Shanghai AI Lab open-sources 744B Atria Dawn Preview agentic model and 16-benchmark report
Shanghai AI Lab on September 14 published the technical report for Atria Dawn Preview, a 744B MoE agentic model post-trained on Zhipu GLM-5.2 under the MIT license, leading the lab's 16-benchmark table on five rows including AutomationBench and BrowseComp.
上海人工智能实验室（Shanghai AI Laboratory）于 9 月 14 日向 arXiv 提交 Atria Dawn 技术报告，正式公开这款代号为"Atria Dawn Preview"的智能体大模型。
模型基于智谱 GLM-5.2 MoE 底座后训练而来，总参数 744B，在 Hugging Face 与 ModelScope 提供标准 Instruct 与 FP8 量化两个权重，均采用 MIT 协议，可商用、可二次分发，无地域或用量限制。
Atria Dawn 主打"可验证经验管道"（Verifiable Experience Pipeline）训练范式：每一个训练任务都接入真实可执行环境，模型观察状态、选择工具、读取返回值，再根据外部信号（测试是否通过、指标是否达标、文件状态是否正确等）评估结果。该设计直接回应了主流"智能体靠提示词外挂工具调用"路径中"工具输出从未被真实环境验证"的痛点。
模型面向长链路研究类与工程类任务，包括：深度研究与搜索（Discovery）、软件与应用开发（Creation）、结构化成果交付（Delivery）、以及授权环境下的网络安全分析（Cybersecurity）。文本输入与文本输出，256K 上下文窗口，官方推荐至少 8 张 H200 级别 GPU 才能本地推理。
在官方给出的 16 项基准评测对比表中，Atria Dawn Preview 在 AutomationBench（53.8）、BFCL v4（77.0）、CyberGym（86.5）、DeepSearchQA（96.0）与 BrowseComp（92.5）五项上拿到对比表最高分。与此同时，模型在 SWE-bench Pro（59.6 对比 Claude Opus 5 的 74.7）、Terminal-Bench 2.1（78.3 对比 90.2）等典型软件工程类基准上明显落后，呈现出鲜明的"长程研究强、工程交付弱"的轮廓。
实验室在论文中同步披露了一份人-AI 协作研究：来自 56 位真实参与者的 769 条任务记录显示，约 33.2% 的 AI 辅助任务被参与者认为"没有 AI 就根本做不出来"，而非"更慢"或"更费劲"。