让大模型少说几千个推理token，可能比单纯提高每个token的生成速度更有价值。上海人工智能实验室发布35B基础模型Intern-S2-Mobius，开放权重、推理代码和技术报告。它没有沿用Transformer把知识存储和推理运算逐层捆绑的方式，而是把知识集中进全局共享Memory，让多个Reasoner反复读取并在连续隐藏状态中完成推演。官方测试中，其平均请求吞吐随批量从约2.9倍升至4.6倍，但这仍是团队内部结果。

先拆知识仓与推理器，再让每一层都能回头取知识

传统Transformer中，每层自注意力主要处理上一层传来的状态，再调用本层前馈网络中的知识。若关键知识没有在浅层被激活，模型常要先生成中间token，把信息带入下一次完整前向计算。Mobius把各层前馈网络对应的知识向量横向合并为共享仓库，再用类似混合专家的分块稀疏激活控制开销。这样，较深的Reasoner也能访问原本位于较浅位置的知识，团队把这种效果称为“反向残差连接”。

第二个变化是动态潜在推理。模型把试探、修正和多轮思考的一部分留在连续向量里，经过少量层反复迭代后再并行解码多个token。它不是把隐藏思考直接展示给用户，而是尝试减少必须写出来的冗长推理链。知识仓仍要占用内存，稀疏访问也会增加带宽压力，因此这不是把每次前向计算免费变快，而是用更复杂的单次计算换更短的端到端路径。

2.9到4.6倍主要来自输出更短，不能脱离批量看

在MMLU Pro、GPQA Diamond、IMO Bench、AIME 2026和HMMT 2026五组任务上，官方图表显示：批量为16时，Mobius平均请求吞吐约为Transformer对照的2.9倍；批量增至256时，差距扩大到4.6倍。不同任务并非始终同幅提升，AIME和HMMT在部分批量点上也出现对照模型更快的情况，说明收益受问题类型和并发状态影响。

更关键的解释来自输出长度。五项任务的平均输出缩短约1.2至5倍，其中MMLU Pro和GPQA Diamond分别缩短4.6倍与5倍。团队认为模型把一部分推演压进潜在空间，因此能用更少显式token完成相同步骤；但报告也承认，为什么短链仍能保留推理质量尚未被完全解释。图表没有给出足以复现实验的完整硬件、并行、推理引擎版本和服务配置，4.6倍不能直接写成任意部署都能获得的固定加速。

平均分更高不等于全面领先，两项难题仍落后

Intern-S2-Mobius在九项通用评测上的平均分为67.88，对照Qwen3.5-35B为65.05；科学任务平均分为52.14，对照为18.20，生物指令、分子指令和MolecularIQ提升明显。不过，它在UGD hard上得到73.02，低于对照的78.02；HLE为19.11，也低于22.40。选取的科学任务数量较少，且对照只有一个同规模底模，不能据此推断对所有35B模型或真实科研工作都更强。

团队还用7B-A1B模型做了从零训练实验：Mobius用对照约62.6%的训练数据达到接近的MMLU成绩。这支持“知识压缩更高效”的方向，却没有消除架构转换、继续预训练数据和后训练方法带来的影响。35B版本经过监督微调与强化学习，公开分数是整套训练配方的结果，不能全部归功于共享Memory。

开放权重降低验证门槛，生产成熟度仍要从头测

模型以BF16权重发布，文件分为5个Safetensors分片，并提供MTP推测解码与普通服务示例。35B体量依然需要可观显存，官方的单卡示例只是接口形式，不代表任意消费级显卡都能无量化运行。部署还依赖远程自定义模型代码或较新的推理框架，企业应固定提交版本、审查代码，并分别测量首token延迟、持续吞吐、长上下文、批量抖动和答案稳定性。

ATYUN认为，Mobius最值得关注的不是又一张平均分表，而是它把大模型效率竞争推进到“知识如何存、推理如何循环”的架构层。权重和报告已开放，让外部团队有机会复测4.6倍是否成立。下一步真正决定影响力的，是同硬件同引擎下能否稳定复现吞吐，以及更短推理链是否在代码、工具调用和长时智能体任务中仍保持可验证的正确性。