Atria Dawn Preview: InternLM bringt still und leise ein agentisches Modell mit 744B Parametern heraus — Was im Repo wirklich steht

Die InternLM-Organisation des Shanghai AI Laboratory hat diese Woche still und leise Atria Dawn Preview auf Hugging Face veröffentlicht – eine Vorschau eines agentischen MoE-Modells mit 744B Parametern, das mit unter MIT-Lizenz stehenden Gewichten, einem 1M-Token-Kontextfenster und einer Benchmark-Tabelle mit Vergleichswerten zu DeepSeek V4 Pro, Kimi K3, Qwen3.8-Max, GLM-5.3, GPT-5.6 Sol und Claude Opus 5 daherkommt. Das Repository ging am 11. September 2026 online – drei Tage vor diesem Artikel –, ein begleitender FP8-Checkpoint folgte am 12. September, und der Anbieter hat das Modell bislang nirgendwo angekündigt: kein Blogbeitrag, kein Paper, keine Preisangabe, keine API. Was heute existiert, ist eine vollständig ausgefüllte Modellkarte und rund 1,5 TB offene Gewichte. Damit ist Atria Dawn Preview ein im Stillen veröffentlichter Release, und die interessanten Fragen sind, was sich anhand der Karte überprüfen lässt, was sie einem abverlangt, einfach zu glauben, und ob dies der erste Schritt zu einer größeren Atria-Familie aus dem Labor ist, das im Laufe des Jahres die Serien Intern-S2 und InternLumina veröffentlicht hat.

Die Karte ist die Ankündigung

Da es keine Ankündigung gibt, übernimmt die Hugging-Face-Karte die gesamte Kommunikation. Sie beschreibt Atria Dawn Preview als „eine Vorschauversion eines agentischen Modells der neuen Generation“, entwickelt vom Shanghai AI Laboratory, trainiert auf einem 744B-Parameter-MoE-Basismodell, und ausgerichtet auf „Forschungs- und Engineering-Szenarien, die kontinuierliches Umgebungsverständnis, Werkzeugnutzung und mehrstufige Aufgabenbewältigung erfordern“. Der Slogan – „Von Forschungsfragen zu verifizierbaren Ergebnissen“ – dreht sich darum, offene Probleme auf ausführbare, verifizierbare, reproduzierbare Ergebnisse hinzuführen, wobei das Modell Aufgabenziele und Umgebungsfeedback über Problemanalyse, Lösungsdesign, Werkzeugnutzung, Codeimplementierung, Versuchsdurchführung, Ergebnisanalyse und Fehlerbehebung hinweg kombiniert.

Die Karte organisiert diesen agentischen Umfang in vier Fähigkeitsbereiche, die jeweils auf End-to-End-Bereitstellung statt auf Chat ausgerichtet sind:

• Discovery — Evidenz abrufen und organisieren, Tiefenrecherche, Forschungsfragen in ausführbare Experimentpläne überführen

• Kreation — Erstellung von Software, interaktiven Anwendungen, Spielen, Datenvisualisierungen und Systemen für maschinelles Lernen

• Bereitstellung — Transformation von Dokumenten, Daten und Designanforderungen in Berichte, Präsentationen und andere strukturierte Ergebnisse

• Cybersicherheit — Analyse von Sicherheitsproblemen, Validierung von Schwachstellen, Anwendung von Korrekturen und erneute Validierung in autorisierten Umgebungen

Ebenfalls auf der Karte, aber unerklärt: eine Website (atria-asi.com), eine GitHub-Organisation (atria-asi), die das README spiegelt, und ein X-Konto (@AtriaASI). Das Suffix „ASI“ ist das einzige wirklich seltsame Detail – nichts auf der Karte verrät, was das Branding implizieren soll, und wir werden nicht mehr hineininterpretieren, als es das Repo selbst tut. Was sich wissen lässt, ist, dass dies ein eigener Codename für eine Produktlinie ist, getrennt von den Namen Intern-S2 und InternLumina, die das Labor das ganze Jahr über verwendet hat.

Was die Konfiguration tatsächlich sagt

Die Gewichte und die Konfiguration sind heute herunterladbar – womit eine leise Veröffentlichung aufhört, ein Gerücht zu sein. Der Architektur-String lautet GlmMoeDsaForCausalLM – dieselbe DSA-artige Sparse-MoE-Familie, die die GLM-Reihe verwendet, wobei die Konfiguration pro Token 8 von 256 gerouteten Experten über 78 Schichten routet (die Anzahl aktiver Parameter wird auf der Modellkarte nicht veröffentlicht; bei einem 744B-MoE dieser Form liegt sie im Bereich von mehreren Zehnmilliarden). Das Kontextfenster ist auf 1.048.576 Token eingestellt – volle 1M, passend zur Long-Context-Klasse, die das Labor in seinen anderen jüngsten Releases vorangetrieben hat. Der Tokenizer enthält Bild-, Video-, Audio- und Transkriptionsmarker, doch das Chat-Template sagt dem Modell ausdrücklich, dass es keine multimodale Eingabefähigkeit besitzt und dies sagen soll, wenn ihm Medien übergeben werden – betrachten Sie die Modalitäts-Tags daher als vererbte Infrastruktur, nicht als Anspruch auf Bild- oder Audioeingabe.

