行业动态 › 正文

2026-10-29开源模型 · 长上下文

744B、512K、MIT:完整的权重也放出来了——编码榜它仍比闭源差 15 分

继预览版之后,这个以「长程智能体」为卖点的国产模型把完整权重、FP8 版和技术报告全放了,许可还是 MIT。看分之前先看清一件事:它强的是「长上下文里的长活儿」——科研、办公、安全审计这类要一口气读完几十万字的事;纯编码,它自己给出的对照表也承认还差闭源一个身位。

一、模型卡自报了什么

以下全部是厂商模型卡口径(含对照列),非独立评测;「较预览版 +7.2」等提升幅度同样出自其对照表:

评测项自报分数对照闭源
CyberGym(安全)86.8—
SWE-bench Pro61.7Claude Opus 5 为 76.5
Terminal-Bench 2.181.0同项闭源 90.2
WideSearch / BFCL V4 / JobBench84.6 / 78.4 / 57.5长上下文检索与工具调用类

二、跑在本地要备什么

  • 底座是 744B MoE(GLM-5.2),权重体积决定了这是多卡服务器级的活,消费级单卡不在讨论范围;
  • 推理侧要 SGLang v0.5.13.post1+ 或 vLLM v0.23.0+,托管接口为 OpenAI 兼容;
  • 上下文标称 512K——引用上下文数字时把「模型卡标称」与「引擎实测窗口」分开写,前者不等于后者。

三、什么活适合它,什么活先别

适合:一份卷宗/一批标书几十万字起步、要一次性读完再干的活;对安全类长程任务,CyberGym 86.8(自报)至少值得进你的复测清单。

先别:把闭源编码助手整体替换掉。它自己的对照表写着 61.7 对 76.5——差 14.8 分的不是态度,是题分。

MIT 好许可,不等于你的场景就够

四条:

  • 所有自报分进对比表时带「模型卡口径」标签,与榜单快照(如 v5)分栏,不许互算;
  • 先复测你的人物:卷宗问答、长标书比对,用你自己的题集出你自己的数;
  • 512K 是标称——上线前在你的引擎里实测有效窗口与掉速点,写成验收条款;
  • 「上线时点各信源矛盾」本身是教训:把权重实际可用日期写进合同附件,别引用新闻日期。

来源:DAMO 开发者矩阵、explainx 等对发布日的转述(互有出入)与模型卡自报数据;均非独立评测。 本文仅转述公开报道,不评判任何企业与产品,不构成投资建议。

返回行业动态列表(共 127 条)→

512K 是不是真有用,用你的长文档测一次就知道。

把你的真实卷宗/标书样本给我们,在你的内网跑一遍长上下文实测,输出与耗时全程可复跑。

本页可引用 引用或转载请保留来源链接与日期,下面两行可直接复制:
「744B、512K、MIT:完整的权重也放出来了——编码榜它仍比闭源差 15 分」,机悟 JAVIS,2026-10-29,https://jiwu.org.cn/news-2026-10-29-atria-dawn-full-weights.html
Markdown:[744B、512K、MIT:完整的权重也放出来了——编码榜它仍比闭源差 15 分](https://jiwu.org.cn/news-2026-10-29-atria-dawn-full-weights.html)(机悟 JAVIS,2026-10-29)