Atria Dawn Preview : InternLM dévoile discrètement un modèle agentique de 744 milliards de paramètres — Ce que le dépôt dit réellement

L’organisation InternLM du Shanghai AI Laboratory a discrètement publié Atria Dawn Preview sur Hugging Face cette semaine — un aperçu d’un modèle agentique MoE de 744 milliards de paramètres, livré avec des poids sous licence MIT, une fenêtre de contexte de 1 million de jetons et un tableau de benchmarks mesuré face à DeepSeek V4 Pro, Kimi K3, Qwen3.8-Max, GLM-5.3, GPT-5.6 Sol et Claude Opus 5. Le dépôt a été mis en ligne le 11 septembre 2026 — trois jours avant cet article — avec un checkpoint FP8 associé publié le 12 septembre, et le fournisseur n’a encore annoncé le modèle nulle part : ni article de blog, ni papier, ni tarification, ni API. Ce qui existe aujourd’hui, c’est une fiche de modèle entièrement renseignée et environ 1,5 To de poids ouverts. Cela fait d’Atria Dawn Preview une sortie en toute discrétion, et les questions intéressantes sont ce que la fiche permet de vérifier, ce qu’elle vous demande d’accepter sur parole, et si c’est la première étape vers une famille Atria plus large de la part du laboratoire qui a passé l’année à publier les séries Intern-S2 et InternLumina.

La carte est l'annonce

Comme il n'y a aucune annonce, c'est la fiche Hugging Face qui assure toute la communication. Elle décrit Atria Dawn Preview comme « une version d'aperçu d'un modèle agentique de nouvelle génération » développé par le Shanghai AI Laboratory, entraîné sur un modèle de fondation MoE de 744 milliards de paramètres, et destiné à « des scénarios de recherche et d'ingénierie qui exigent une compréhension continue de l'environnement, l'utilisation d'outils et l'accomplissement de tâches en plusieurs étapes ». Le slogan — « Des questions de recherche aux résultats vérifiables » — consiste à faire progresser des problèmes ouverts vers des résultats exécutables, vérifiables et reproductibles, le modèle combinant objectifs de tâche et retours de l'environnement à travers l'analyse du problème, la conception de la solution, l'utilisation d'outils, l'implémentation du code, l'exécution des expériences, l'analyse des résultats et la reprise après échec.

La carte organise ce périmètre agentique en quatre domaines de capacités, chacun visant une livraison de bout en bout plutôt que le chat :

• Discovery — collecte et organisation des preuves, recherche approfondie, transformation des questions de recherche en plans expérimentaux exécutables

• Création — création de logiciels, d'applications interactives, de jeux, de visualisations de données et de systèmes d'apprentissage automatique

• Livraison — transformer des documents, des données et des exigences de conception en rapports, présentations et autres livrables structurés

• Cybersécurité — analyser les problèmes de sécurité, valider les vulnérabilités, appliquer des correctifs et revalider dans des environnements autorisés

Également sur la carte, mais sans explication : un site web (atria-asi.com), une organisation GitHub (atria-asi) qui reprend le README, et un compte X (@AtriaASI). Le suffixe « ASI » est le seul détail vraiment étrange — rien sur la carte ne dit ce que cette image de marque est censée sous-entendre, et nous n’allons pas y voir davantage de signification que le dépôt lui-même. Ce que l’on peut savoir, c’est qu’il s’agit d’un nom de code de gamme de produits distinct, différent des noms Intern-S2 et InternLumina que le laboratoire a utilisés toute l’année.

Ce que dit réellement la configuration

Les poids et la configuration sont téléchargeables dès aujourd'hui, ce qui marque le moment où une sortie discrète cesse d'être une rumeur. La chaîne d'architecture est GlmMoeDsaForCausalLM — la même famille de MoE creux de style DSA que celle utilisée par la gamme GLM, avec la configuration qui route 8 experts routés sur 256 par token à travers 78 couches (le nombre de paramètres actifs n'est pas publié sur la fiche ; sur un MoE de 744B de cette forme, il se situe dans les dizaines de milliards). La fenêtre de contexte est fixée à 1 048 576 tokens — un million complet, correspondant à la classe de contexte long que le laboratoire a mise en avant dans ses autres sorties récentes. Le tokenizer porte des marqueurs d'image, de vidéo, d'audio et de transcription, bien que le template de chat indique explicitement au modèle qu'il n'a aucune capacité d'entrée multimodale et de le dire si on lui soumet un média — donc considérez les balises de modalité comme de la plomberie héritée, et non comme une revendication d'entrée visuelle ou audio.

