一個執行它的人，而且那張為它辯護的基準測試表，是由打造它的人所撰寫的。

兩者都沒有徹底勝出，而表格比任何評斷都更能證明這一點。一個是恰好擅長科學的通用型模型；另一個則是恰好能在一般多模態工作上具競爭力的科學儀器——而在同日開放發布的情況下，「有競爭力」才是更令人意外的結果。

無需第二份合約，就能同時掌握這項比較的兩邊：一組涵蓋 200 多個模型的 API 金鑰將封閉式多模態旗艦模型與所有替代選項置於同一個端點之後，因此你可以把圖像與影片工作導向一邊，並將文件批次導向另一邊。