Atria Dawn Preview：上海 AI 實驗室嘅 7,440 億參數開放權重智能體模型

Atria Dawn Preview 係上海人工智能實驗室推出嘅開放權重智能體語言模型預覽版。佢嘅定位唔係做一個「你問我答」嘅聊天機械人，而係協助研究同工程團隊處理要長時間推理、調用工具、接收環境回饋，以及分多步完成嘅工作。模型建基於 7,440 億參數嘅 GLM-5.2 mixture-of-experts（MoE，專家混合）基座模型。119

重點唔止係答啱，而係做出可以驗證嘅成果

Atria Dawn Preview 嘅核心訓練概念叫做 Verifiable Experience Pipeline（可驗證經驗管線）。按技術報告所述，智能體嘅工作軌跡會連結到可以由外部核實嘅產物同結果。換句話講，流程唔止係生成一段答案，而係：觀察環境、決定下一步、用工具、建立或修改產物、檢查回饋，失敗時再嘗試修正。1

所以，佢特別適合有清晰驗收方法嘅工作，例如：程式碼要通過測試、實驗要有可量度指標、檔案或應用程式狀態可以檢查，又或者研究報告要有證據支持。要留意，「可驗證」係設計目標，唔代表模型每次輸出或結論都必定正確。

模型規格：256K context、兩款 Instruct checkpoint

項目公開資料列出兩個 256K context 嘅 Instruct checkpoint：

• Atria-Dawn-Preview：標準 Instruct 模型
• Atria-Dawn-Preview-FP8：採用 FP8 量化嘅 Instruct 版本 20

底層架構係 7,440 億參數 GLM-5.2 MoE。MoE 模型會將運算分派畀不同專門部分，但參數量唔可以直接等同實際服務成本或者真實工作表現；實際部署需求仍取決於 checkpoint、推論框架、硬件同工作負載。120

模型權重以 MIT 授權發布，可經 Hugging Face 同 ModelScope 取得。文件亦列出 SGLang 同 vLLM 嘅部署途徑。2022

佢想支援邊類工作？

模型資料將目標工作分為四個方向：

• 探索（Discovery）：深度研究、文獻導向調查、實驗規劃
• 創作／建構（Creation）：軟件開發、機器學習工程
• 交付（Delivery）：結構化報告及其他辦公室工作產物
• 網絡安全（Cybersecurity）：獲授權嘅安全驗證同修復流程 1921

實際分別喺於工作流程，而唔係單靠一條 prompt。比較合理嘅做法，係畀模型一個有約束嘅環境：例如程式碼 sandbox、已批准嘅搜尋或資料工具、測試框架、實驗追蹤系統同產物儲存位置；涉及重要決定時，再加入人工審批。模型本身唔會自動提供可信嘅權限管理、評估準則或營運管治。

API 同整合選項

託管 API 文件列出 Chat Completions、Messages 同 Responses 三種介面。其中 Responses endpoint 文件表明兼容 OpenAI Responses API 格式，對原本已經使用該協定嘅智能體客戶端而言，接入可能較直接。17

項目文件亦有面向 Codex 類客戶端、採用 Responses API 嘅 provider 設定示例。現有資料主要描述文字及工具呼叫用途；接入會傳送圖片、PDF 或其他非文字輸入嘅客戶端之前，團隊應先查核最新服務文件，確認支援嘅模態及請求格式。2028

想自行託管嘅話，模型卡提供 SGLang 同 vLLM 參考方式。自託管可以令團隊更掌控執行環境同資料路徑，但唔代表毋須處理硬件容量、安全邊界、工具權限、可觀測性同故障處理。2025

點樣理解 benchmark 成績？

技術報告評估咗 16 個 benchmark，並報告模型喺其中 5 個取得領先結果：AutomationBench 53.8、BrowseComp 92.5、DeepSearchQA 96.0、BFCL v4 77.0 同 CyberGym 86.5。大致分別對應自動化、瀏覽、深度研究、函數呼叫同網絡安全任務評估。1

呢啲數字可以畀考慮智能體流程嘅團隊參考，但都係項目方自行報告嘅結果，唔代表模型喺你公司嘅工具、權限、資料集、延遲要求同任務分布下，都會有同樣表現。第三方模型資料頁亦指出，該模型當時雖已被追蹤，但未有公開排名。2

比較穩陣嘅下一步係做受控評估：喺 sandbox 跑一批具代表性嘅任務，保存過程 trace 同產物，用客觀方式評分，再同其他模型喺相同工具配置下比較。

MIT 授權解決咗乜，未解決乜？

MIT 授權令公開嘅模型權重可以喺授權條款下較彈性地重用、修改同再分發。20

但授權唔會自動處理所有部署問題。團隊仍應審閱底層模型、資料集、工具、託管服務及第三方元件各自適用嘅條款；亦要就敏感資料、存取控制、出口或地區限制，以及獲授權使用範圍訂立政策，特別係涉及網絡安全工作時。

總結

Atria Dawn Preview 可以理解成一個開放權重嘅研究及工程智能體底座：基於 7,440 億參數 GLM-5.2 MoE，支援 256K context，提供標準同 FP8 Instruct checkpoint，並以工具介入、結果可由外部核實嘅訓練思路為主軸。120

佢嘅吸引力唔係取代人嘅判斷，而係讓開發者將模型同 sandbox、工具、測試、實驗日誌、產物儲存及審批關卡組合，處理比一次聊天更長、更複雜嘅任務。由於佢明確係預覽版本，而 benchmark 領先結果亦由項目方報告，團隊喺用於科學結論、生產系統或安全敏感決策之前，應先喺自己嘅受控環境重現同驗證結果。1