744B模型跑分曝光：网安86.5登顶，软件工程却输给Opus
当全网都在用聊天框把Agent当玩具玩的时候，上海人工智能实验室放出了一个纯文本大模型——Atria Dawn Preview。官方号这两天刚在X上低调露头，账号是@AtriaASI。 它交出来的四个东西，跨了动画、工业建模和交互三个领域：一只踩着自行车往前蹬的白鹈鹕、一枚自己揪出装配错误的长征七号、一架能剖开看起落架的战斗机，还有一个能把你玩爽的火灾逃生训练场。 这四个八竿子打不着的东西，全由同一个纯文本大模型交出来。看完官方回放和实测，我对代码Agent的认知被直接推翻了——这代差拉得确实狠。 先看那只鹈鹕骑车 丢给它一句话需求、没给任何素材，它直接甩回来一个单文件网页。零外部图片、零外部依赖库，双击丢进浏览器直接开骑。 手搓的简易IK逆向运动学让蹼足跟着曲柄自然弯伸，喉囊里的小鱼还顺着重力晃，按空格能停。系统切到减少动态效果，它还老老实实给了静止回退态。这种前端老手都未必记得写的无障碍细节，它一次成型全带上了。 后面三个是官方对过的回放和实机成品，不是我从零跑出来的。但正因为是官方素材，才更看得出它真正的野心。 三个官方回放，三种硬核交付 长征七号CAD这个案例，它不是画个像火箭的外壳，而是先上网查结构，再参数化出一整棵STEP装配树，一级二级、贮箱、尾裙全能拆开。 最绝的是它自己抓出一个组装错误：一个公共函数在闭合型面时把半径当成了高度，十台发动机凭空多出六万多立方毫米的假碰撞。这种错拓扑合法、布尔也闭合，普通检查直接放行，它硬是靠喉口位置一点点比对把坑挖出来，修完再验： 147处检查，失败为零 。 现代战斗机CAD走的是科研式协同改稿。按九个子系统铺开零件清单，标清哪些自己建模、哪些是外购件，把十一个零件批量生成再逐个校验。 中途人打断它，指出上一版把后起落架舱门弄丢了，它就倒回去改铰链、调开门角度，确认 66处装配互不干涉 ，再藏掉机身露出起落架、切线框拉起飞仿真。这不是一锤子抽卡，是被人打断了还接得住、改得动。 火灾逃生3D是单文件就能打开的第一人称训练场。七楼夜间失火，查门温、打湿毛巾、低姿过走廊、关燃气、到阳台用缓降器。湿毛巾得先开水龙头打湿且只能顶一阵，靠火太近热辐射真扣血，走错一步结算时一条条复盘扣分再给安全评级。 它厉害的不是会做游戏，是交出来的东西能被你亲手玩砸。 底层是同一套逻辑 四个东西看着跨了动画、工业建模和交互，底层其实是同一套逻辑：模型在脑子里推理，Harness像项目经理一样盯死任务状态和失败重试，真实环境充当那个不留情面的考场。 代码语法对根本不算完，文件在不在、几何对不对、事件监听通不通，全在环境里验过、拿到外部绿灯，它才交差。 而且这不是靠几个Demo唬人，官方跑分图里看得明明白白： 最考验Agent自主干活的AutomationBench，它冲到 53.8 ，表内最高； 网安CyberGym拿下 86.5 ，登顶； 纯软件工程的SWE-Bench Pro，它只有 59.6 ，明显落后Claude Opus 5的 74.7 机器学习跑分MLE-Bench上，也被一线闭源压着半头。 看懂这个落差，反而彻底把它的真实定位说透了：它赌的从来不是谁裸写算法题更溜，而是谁能端到端把一件复杂任务办成、还能在真实环境里自己验证交差。 反差最大的其实是团队背景 底座在 744B的MoE 上训练，代码和权重宣称按 MIT协议开源 。而研发主力约三分之二是上海人工智能实验室联合复旦、中科院软件所、人大、中科院自动化所、华东师大和哈工大等中国知名高校的在校学生，复旦副教授桂韬带队。 一群还在读书的人，在做给科研工作者用的智能体。96个研发人员里65个是在校学生，学生组长占了70%。 几盆冷水必须提前浇透 CAD回放不等于工业适航认证，火灾网页不等于消防权威资质，单次受限Demo更不等于你随手一句就能造出火箭。 它是纯文本模型，画面全是代码算出来的。虽然开源协议挂上了，但目前权重文件和本地部署还没就绪，别急着本地折腾，实测先走API。 但抛开这几个炸裂的画面，真正让人感受到那种无声压迫感的，是它挑明的这件事：大模型靠字迹工整、吐一段漂亮代码骗及格分的时代，正在彻底过去。 下一道分水岭不是谁说话更像人，而是谁交出来的东西，真的能打开、能检查、能改、能被外部环境验证。 特别
