上海 AI 實驗室靜默發佈 Atria Dawn Preview：開源代理 AI 的重大突破
低調發佈，高調性能
2026年9月11日，上海人工智能實驗室（Shanghai AI Laboratory）在沒有正式新聞稿、沒有博客文章、沒有定價公告的情況下，悄然在 GitHub 和 Hugging Face 上發佈了 Atria Dawn Preview——一個擁有 744億參數的開源代理混合專家（MoE）模型。
次日（9月12日），實驗室又發佈了 FP8 量化版本，進一步降低了部署門檻。
這種「靜默發佈」的方式在 AI 領域並不罕見，但 Atria Dawn 的規模和性能聲明立即引發了全球 AI 社區的廣泛關注。
技術架構：GLM-5.2 的代理進化
Atria Dawn Preview 建立在智譜 AI 的 GLM-5.2 基礎模型之上，採用稀疏混合專家架構：
| 技術規格 | 詳情 |
|---|---|
| 總參數量 | 744億（744B） |
| 架構類型 | 稀疏混合專家（Sparse MoE） |
| 每 Token 激活專家數 | 8/256 |
| 模型層數 | 78層 |
| 上下文窗口 | 100萬 Token（部分文檔標注256K） |
| 授權協議 | MIT（完全開源） |
| 存儲需求 | BF16版本約1.5TB；FP8版本約756GB |
| 模態支持 | 純文本（分詞器含多模態標記但不支持視覺/音頻） |
模型採用「GlmMoeDsaForCausalLM」配置，在78層中每個 Token 從256個專家中路由激活8個，這種稀疏激活設計在保持高性能的同時顯著降低了推理成本。
基準測試：代理任務的強勁表現
上海 AI 實驗室在16個基準測試中報告了 Atria Dawn Preview 的性能，在代理和工具使用相關任務上表現尤為突出：
優勢領域（供應商自報數據）
| 基準測試 | 得分 | 說明 |
|---|---|---|
| BrowseComp | 92.5 | 網絡瀏覽和信息檢索 |
| DeepSearchQA | 96.0 | 深度搜索問答 |
| CyberGym | 86.5 | 網絡安全任務 |
| BFCL v4 | 77.0 | 函數呼叫能力 |
| Terminal-Bench 2.1 | 78.3 | 終端操作能力 |
相對弱項
| 基準測試 | 得分 |
|---|---|
| SWE-bench Pro | 59.6 |
| AutomationBench | 53.8 |
| JobBench | 50.3 |
重要提示：截至2026年9月中旬，上述所有數據均為供應商自報，尚未經過 Artificial Analysis、BenchLM 等獨立機構的第三方驗證。BenchLM 已追蹤該模型但因獨立評估覆蓋不足而未給出公開排名。
「可驗證體驗管道」：代理訓練的新範式
Atria Dawn 的技術報告《Atria Dawn: The Dawn of Agentic Superintelligence》由143名研究人員共同撰寫，其中約三分之二為在校大學生。
報告的核心創新是**「可驗證體驗管道」（Verifiable Experience Pipeline）**：
- 工具介導的交互：模型通過工具與可執行環境交互
- 可重現性保障：每個步驟都連接到可執行環境，確保結果可重現
- 循環優先設計：模型被訓練為「分析→設計→執行代碼→迭代」的循環模式，而非單次推理
這種設計哲學與傳統的「單次問答」模型截然不同，更接近人類工程師解決複雜問題的方式。
開發過程中，56名參與者與模型協作完成了769個任務，這些真實任務的完成記錄成為模型訓練的重要數據來源。
部署考量：自托管的挑戰與機遇
Atria Dawn Preview 主要面向自托管場景，這對企業和研究機構既是機遇也是挑戰：
機遇
- 完全數據主權：所有推理在本地完成，無需將數據發送至第三方服務器
- MIT 授權：可自由商業使用，無需授權談判
- 可定制性：可根據特定領域需求進行微調
- 成本可控：一次性硬件投入，無按量計費
挑戰
- 硬件要求高：BF16版本需約1.5TB存儲，FP8版本需約756GB
- 運維複雜度：需要專業的 MLOps 團隊維護
- 性能未獨立驗證：企業在生產部署前需自行評估
上海 AI 實驗室提供了 OpenAI 兼容的 API，但主要定位仍是自托管。
與競爭對手的比較
Atria Dawn Preview 在代理任務上的設計定位使其與其他開源模型形成差異化：
- vs Qwen 3.8 Max：Qwen 依賴更高的激活參數數量，在通用推理上更強，但代理任務設計不如 Atria 專注
- vs Grok 4.6：Grok 在數學和科學推理上更強，但 Atria 在網絡瀏覽和工具使用上更具優勢
- vs GLM-5.2：Atria 是 GLM-5.2 的代理優化版本，在代理任務上有顯著提升
對亞太 AI 生態的意義
Atria Dawn Preview 的發佈對亞太地區 AI 生態具有深遠意義：
中國開源 AI 的持續崛起
繼 DeepSeek、Qwen 之後，上海 AI 實驗室再次展示了中國在開源 AI 領域的強大實力。MIT 授權的選擇表明中國 AI 機構正在積極融入全球開源生態。
亞太企業的本地化部署機遇
對於日本、韓國、新加坡、澳大利亞等亞太國家的企業而言，一個高性能的開源代理模型意味著：
- 可以在本地數據中心部署，滿足數據主權要求
- 可以針對本地語言和業務場景進行微調
- 無需依賴美國雲服務提供商
學術研究的新基準
744B 參數的開源模型為亞太地區的 AI 研究機構提供了前所未有的研究平台，可以深入研究大規模 MoE 模型的內部機制。
待解問題與未來展望
儘管 Atria Dawn Preview 令人印象深刻，但仍有幾個關鍵問題有待解答：
- 獨立驗證：Artificial Analysis 等機構何時會發佈第三方評估？
- 多模態支持：分詞器中的多模態標記是否預示著未來版本將支持視覺和音頻？
- 商業版本：是否會推出性能更強的商業版本？
- 微調生態：社區是否會圍繞 Atria Dawn 建立豐富的微調模型生態？
結語
Atria Dawn Preview 的靜默發佈或許是2026年 AI 領域最重要的「低調時刻」之一。一個擁有744億參數、MIT 授權、專為代理任務優化的開源模型，正在挑戰閉源前沿模型的主導地位。
對於亞太地區的企業和研究機構而言，現在是深入評估 Atria Dawn 的最佳時機——在獨立驗證結果出爐之前，謹慎評估，但保持高度關注。