Les poids racontent l’histoire pratique :

• Points de contrôle — deux : le modèle instruct BF16/F32 et Atria-Dawn-Preview-FP8, un modèle instruct quantifié en FP8

• Taille — la version BF16 représente environ 1,5 To répartis sur 353 fragments safetensors ; la version FP8 représente environ 756 Go

• Licence — MIT, pour le code comme pour les poids, sans clause de restriction sur la carte — d'une permissivité inhabituelle pour une publication de laboratoire de cette envergure

• Distribution — Hugging Face et ModelScope, des README en anglais et en chinois, un template de chat et une configuration de génération dans le dépôt

• Hébergement — aucun fournisseur d'inférence n'est répertorié sur la carte, et aucune API n'est mentionnée nulle part

Cette dernière ligne compte pour le cadrage : il s’agit d’une publication de poids, pas d’un lancement de service. Quiconque veut exécuter Atria Dawn Preview aujourd’hui doit télécharger environ 756 Go (FP8) ou 1,5 To (BF16) et le servir lui-même — aucun point de terminaison de fournisseur, aucune tarification, aucune page de quotas.

Le tableau de référence, à lire attentivement.

La fiche contient un tableau de référence de 16 lignes comparant Atria Dawn Preview à DeepSeek V4 Pro, Kimi K3, Qwen3.8-Max, GLM-5.3, GPT-5.6 Sol et Claude Opus 5 sur des benchmarks agentiques, d'utilisation d'outils, de codage et de recherche. Chaque chiffre qu'il contient est déclaré par le fournisseur — le laboratoire a réalisé ou commandité les évaluations, et aucune d'entre elles n'a été reproduite de manière indépendante, car il n'existe pas encore d'évaluation indépendante d'Atria Dawn Preview. Artificial Analysis ne renvoie aucune page pour le modèle à ce jour. La bonne lecture est donc « voici comment le fournisseur dit qu'il se compare », et non « voici comment il se compare ».

Cette mise en garde étant bien posée, les points forts sont réellement intéressants. Atria Dawn Preview arrive en tête du classement présenté sur BrowseComp avec 92,5 (contre 92,2 pour GPT-5.6 Sol et 90,8 pour Claude Opus 5), sur CyberGym avec 86,5 (devant 83,3 pour DeepSeek V4 Pro, 84,5 pour GLM-5.3 et 83,6 pour GPT-5.6 Sol), et sur DeepSearchQA avec 96,0. Il obtient également un solide 77,0 sur BFCL v4, contre 71,4 pour DeepSeek V4 Pro et 69,1 pour Kimi K3. Les points faibles sont tout aussi instructifs :

• Terminal-Bench 2.1 — 78,3, loin derrière les 89,3 de Qwen3.8-Max et les 90,2 de Claude Opus 5, ce qui suggère que ses talents d'agent de codage n'atteignent pas encore le niveau des modèles phares

• SWE-bench Pro — 59,6, devant DeepSeek V4 Pro (58,3) mais loin derrière les 74,7 de Claude Opus 5

• MLE-bench Lite — 86,2, ce qui est en retrait par rapport à GPT-5.6 Sol (88,9) et Claude Opus 5 (88,0), malgré l'argumentaire de Discovery

• JobBench — 50,3, le plus faible des modèles listés sur la fiche, et l’une de plusieurs lignes où un aperçu ouvert de 744B est moins performant que les fleurons fermés aux côtés desquels il figure

Le résumé honnête : la fiche revendique de réelles forces en matière de recherche d'informations, de tâches ancrées dans le navigateur et de validation de sécurité, tandis que les lignes classiques sur le codage et le travail intellectuel se situent dans la moyenne. Un aperçu qui ne fait aucun tri sélectif est plus crédible qu'un aperçu qui gagne sur tous les tableaux — mais rien de tout cela n'est vérifié, et un modèle de cette envergure avec autant de surface d'évaluation mérite un examen indépendant avant que quiconque mise un pipeline dessus.

