一句话看懂：一支包含复旦大学研究者的团队复盘了自家 7440 亿参数大模型 Atria Dawn Preview 的开发过程，发现 AI 承担了 96.5% 任务中的执行工作，但目标与方法的最终决定权仍有 85% 以上握在人类手里。
事件核心：发生了什么
该团队分析了 56 名参与者留下的 700 多条任务日志，以及他们所用 AI Agent 的日志。整个项目围绕 Atria Dawn Preview 展开，这是一款基于混合专家（MoE）架构、7440 亿参数的智能体语言模型，面向研究与工程任务，训练流程把每项任务接到真实执行环境中，调用工具、生成中间结果，并用测试、指标或外部证据来校验。团队称其在 16 项基准中领先 5 项（含网络搜索、网络安全方向），但整体并未领先对手——在 AutomationBench、CyberGym、MLE-Bench Lite 上占优，在 GDPval 和 SWE-Bench Pro 上落后。
几个关键数字：AI 参与了 96.5% 的任务；四周内，人类每次输入对应的 Agent 动作中位数从 11 升到 28.5；455 项 AI 辅助完成的任务中，有 151 项被参与者判定为没有 AI 就做不到，占比约三分之一，且分布在 56 人中的 27 人，并非少数重度用户撑起来的。决策层面，方法类选择最典型的模式是”AI 提议、人来选”（55.4%），人类拿下 85.5% 的方法与参数最终决定权，AI 仅 9.2%；目标与范围上，人类最终拍板比例达 93.4%。
为什么重要
这组数据对”Agent 马上会自主开发模型”的叙事是一记降温。Agent 动作数暴增，表面上像自主性上升，但团队提醒这更像是”一个人类决策触发了更多机器步骤”，而非 Agent 自己做了更多决策。出问题时的分工也能说明问题：588 项记录到困难的任务中，76% 靠人类介入推进，其中 35.2% 是补充上下文或澄清需求，34.7% 是诊断问题并换方法，人类亲自上手只占 3.2%、完全接管仅 0.7%。真正的瓶颈是判断力，不是执行力。这对评估 AI 研发管线的真实自动化程度、以及 Agent 产品的定位，都有直接参考价值。
对用户/开发者/创作者的影响
对开发者，这意味着把 Agent 当”执行放大器”比当”决策替代品”更现实：值得投入的是任务环境搭建、外部校验信号（测试、指标、证据链）和人类复核节点，而不是过早砍掉人工评审。对企业采购，衡量 Agent 价值的指标应从”替代了多少人”转向”让多少原本做不了的任务变得可行”。对创作者和研究者，AI 提案能力强、拍板能力弱的格局短期内不会变，人仍需负责目标设定、方案筛选和结果验收。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Atria Dawn Preview 是否公开权重或开放 API，决定这套协作方法论能否被外部复现；二是”Agent 动作/人类输入”比值继续上升后，会不会出现决策权同步转移的拐点；三是团队提到的第四阶段——递归自我改进，目前公开信息显示仍是开放问题，一个模型能训好自己的任务，未必能设计出更强的继任者。
