AI大土豆
@suanwan
卧槽兄弟们，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，竟然全是由同一个纯文本大模型交出来的！！
它是上海人工智能实验室刚放出的Atria Dawn Preview，发现官方号这两天刚在X上低调露头@AtriaASI。
我把自己上机实测跑的单文件网页，和官方三个硬核回放剪在了一条视频里，看完直接推翻了我对代码Agent的认知，喵的这代差拉得真的太狠了！
先说我自己亲手跑的这只鹈鹕骑车：就丢给它一句话需求、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：
1️⃣ 长征七号CAD（自己抓组装错误）：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；
2️⃣ 现代战斗机CAD（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；
3️⃣ 火灾逃生3D（能被你玩砸的单文件）：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。
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；但转头看右下角纯软件工程的SWE-Bench Pro，它只有59.6，明显落后Claude Opus 5的74.7，甚至在机器学习跑分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。
更反差的是团队背景：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。
当然，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，真正让我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。
四个交付物里我自己最喜欢那只鹈鹕，被火箭自己抓bug惊到的，评论区举个手hh。
