Atria Dawn 是什么？744B 智能体模型实测跑分

Atria Dawn 是什么：它是上海人工智能实验室研发的新一代智能体大模型预览版，基于 744B 参数的 MoE 基座 GLM-5.2 训练，上下文 256K，权重以 MIT 许可开放下载。

事实来源：Hugging Face 官方模型卡（2026 年 9 月 16 日最后更新）、arXiv 论文 2609.15818、GitHub 仓库。

一句话定义：Atria Dawn 是什么

官方模型卡的表述是，它面向需要持续理解环境、调用工具并完成多步任务的研究与工程场景，目标是把开放性问题推进成可执行、可验证、可复现的结果。

它要参与的是完整闭环：问题分析、方案设计、工具调用、代码实现、实验执行、结果分析，以及失败后的恢复。

发布形态有两个版本，Instruct 版和 FP8 量化版，上下文都是 256K。仓库里有 353 个 safetensors 分片，说明这是实打实的大参数模型，不是小尺寸尝鲜版。截至 2026 年 9 月 19 日，Hugging Face 上显示 711 次下载、168 个赞。

四个能力维度

官方把能力拆成四块，重点压在科研自动化与办公这类真实生产力场景。

跑分：强在哪，弱在哪

官方给了 16 项基准成绩，和 DeepSeek V4 Pro 0813、KIMI K3、Qwen 3.8 Max、GLM 5.3、GPT-5.6 sol、Claude Opus 5 同场对照。挑几项最能说明问题的：

读法是：检索、工具调用、自动化和安全这几条线上它排第一；一旦进入真实软件工程，差距就露出来了，SWE-bench Pro 比 Claude Opus 5 低约 15 分，Terminal-Bench 2.1 低近 12 分。

换句话说，它更像为研究和自动化交付设计的模型，不是为替你改完整个仓库设计的模型。选型时先想清楚这一点，比看总分更有用。

和 GLM 系、Claude 系的关系

最容易混的是它和 GLM 的关系。基座是 GLM-5.2，但训练目标和数据是为智能体任务重做的，不能当成 GLM-5.2 换皮。官方对比表里同时列了 GLM 5.3，说明它把 GLM 系当参照物，而不是同一个产品线。

和 Claude Opus 5 的关系更像分工：Anthropic 那条线继续在编码与终端任务上领先，Atria Dawn 在深度检索、工具调用和安全验证上更强。站内 Anthropic MHS 是什么 讲了另一条模型进入物理世界的路径，可以对照着看；想先了解国产大模型的节奏，GLM-6.0 是什么 是更早的一手信息。

上手路径：国内和海外两套入口

官方给了三条路。

1. 调用线上服务：海外用 api.atria-asi.ai，国内走 discovery.intern-ai.org.cn 的 token plan 页面申请。
2. 接进现有编程工具：模型卡给了 Codex、Claude Code、Kimi Code 三套配置示例。Kimi Code 走 OpenAI 兼容的 Chat Completions，需要显式声明 max_context_size 为 256000、max_output_size 为 65536。
3. 本地部署：SGLang 需 v0.5.13.post1 以上，vLLM 需 v0.23.0 以上，官方指向的参考文档是 GLM-5.2 的 cookbook 与 recipes。

想先用免费 API 练手再决定要不要切，可以看站内 Union Alpha 是什么。

使用前必须知道：它只吃文本

模型卡里有一条容易被忽略的限制：Atria-Dawn-Preview 只接受文本输入，不是多模态模型。

如果你在 Codex 里用 -i 传图片，接口会直接返回 400，提示它不是多模态模型。官方给的解法是在模型目录文件里声明 input_modalities 为 text，让客户端自己剥掉图片输入；在 Claude Code 里则用 PreToolUse 钩子拦住 Read 工具读取 PDF 和图片。

另一个实际问题是部署门槛。官方没有公布最低显存要求，只给了框架版本，落地前建议先按 SGLang cookbook 上的 GLM-5.2 配置估算硬件，再决定是自建还是直接调线上接口。