新闻详情

新闻详情

首页 / 资讯中心 / 详情

上海AI实验室开源744B巨兽:官方API直接白嫖,我实测了一晚上

发布时间:2026/11/14 20:14:39来源:尧图网络
上海AI实验室开源744B巨兽:官方API直接白嫖,我实测了一晚上
先说结论9 月 14 日上海人工智能实验室就是做书生 InternLM 那家悄悄开源了一个 744B 参数的 MoE 大模型Atria-Dawn-Preview主打长时程智能体任务官方论文标题直接叫《Atria Dawn: The Dawn of Agentic Superintelligence》。更香的是官方 API 就在你手里能注册到的 console 上OpenAI 兼容协议注册就送 token 额度。我拿它实测了一个晚上编码任务一次通过token 用量省得离谱。这篇讲清楚三件事这模型到底什么水平、怎么三步白嫖接入、以及两个你在别处看不到的实测槽点。这模型什么来头先把硬参数摆出来项目参数参数规模744B MoE每个 token 约激活 40B底座GLM-5.2 继续训练上下文256K最大输出65536 token推理方式推理模型自带思维链输入纯文本不支持图片开源协议MIT权重全部放出几个数字感受一下它的定位官方自测BrowseComp92.5、DeepSearchQA96.0、CyberGym86.5、BFCL v477.0——深度调研和智能体任务直接对标 GPT-5.6 / Claude Opus 5 第一梯队。官方演示里它在禁用联网的环境下自己搭了一个 4 亿参数的气象模型1 分钟预测一周全球天气还能在 20 分钟里手搓一个操作系统。短板也很清楚SWE-bench Pro 只有 59.6明显落后 Claude Opus 5 的 74.7。翻译成人话搞调研、跑长任务、做安全分析它是第一梯队纯写大型工程代码别指望它替代 Opus。发布才两周第三方独立评测还很少上面的数字以官方口径为准——但下面这部分是我自己测的。白嫖教程三步接入官方 API 是 OpenAI 兼容协议任意支持自定义 base_url 的客户端都能直接用。第一步注册领额度。打开api.atria-asi.ai/console谷歌账号直接登录。社区有博主晒出登录后领到约 1 亿 token 的初始额度我自己的账号测试了好几天还没见底——这羊毛目前是真实存在的。第二步创建 API Key。进 console 的 Keys 页面新建一个 key格式是atr_开头。第三步接入任意客户端。base_url 和模型名就两个base_url: https://api.atria-asi.ai/v1 model: Atria-Dawn-Previewcurl 一发就能跑curl https://api.atria-asi.ai/v1/chat/completions \ -H Authorization: Bearer atr_你的key \ -H Content-Type: application/json \ -d {model:Atria-Dawn-Preview,messages:[{role:user,content:hi}]}编程工具接入也一样ZCode、Codex、Claude Code、Kimi Code 官方文档都给了现成的接入配置选 OpenAI 兼容协议、填上面两个参数就行。⚠️ 一个坑先说它是纯文本模型别传图我试了直接 400 报错 not a multimodal model。实测数据好话和坏话都说▍延迟波动大这是最大的槽点我用脚本对官方端点做了多轮流式探测每轮发一条hi记录首字延迟轮次首字延迟第 1 轮6.7s第 2 轮6.7s第 3 轮4.8s第 4 轮42.9s第 5 轮68.0s第 6 轮61s 超时好的时候 5 秒内出字差的时候一分多钟才见到第一个字节。判断很简单新模型 免费额度 全网都在薅算力排队严重。拿它跑批处理、长任务完全没问题排队无所谓对首字延迟敏感的场景要有心理预期。▍编码实测一次通过10/10我给它出了一道经典题写一个括号匹配函数要求只输出代码块。它的表现首字 30.9s总耗时 41s含思考只用了 218 个 token其中思维链才 75 个 token产出的代码干净利落字典映射 栈一次成型我把代码跑了一遍 10 个测试用例含空串、交叉嵌套、未闭合等刁钻情况() 期望 True 实得 True ✅ ()[]{} 期望 True 实得 True ✅ (] 期望 False 实得 False ✅ ([)] 期望 False 实得 False ✅ {[]} 期望 True 实得 True ✅ ((( 期望 False 实得 False ✅ )) 期望 False 实得 False ✅ 期望 True 实得 True ✅ ([{}]) 期望 True 实得 True ✅ (() 期望 False 实得 False ✅10/10 全过代码零修改。思维链只有 75 个 token说明它不是那种思考 2000 字才动手的费 token 型推理模型。▍额度实测我用官方 API 跑了两天测试模型探测 编码任务 各种调试请求额度余量依然充足。配合免费额度个人开发者把它当调研专用免费模型完全够用。三个结论第一梯队的智能体能力 MIT 全开源 官方 API 送额度这三个组合目前独一份值得占坑延迟波动是最大硬伤——薅羊毛之前想清楚你的场景怕不怕排队接入成本几乎为零OpenAI 兼容 注册即用建议先领额度再说羊毛不知道薅到什么时候。发布两周第三方评测还很少我后面会持续实测更新。你在用了吗评论区聊聊体验。实测时间 2026-09-26 晚数据以当日为准。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