Die Gewichte erzählen die praktische Geschichte:

• Checkpoints — zwei: das Instruct-Modell in BF16/F32 und Atria-Dawn-Preview-FP8, ein FP8-quantisiertes Instruct-Modell

• Größe — die BF16-Version umfasst etwa 1,5TB verteilt auf 353 safetensors-Shards; die FP8-Version ist ungefähr 756GB

• Lizenz — MIT, sowohl für Code als auch für Gewichte, ohne Einschränkungsklausel auf der Karte — ungewöhnlich permissiv für eine Laborveröffentlichung dieser Größenordnung

• Verteilung — Hugging Face und ModelScope, englische und chinesische READMEs, ein Chat-Template und eine Generierungskonfiguration im Repository

• Hosting — auf der Karte sind keine Inferenz-Anbieter aufgeführt, und eine API wird nirgends erwähnt

Diese letzte Zeile ist wichtig für die Einordnung: Dies ist ein Weights-Release, kein Service-Launch. Wer Atria Dawn Preview heute ausführen möchte, muss etwa 756 GB (FP8) oder 1,5 TB (BF16) herunterladen und selbst bereitstellen – kein Anbieter-Endpunkt, keine Preisangaben, keine Quota-Seite.

Die Benchmark-Tabelle sorgfältig lesen.

Die Karte enthält eine Benchmark-Tabelle mit 16 Zeilen, die Atria Dawn Preview mit DeepSeek V4 Pro, Kimi K3, Qwen3.8-Max, GLM-5.3, GPT-5.6 Sol und Claude Opus 5 über Agentic-, Tool-Use-, Coding- und Research-Benchmarks vergleicht. Jede Zahl darin stammt vom Anbieter – das Labor hat die Evals durchgeführt oder in Auftrag gegeben, und keine davon wurde unabhängig reproduziert, da es noch keine unabhängige Evaluierung von Atria Dawn Preview gibt. Artificial Analysis liefert Stand heute keine Seite für das Modell. Die richtige Lesart ist also „So sagt der Anbieter, dass es abschneidet“, nicht „So schneidet es ab“.

Nachdem dieser Vorbehalt geklärt ist, sind die Highlights wirklich interessant. Atria Dawn Preview führt das aufgeführte Feld bei BrowseComp mit 92,5 an (gegenüber GPT-5.6 Sol mit 92,2 und Claude Opus 5 mit 90,8), bei CyberGym mit 86,5 (vor DeepSeek V4 Pro mit 83,3, GLM-5.3 mit 84,5 und GPT-5.6 Sol mit 83,6) und bei DeepSearchQA mit 96,0. Außerdem erzielt es bei BFCL v4 einen starken Wert von 77,0 – gegenüber DeepSeek V4 Pro mit 71,4 und Kimi K3 mit 69,1. Die Schwachstellen sind ebenso aufschlussreich:

• Terminal-Bench 2.1 — 78,3, deutlich hinter den 89,3 von Qwen3.8-Max und den 90,2 von Claude Opus 5, was darauf hindeutet, dass die Fähigkeiten als Coding-Agent noch nicht auf Flaggschiff-Niveau sind

• SWE-bench Pro — 59,6, vor DeepSeek V4 Pro (58,3), aber weit hinter den 74,7 von Claude Opus 5

• MLE-bench Lite — 86,2, was trotz des Discovery-Pitches hinter GPT-5.6 Sol (88,9) und Claude Opus 5 (88,0) zurückbleibt

• JobBench — 50,3, der niedrigste Wert unter den Modellen, die auf der Karte aufgeführt sind, und eine von mehreren Zeilen, in denen eine offene 744B-Vorschau schlechter abschneidet als die geschlossenen Flaggschiffe, neben denen sie aufgeführt ist

Die ehrliche Zusammenfassung: Die Modellkarte beansprucht echte Stärken bei Recherche-Retrieval, browserbasierten Aufgaben und Sicherheitsvalidierung, während die klassischen Zeilen zu Coding und Wissensarbeit im Mittelfeld liegen. Eine Vorschau, die sich keine Rosinen herauspickt, ist glaubwürdiger als eine, die alles gewinnt – doch nichts davon ist verifiziert, und ein Modell dieser Größenordnung mit dieser großen Evaluationsoberfläche verdient einen unabhängigen Blick, bevor jemand eine Pipeline darauf setzt.

Wo es in der InternLM-Reihe einzuordnen ist

Atria Dawn Preview erscheint mitten in einer ungewöhnlich geschäftigen Phase für das Labor. Das Vision-und-Wissenschafts-Flaggschiff Intern-S2-397B erschien am 13. September; es gehört derselben Familie an, deren kleinere Geschwister (Intern-S2, Intern-S2 Mobius) seit Mitte des Jahres veröffentlicht wurden, und das vision-orientierte InternLumina-U2 ging Anfang September online. Atria ist ein separater Codename, der auf allgemeine agentische Arbeit abzielt und nicht auf wissenschaftliche oder multimodale Spezialisierung – und anders als Intern-S2-397B, das eine Apache-2.0-Lizenz und ein eigenes Ankündigungs-Ökosystem mitbringt, erschien Atria Dawn Preview ohne Zeremonie unter MIT. Ob Atria eine einmalige Vorschau oder das erste Mitglied einer neuen Serie ist, ist unbestätigt; das Suffix „Preview“ und das nackte Repo, ohne jeglichen Roadmap-Text, sprechen für die vorsichtige Lesart.

