上海AI实验室发布Atria Dawn预览版：744B MoE智能体模型

上海人工智能实验室发布了新一代智能体模型 Atria Dawn 的预览版本，模型卡信息显示其基于 744B 参数的 MoE（混合专家）基座模型训练，定位为面向科研与工程场景的智能体模型，强调持续的环境理解、工具调用与多步任务完成能力。该预览版以 MIT 许可开放代码与模型权重，并提供 FP8 量化版本 Atria-Dawn-Preview-FP8。

从官方描述看，Atria Dawn 的目标是帮助用户把开放式问题推进到可执行、可验证、可复现的结果。它结合任务目标与环境反馈，支持问题分析、方案设计、工具使用、代码实现、实验执行、结果分析以及失败恢复等环节。官方将其智能体能力归纳为四个维度：发现（检索与整理证据、开展深度研究、把研究问题转化为可执行的实验计划）、创造（构建软件、交互应用、游戏、数据可视化与机器学习系统）、交付（把文档、数据和设计需求转化为报告、演示等结构化成果），以及网络安全（在授权环境中分析安全问题、验证漏洞、应用修复并复验）。

官方同时公布了覆盖多个基准的评测结果。在 AutomationBench 上，Atria Dawn Preview 得分为 53.8，高于对比表中的 DeepSeek V4 Pro 0813（41.7）、KIMI K3（45.9）、Qwen 3.8 Max（49.7）、GLM 5.3（49.2）、GPT 5.6 sol（45.7）与 Claude Opus 5（49.4）。在 BFCL v4 上得分为 77.0，高于 DeepSeek V4 Pro 0813 的 71.4、KIMI K3 的 69.1 与 GLM 5.3 的 74.1。

在 CyberGym 上，Atria Dawn Preview 得分为 86.5，高于 DeepSeek V4 Pro 0813（83.3）、KIMI K3（78.7）、Qwen 3.8 Max（73.8）、GLM 5.3（84.5）与 GPT 5.6 sol（83.6）。DeepSearchQA 上得分为 96.0，略高于 KIMI K3 的 95.9、GLM 5.3 的 94.7 与 GPT 5.6 sol 的 93.2。BrowseComp 得分为 92.5，高于 DeepSeek V4 Pro 0813（83.4）、KIMI K3（91.2）、GPT 5.6 sol（92.2）与 Claude Opus 5（90.8）。SkillsBench 得分为 66.4，略高于 DeepSeek V4 Pro 0813 的 65.0 与 Qwen 3.8 Max 的 66.7 接近，高于 GLM 5.3（63.3）、GPT 5.6 sol（62.5）与 Claude Opus 5（63.7）。

不过，评测表也显示 Atria Dawn Preview 并非在所有项目上领先。Workspace-Bench-Lite 得分为 68.2，低于 Claude Opus 5 的 70.1；Workspace-Bench 得分为 65.0，与 Claude Opus 5 的 65.8 接近；MLE-bench Lite 得分为 86.2，低于 GPT 5.6 sol 的 88.9 与 Claude Opus 5 的 88.0；WideSearch 得分为 81.9，低于 GLM 5.3 的 82.7 与 GPT 5.6 sol 的 83.3；DeepResearch Bench II 得分为 51.1，低于 GLM 5.3 的 52.7 与 Claude Opus 5 的 54.1；τ³-Bench Banking 得分为 41.2，低于 Qwen 3.8 Max 的 55.2、Claude Opus 5 的 48.7 与 GPT 5.6 sol 的 46.9；Terminal-Bench 2.1 得分为 78.3，低于 Qwen 3.8 Max 的 89.3、GPT 5.6 sol 的 85.4 与 Claude Opus 5 的 90.2；GDPval 得分为 1583，低于 Qwen 3.8 Max 的 1722、Claude Opus 5 的 1768 与 GPT 5.6 sol 的 1682；SWE-bench Pro 得分为 59.6，低于 Qwen 3.8 Max 的 65.1 与 Claude Opus 5 的 74.7；JobBench 得分为 50.3，低于 Qwen 3.8 Max 的 58.2 与 Claude Opus 5 的 68.0。

整体来看，这份评测呈现出一种「长板突出、短板并存」的格局：Atria Dawn Preview 在自动化、工具调用、网络安全、深度搜索与浏览类任务上表现较强，但在终端操作、软件工程、金融场景智能体以及部分办公与科研交付类基准上，与 Qwen 3.8 Max、Claude Opus 5 等模型仍有差距。对关注 AI 产业的读者而言，这类智能体模型的迭代值得留意，因为它直接关系到模型从「对话工具」向「可执行任务的数字劳动力」演进的进度，也牵动科研自动化、办公自动化与安全运维等应用场景的落地节奏。模型以 MIT 许可开放权重，也意味着后续会有更多基于该基座的微调与行业适配出现。