Où il se situe dans la gamme InternLM

Atria Dawn Preview arrive au milieu d'une période exceptionnellement chargée pour le laboratoire. Le fleuron de la vision et de la science Intern-S2-397B est apparu le 13 septembre, la même famille dont les petits frères (Intern-S2, Intern-S2 Mobius) sont sortis depuis le milieu de l'année, et l'InternLumina-U2 axé sur la vision a été mis en ligne au début du mois de septembre. Atria est un nom de code distinct visant le travail agentique général plutôt que la spécialisation scientifique ou multimodale — et contrairement à Intern-S2-397B, qui porte une licence Apache-2.0 et son propre écosystème d'annonce, Atria Dawn Preview est arrivé sans cérémonie sous MIT. On ne sait pas encore si Atria est un aperçu ponctuel ou le premier membre d'une nouvelle série ; le suffixe « Preview » et le dépôt brut, sans le moindre texte de feuille de route, plaident pour une lecture prudente.

Ce qui n'est pas encore connu

L’habitude utile lors d’une sortie discrète est de lister ce qui reste ouvert. Sur Atria Dawn Preview, cette liste est longue :

• Une annonce — rien du laboratoire, du site web ou du compte X au 14 septembre ; le dépôt est apparu en premier, ce qui correspond à plusieurs publications récentes de laboratoires chinois, mais « la façon dont ça se passe d'habitude » ne constitue pas une confirmation

• Un article ou un rapport technique — aucun n'est lié ; les données d'entraînement, le pipeline RL et le nombre de paramètres actifs sont tous inédits

• L'image de marque « Atria ASI » — le domaine et l'identifiant existent et la carte les relie, mais l'entité qui se trouve derrière eux et ce que les initiales sont censées désigner ne sont pas précisés

• Scores indépendants — aucun ; aucune entrée Artificial Analysis, aucune présence dans l'arène, rien pour recouper le tableau de la fiche

• Disponibilité hébergée — aucune API de fournisseur, et aucune passerelle d’inférence majeure ne le sert encore ; le seul moyen de l’exécuter est de déployer vous-même environ 756 Go à 1,5 To de poids

• Prise en charge du serving — l'architecture appartient à une lignée DSA-MoE connue, un type de modèle qui tend à obtenir rapidement une prise en charge par les runtimes, mais aucune prise en charge par les frameworks n'a été annoncée pour ce checkpoint précis

Ce que vous pouvez réellement en faire

Concrètement, aujourd'hui, trois choses sont vraies. Premièrement, vous pouvez télécharger Atria Dawn Preview — la licence MIT couvre les deux checkpoints, et la version FP8 rend les calculs de stockage et de mise en service sensiblement plus simples que l'original BF16, même si l'un comme l'autre suppose plusieurs GPU. Deuxièmement, vous ne pouvez l'appeler nulle part : il n'existe aucun endpoint hébergé, et c'est exactement la situation où une plateforme de routage justifie son utilité. Nous ne routons pas encore Atria Dawn Preview — il n'est pas sur OrcaRouter, et cette page ne prétend pas le contraire — mais la même clé qui n'a pas Atria aujourd'hui atteint déjà 196 autres modèles via une seule API, avec le prix catalogue des fournisseurs répercuté à 0 % de marge et un basculement automatique entre fournisseurs. Quand Atria Dawn Preview sera disponible chez un fournisseur routé, il apparaîtra au prix catalogue le jour même où les chiffres du fournisseur seront mis à jour, ce qui est le sens concret d'une tarification par répercussion. D'ici là, le modèle est un projet à télécharger et à exécuter, et la façon la plus sûre de l'évaluer est sur du matériel que vous contrôlez, avec votre propre benchmark indépendant — pas sur la foi de la fiche produit.

Que regarder ensuite

Quatre signaux déterminent si cette sortie discrète deviendra une histoire sur laquelle vous agirez. Le premier est l'annonce : un véritable billet de lancement ou un article répondrait à l'architecture, à la recette d'entraînement, et à ce que « Preview » préfigure. Le deuxième est une évaluation indépendante — un modèle de cette taille avec une fiche aussi assurée doit voir ses affirmations sur BrowseComp et CyberGym vérifiées par un harnais neutre, et l'absence de toute entrée dans Artificial Analysis est la lacune la plus flagrante. Le troisième est la disponibilité en hébergement : un MoE ouvert de 744B avec des poids sous licence MIT et une fenêtre de contexte de 1M correspond exactement au profil qui tend à faire surface chez les fournisseurs d'inférence en quelques semaines, et le premier à le servir fixera le prix pratique de son utilisation. Le quatrième est la question de la famille — savoir si Atria est un cas isolé ou une série, et si l'appellation « ASI » indique où le laboratoire compte emmener la gamme ensuite. Rien de tout cela n'est connaissable à partir du dépôt, et c'est bien là l'essentiel : le dépôt nous a donné le modèle, et les deux prochaines semaines devraient nous donner le reste.