上海人工智能实验室发布新一代智能体模型Atria Dawn，模型总参数为753B，基座是744B参数的MoE模型GLM-5.2。官方将其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，目标是把开放式问题推进到可执行、可验证、可复现的结果。
从任务闭环看，Atria Dawn被设计为把任务目标与环境反馈结合起来，覆盖问题分析、方案设计、工具使用、代码实现、实验执行、结果分析与失败恢复的完整流程。官方把能力划分为四个维度：发现，即检索与整理证据、开展深度研究、把研究问题转化为可执行的实验方案；创造，即构建软件、交互应用、游戏、数据可视化与机器学习系统；交付，即把文档、数据与设计需求转化为报告、演示文稿等结构化成果；网络安全，即在授权环境中分析安全问题、验证漏洞、应用修复并再次验证。官方特别点出科学自动化与办公等真实生产力场景的端到端交付。
版本方面，Atria Dawn提供512K上下文的完整版与256K上下文的预览版，两者均有FP8量化版本，并同步在Hugging Face与ModelScope发布。API请求中的模型名需使用Atria-Dawn。部署上支持本地与托管两种方式，本地推理框架给出SGLang v0.5.13.post1+与vLLM v0.23.0+的最低版本要求；托管服务按国际与中国两个区域提供接入端点，并给出OpenAI兼容与Anthropic兼容的调用地址。官方还提供了在Codex中接入的自定义provider配置示例，并说明该模型仅接受文本输入，需要在客户端声明输入模态为文本，以免多模态图片输入被端点拒绝。
评测是这次发布信息量最大的部分。官方在搜索、编程、工具使用、生产力与安全等基准上对比了Atria Dawn、Atria Dawn Preview以及DeepSeek V4 Pro 0813、KIMI K3、Qwen 3.8 Max、GLM 5.3、GPT 5.6 sol、Claude Opus 5等模型。Atria Dawn在AutomationBench得54.7、CyberGym得86.8、SkillsBench得67.8、WideSearch得84.6、MLE-bench Lite得88.2、Workspace-Bench-Lite得70.0、PaperBench得89.6、JobBench得57.5、GDPval得1594.2、DeepResearch Bench II得51.2、SpreadsheetBench 2得33.0、τ³-bench Banking得43.3、Terminal-Bench 2.1得81.0、SWE-bench Pro得61.7、NL2Repo-Bench得50.0、Harbor-Index得17.3、DeepSWE得49.3、Harvey LAB得27.5、BFCL V4得78.4、DeepSearchQA得96.5、OfficeQA Pro得67.1、BrowseComp得91.3。
横向看，这份成绩单并非全面领先。Atria Dawn在CyberGym、WideSearch、MLE-bench Lite、Workspace-Bench-Lite、PaperBench、Harvey LAB、BFCL V4、DeepSearchQA、OfficeQA Pro等项上处于前列，其中Harvey LAB的27.5明显高于表中其他模型；但在Terminal-Bench 2.1、SWE-bench Pro、NL2Repo-Bench、Harbor-Index、DeepSWE、GDPval、τ³-bench Banking等项上落后于Claude Opus 5等对手，Claude Opus 5在Terminal-Bench 2.1拿到90.2、NL2Repo-Bench拿到79.9、Harbor-Index拿到41.0，Qwen 3.8 Max在PaperBench以94.1居首，KIMI K3在GDPval以1606.8领先Atria Dawn。官方以加粗标注每行最佳成绩，并用横杠表示未取得该项结果。
对关注AI产业的读者而言，这条发布的意义在于国产模型正把竞争焦点从通用对话转向可验证的智能体任务：一方面，512K上下文与工具调用、代码执行、失败恢复的组合，直接对应科研自动化与办公交付这类高价值场景；另一方面，公开的横向评测把国产模型与国际前沿模型放在同一张表上比较，既展示了在安全验证、深度检索等细分项上的优势，也暴露了在终端操作、仓库级编程等工程任务上的差距。这类基准多为实验室环境下的结果，真实生产中的稳定性与成本仍有待使用侧检验，但模型与推理框架版本要求的明确给出，说明其已具备可部署的工程形态。