Was noch nicht bekannt ist

Die nützliche Angewohnheit bei einem ruhigen Release ist, aufzulisten, was noch offen ist. Bei Atria Dawn Preview ist diese Liste lang:

• Eine Ankündigung — Stand 14. September nichts vom Labor, von der Website oder vom X-Account; das Repo erschien zuerst, was bei mehreren jüngsten Veröffentlichungen chinesischer Labore der Fall war, aber „wie sie üblicherweise ablaufen“ ist keine Bestätigung

• Ein Paper oder ein technischer Bericht — nichts davon verlinkt; die Trainingsdaten, die RL-Pipeline und die Anzahl der aktiven Parameter sind alle unveröffentlicht

• Das Branding „Atria ASI“ — die Domain und der Handle existieren und die Karte verlinkt sie, aber welche Entität dahintersteht und wofür die Initialen stehen sollen, wird nicht angegeben

• Unabhängige Bewertungen — keine; kein Eintrag bei Artificial Analysis, keine Präsenz in der Arena, nichts, womit sich die Tabelle der Karte gegenprüfen ließe

• Gehostete Verfügbarkeit — keine Anbieter-API, und kein großes Inferenz-Gateway bietet es bisher an; die einzige Möglichkeit, es auszuführen, besteht darin, selbst rund 756 GB bis 1,5 TB an Gewichten aufzusetzen

• Serving-Unterstützung — die Architektur stammt aus einer bekannten DSA-MoE-Linie, also aus der Art von Sache, die tendenziell schnell Runtime-Unterstützung erhält, doch für diesen spezifischen Checkpoint wurde keine Framework-Unterstützung angekündigt

Was du tatsächlich damit machen kannst

Konkret gilt heute dreierlei. Erstens: Atria Dawn Preview lässt sich herunterladen — die MIT-Lizenz deckt beide Checkpoints ab, und die FP8-Veröffentlichung macht die Speicher- und Serving-Rechnung deutlich einfacher als das BF16-Original, obwohl beides eine Multi-GPU-Angelegenheit ist. Zweitens: Sie können es nirgendwo aufrufen: Es gibt keinen gehosteten Endpunkt, und genau das ist die Situation, in der sich eine Routing-Plattform bezahlt macht. Wir routen Atria Dawn Preview noch nicht — es ist nicht auf OrcaRouter, und diese Seite behauptet auch nichts anderes —, aber derselbe Schlüssel, der heute kein Atria hat, erreicht bereits 196 andere Modelle über eine einzige API, wobei der Listenpreis des Anbieters mit 0 % Aufschlag durchgereicht wird und ein automatisches Failover zwischen Anbietern erfolgt. Sobald Atria Dawn Preview einen gerouteten Anbieter erreicht, erscheint es zum Listenpreis am selben Tag, an dem die Zahlen des Anbieters aktualisiert werden — was durchgereichte Preisgestaltung in der Praxis bedeutet. Bis dahin ist das Modell ein Download-and-Run-Projekt, und der sicherste Weg, es zu bewerten, ist auf Hardware, die Sie kontrollieren, mit einem unabhängigen Benchmark Ihrer eigenen Wahl — nicht auf das Wort der Model Card.

Was als Nächstes ansehen

Vier Signale entscheiden, ob aus diesem stillen Drop eine Story wird, nach der man handelt. Das erste ist die Ankündigung: Ein richtiger Launch-Post oder ein Paper würde die Architektur, das Trainingsrezept und die Frage beantworten, wovon „Preview“ eine Vorschau ist. Das zweite ist eine unabhängige Bewertung – ein Modell dieser Größe mit einer derart selbstbewussten Karte braucht eine Überprüfung seiner BrowseComp- und CyberGym-Behauptungen an einem neutralen Harness, und das Fehlen eines Eintrags bei Artificial Analysis ist die mit Abstand auffälligste Lücke. Das dritte ist die gehostete Verfügbarkeit: Ein offenes 744B-MoE mit MIT-Gewichten und einem 1M-Kontextfenster ist genau das Profil, das innerhalb von Wochen bei Inferenzanbietern auftaucht, und der erste Anbieter, der es bereitstellt, wird den praktischen Preis für seine Nutzung festlegen. Das vierte ist die Familienfrage – ob Atria ein Einzelstück oder eine Serie ist und ob das „ASI“-Branding signalisiert, wohin das Labor die Linie als Nächstes führen will. Nichts davon ist aus dem Repo erkennbar, und genau darum geht es: Das Repo hat uns das Modell gegeben, und die nächsten zwei Wochen sollten uns den Rest geben.