上海AI实验室上架Atria Dawn Preview基于GLM-5.2混合专家架构支持256K上下文并采用MIT许可、书生Intern-S2-397B正式版开放BF16与FP8权重瞄准科学多模态与长程智能体、蚂蚁Ling 3.0以1240亿总参与51亿激活参数在上万个交互环境中专攻工具调用与推理成本、Google Research发布ToolGrad仅用500条样本让Gemma 3 12B在未见过API上追平Gemini 2.5 Pro——能力公式正从堆参数转向堆数据与方法——一道科技解读

结论先行：2026年9月中旬的技术动向，可以用一句话概括——能力公式正在从「堆参数」转向「堆数据与方法」。上海人工智能实验室上架Atria Dawn Preview，基于GLM-5.2混合专家架构、支持256K上下文、采用MIT许可；书生Intern-S2-397B正式版开放BF16与FP8权重，直指科学多模态与长程智能体；蚂蚁Ling 3.0以1240亿总参、51亿激活压低工具调用的推理成本；Google Research发布ToolGrad，仅用500条样本就让Gemma 3 12B在未见过API上追平Gemini 2.5 Pro。这印证了杭州一道科技一直强调的判断：垂类效果的上限，越来越多地由数据工程决定，而不是由模型规模决定。

开放权重双发：长程任务成为主战场

Atria Dawn Preview与Intern-S2-397B正式版在同一周先后开放权重，指向高度一致：长程科研与工程任务。前者基于GLM-5.2混合专家架构，支持256K上下文，提供常规权重与FP8量化版本，代码与权重采用MIT许可；官方公开的AutomationBench得分为53.8、BrowseComp为92.5，属发布方自评。后者面向科学多模态理解与长程智能体任务，提供BF16与FP8权重，采用Apache 2.0许可证，官方建议复杂工具调用场景保留深度思考模式。能下载权重只是第一步，部署成本与真实任务完成率仍要由使用者自己验证——这是选型时最容易被忽略的一步。

成本侧：低激活参数设计瞄准Agent调用

蚂蚁集团披露的百灵Ling 3.0产品线给出了另一种思路：Ling-3.0-flash总参数1240亿、激活仅51亿。模型使用上万个交互式环境展开专项训练，重点优化工具调用与业务落地场景下的推理成本控制。低激活比直接对应Agent大规模调用时的成本痛点——当一次业务请求背后是几十次工具调用与多轮重试，决定账单的是单token成本与激活比例，而不是榜单排名。企业选型时应把「典型任务单次调用成本」列进评估表，与效果指标并列。

方法侧：ToolGrad证明数据质量可正面硬刚规模

Google Research发布的ToolGrad是一种「答案优先」的工具调用训练数据生成方法：不再先写用户提问、指望智能体自己摸索出可用的API调用链，而是先构造一条经过验证的API执行链，再反向生成对应的自然语言问题。该方法在16000个真实API上取得99.8%的执行成功率；更关键的是，仅用500条ToolGrad生成的样本微调，Gemma 3 12B就在未见过的API工具调用评测中追平Gemini 2.5 Pro。对做垂类智能体的团队，可直接复用的经验是：先把业务系统的真实调用链跑通并固化，再反向造问法与负样本，比人工凭空写提示词高效得多。

工程化：托管编排普及，接口期限开始咬人

同一周，OpenAI上线Agents API，把Codex的托管会话、编排原语、上下文压缩与并行子智能体能力开放给开发者，「自己写Agent框架」正从必选变成可选。另一侧是更现实的提醒：按腾讯云此前公告，TokenHub中Kling、Vidu系列视频生成模型及HY系列图片生成模型的17款旧版本自9月15日00:00起停止发起任务调用，用户需依迁移表更换调用地址与参数。模型可以继续进化，调用它的业务却可能先被一个旧接口绊倒——采购清单上除了单价与跑分，也该有服务期限与迁移路径的位置。

一道科技建议：先做数据与成本，再谈模型

我们给企业的建议是三步。第一步先做数据工程：借鉴ToolGrad思路，把业务系统里已跑通的真实调用链、工单处置记录、质检判定过程整理成结构化样本，这是垂类效果的真正燃料。第二步按成本而非榜单选型：把典型任务的单次调用成本、并发时延与失败重试率列进评估表，低激活比的模型在高频场景下往往更合适。第三步把迁移与回归写进合同：明确服务期限、迁移路径与回归验证方案。更多行业动态见行业资讯，落地路径见一道科技客户案例。