AREX Feed Article
上海人工智能实验室 Atria Dawn 全量开放权重上架 ModelScope：MIT 许可、512K 上下文、自报四项基准第一
10 月 27 日 16 时（北京时间），ModelScope 官方账号 @ModelScope2022 在 X 上发帖宣布：上海人工智能实验室的智能体（agent）模型 Atria Dawn 已在 ModelScope 全量发布，Full 与 FP8 两套权重开放下载，采用 MIT 许可，支持 512K 上下文，可通过 SGLang 与 vLLM 本地部署。帖文同时称，在团队自报的对比中，Atria Dawn 在 AutomationBench、CyberGym、SkillsBench 与 WideSearch 四项基准上领先所有被评测模型，并把定位描述为从研究问题到实验计划、多步软件构建和授权安全工作流（）。
帖子链接指向 。页面内嵌元数据显示，该模型页创建于 10 月 26 日 11 时 17 分（北京时间），最后更新于当日 14 时 21 分，主仓库 354 个文件合计约 1.51 TB。发稿时页面可正常访问，内嵌模型卡确认了帖文中的许可与上下文表述，并补上帖文没有展开的一句话：Atria Dawn 构建在 744B 参数的 GLM-5.2 混合专家（MoE）底座之上。四项第一的数字全部出自团队自报的评测表。
底座旁证与 353 个权重分片
把 Atria Dawn 描述为新一代智能体（agentic）模型，面向需要持续环境理解、工具调用与多步任务完成的研究和工程场景，目标是把开放问题推进到「可执行、可验证、可复现」的结果：结合任务目标与环境反馈，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循环。
这个底座表述还有两处旁证：ModelScope 页面元数据把架构字段标为 GlmMoeDsaForCausalLM，本地部署一节给出的 SGLang cookbook 与 vLLM recipes 链接也都指向 GLM-5.2。
权重规模可以从仓库文件清点出来：这批权重由 353 个 safetensors（权重文件格式）分片加一个索引文件构成，正是页面元数据里的 354 个文件，单个分片约 4.1～4.3 GB。FP8（8 位浮点量化）版本是独立仓库 Atria-Dawn-FP8，模型卡同时列出了 internlm 组织下的 Hugging Face 镜像链接。许可一节只有一句话：本仓库的代码与模型权重均按 MIT 许可发布。
四类 agent 任务，但只接受文本输入
模型卡按四个维度列出能力：发现（检索并组织证据、开展深度研究、把研究问题变成可执行的实验计划）、创建（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、数据和设计需求转成报告、演示等结构化交付物）、网络安全（在授权环境中分析安全问题、验证漏洞、实施修复并复验）。的三行能力介绍与这四个维度相合。
能力清单之外，卡内另一条写得很具体的限制是输入模态：Atria Dawn 只接受文本输入。卡内提醒，Codex 默认把所有模型当作多模态，图片贴进对话会被端点以 400 错误拒绝，错误信息为「Atria-Dawn is not a multimodal model」（Atria-Dawn 不是多模态模型）。为此卡片给出三套接入配置：Codex 要在模型目录里把 input_modalities 声明为 ["text"]，context_window 设为 512,000，并要求 Codex CLI 0.154.0 以上；Claude Code 用一个 PreToolUse 钩子拦截对图片和 PDF 文件的读取；Kimi Code 的配置把 max_output_size 设为 65,536，注释说明 Atria 端点只接受 1～65,536 的输出上限。
本地部署要求 SGLang 最低版本 v0.5.13.post1、vLLM 最低版本 v0.23.0。官方托管入口是 discovery-api.intern-ai.org.cn：/v1 路径兼容 OpenAI 协议，另一路径兼容 Anthropic 协议与 SystemOne。
自报的四项第一，与同一张表上的落后项
帖文对成绩的措辞留有余地：SOTA（state of the art，最优成绩）后面跟着的限定语是「in the team's reported comparison」（团队自报的对比）。模型卡的评测表覆盖 23 项基准，对比对象包括 DeepSeek V4 Pro 0813、KIMI K3、Qwen 3.8 Max、GLM 5.3、GPT 5.6 sol、Claude Opus 5，以及自家的 Atria Dawn Preview；卡内注明该表与项目官网一致。
被点名的四项成绩是：AutomationBench 54.7（领先 Preview 的 53.8 与 GLM 5.3 的 52.5）、CyberGym 86.8（领先 Preview 的 86.5 与 GLM 5.3 的 84.5）、SkillsBench 67.8（领先 Qwen 3.8 Max 的 66.7）、WideSearch 84.6（领先 Claude Opus 5 的 84.0）。四项领先幅度依次为 0.9、0.3、1.1、0.6 分，其中三项不足 1 分。
同表还有 19 项。Atria Dawn 在另外三项上同样居首：Harvey LAB 27.5、BFCL V4 78.4、DeepSearchQA 96.5；其余 16 项由别家领先。例如 SWE-bench Pro 上 Claude Opus 5 拿到 76.5、Atria Dawn 为 61.7；PaperBench 上 Qwen 3.8 Max 的 94.1 高于 Atria Dawn 的 89.6；MLE-bench Lite 上 GPT 5.6 sol 的 88.9 高于 Atria Dawn 的 88.2；Terminal-Bench 2.1 上 Claude Opus 5 的 90.2 高于 81.0；BrowseComp 上 Atria Dawn 的 91.3 甚至低于自家 Preview 的 92.5。
从 256K 上下文的 Preview 到全量版
全量发布对应一次上下文扩容。模型卡的下载表列了四个条目：Atria Dawn 与 Atria Dawn FP8 标注为指令（Instruct）模型的全量发布，上下文均为 512K；此前的 Atria Dawn Preview 与 Preview FP8 均为 256K。9 月的公开信息也停在 Preview 阶段：将其称为上海人工智能实验室新一代智能体模型的预览版。
《Atria Dawn: The Dawn of Agentic Superintelligence》于 2026 年 9 月 14 日提交、9 月 17 日更新至 v2，页面列出 143 名署名作者，摘要介绍的对象同样是 Preview：模型经由 Verifiable Experience Pipeline（可验证经验流水线）训练，把工具中介的交互接入可执行环境与外部验证结果；在 16 项基准上与前沿智能体相当，并在其中 5 项取得当时的最高报告分。论文还把模型的研发过程作为人机协作案例研究，分析了 56 名参与者的 769 条任务记录——参与者把约三分之一的已完成 AI 协作任务评为「没有 AI 就无法完成」。
模型卡联系区给出的 GitHub 仓库名仍是 Atria-Dawn-Preview，项目另有官方 X 账号 @AtriaASI。截至发稿（北京时间 10 月 27 日 21 时前后），宣布帖获得 129 个赞、10,465 次浏览、53 次收藏；ModelScope 页面显示的累计下载为 29 次。发布材料没有附上独立第三方的复测结果。