同一个通宵实验，两位研究者各做一次：丢给模型一个乱糟糟的研究问题，看它能否规划、检索、跑代码、做分析、写出哪里出了错。一个人把每一步中间结果都发给别人托管的服务，祈祷条款别变；另一个人把权重下载到本地，谁也管不着他。直到不久前，第二个人还得接受一个明显更弱的模型。
上海人工智能实验室想抹掉这道取舍。9月的预览版之后，实验室已公开智能体大模型（大模型）Atria Dawn 的完整权重——面向「把开放性问题变成可执行、可验证、可复现结果」的场景，许可证是 MIT，除了保留署名几乎不设任何使用限制。
它到底提供了什么
- 基座是 744B 参数的混合专家（MoE）模型 GLM-5.2，上下文长度 512K token，是预览版 256K 的两倍；
- instruct 与 FP8 两套检查点已上架 Hugging Face（internlm 组织）与魔搭社区，MIT 许可；
- 官方自报评测中，AutomationBench、CyberGym、SkillsBench、WideSearch、BFCL V4 均为其对比表中最高分，纯编码基准则落后于 Claude Opus 5；
- 本地部署需要多卡服务器，仅权重就有约 753 GB。
「智能体」这个词现在什么都能贴，所以值得说清楚这个模型被训练去闭合的到底是什么。官方模型卡描述的是一个完整闭环：分析问题、设计方案、调用工具、写代码并运行、执行实验、读取结果、从故障中恢复。四个能力维度组织这些工作——发现（证据检索与深度研究）、创造（软件、应用、游戏、数据可视化、机器学习系统）、交付（把文档和数据变成报告与演示文稿）、网络安全（在授权环境中验证漏洞、修复并复验）。
这个定位是有原因的：长程智能体负载对模型的压力方式和聊天评测完全不同。大量工具调用把上下文撑得很长，多步任务惩罚那些几十轮后就丢线索的模型。744B 的 MoE 基座加倍的 512K 上下文，正是冲着这种负载形态去的。输入仅支持文本，截图类工作流用不了，但部署因此更简单。
数字本身，以及数字是谁出的
先说结论：以下全部是厂商自报。在实验室自己的对比表里，Atria Dawn 在 AutomationBench 拿 54.7、CyberGym 86.8、SkillsBench 67.8、WideSearch 84.6、BFCL V4 78.4，都是该表最高分，对比对象包括 DeepSeek V4 Pro、Kimi K3、Qwen 3.8 Max、GLM 5.3、GPT 5.6 sol 与 Claude Opus 5；MLE-bench Lite 为 88.2。
编码是它诚实的短板：SWE-bench Pro 61.7，对照 Claude Opus 5 的 76.5（Qwen 3.8 Max 65.3、Kimi K3 62.0）；Terminal-Bench 2.1 为 81.0，对照 Opus 5 的 90.2；仓库级代码生成 NL2Repo-Bench 只有 50.0，差距最大。实验室没有回避这些——同一张模型卡既列自动化能力的领先，也公布编码的落后，这份坦白在发布说明里并不多见。
权重公开之后，「厂商自报」这个保留意见是有保质期的：第三方评测机构现在可以在完整 512K 检查点上自己复跑这些基准，而不是只能信实验室的表。独立复测结果尚未出现，那才是这次发布真正的检验。
许可证那一行，比榜单更重要
MIT 许可可以说是整张模型卡里分量最重的一行：任何人是用、改、再分发、商用都只需要保留署名。对比近期一些采用非商业社区许可证的开源权重发布——研究者可以玩，企业却只能回到托管 API——一个 744B 的模型进入最宽松的许可档位，等于直接删掉了一整类法务谈判。
代价是硬件。753 GB 的 BF16 权重分布在 353 个文件里，本地服务需要多卡节点；FP8 版本可以省显存，官方支持 SGLang v0.5.13.post1 以上和 vLLM v0.23.0 以上，并给出 GLM-5.2 的部署指南。跑不动本地的团队可以用官方托管的 OpenAI 兼容接口（模型名 Atria-Dawn），模型卡还提供了 Codex、Claude Code 等编码智能体的自定义接入配置。
对海外读者，这是值得持续追踪的模式：前沿规模的智能体模型进入完全开放的许可证，竞争边界从原始能力移向信任与部署条款。据 BrainNet（脑机网）首席科学家 Li An 的判断，接下来一年要分出胜负的不是谁的参数最大，而是谁经得起审计——组织能检视权重、能在自己墙内运行、出了错能追责。
诚实的局限
- 全部评测为厂商自报，完整版的独立第三方评测尚未发布；
- 编码基准落后于前沿闭源系统（SWE-bench Pro 61.7 对 76.5），仓库级代码生成是最弱项；
- 仅支持文本输入，依赖读截图或界面的工作流不适用；
- 本地部署门槛极高，753 GB 的权重远超工作站级硬件，FP8 也不让它变成消费级可玩；
- CyberGym 的 86.8 分测的是授权测试环境里的漏洞工作，真实世界安全表现未经验证——而且下载到手的权重一旦被复制，就无法再打补丁或撤回。
普通人现在能做什么
- 有评测基础设施的团队，可以在公开检查点上复跑 SWE-bench Pro 和 AutomationBench 并公开配置——独立数字正是这次发布缺的那一块；
- 需要可审计智能体的组织，先测托管接口，再用 MIT 条款核算自建多卡节点的成本；
- 维护编码智能体技术栈的读者，模型卡已给出 Codex 与 Claude Code 的自定义接入配置，纯文本输入意味着可以省掉全部视觉链路。