Atria Dawn vs GLM 5.2 : la même base, poussée dans des directions opposées

Le fait isolé le plus utile à propos de cette confrontation se cache dans la fiche technique du plus petit modèle lui-même : Atria Dawn Preview, le nouveau modèle agentique à poids ouverts du Shanghai AI Laboratory, annoncé en direct le 14 septembre, est construit sur la base MoE de 744 milliards de paramètres GLM 5.2 — le modèle exact que Z.ai a livré en juin et vend comme son produit phare à poids ouverts à 1,40 $/4,40 $ par million de tokens. Il ne s'agit donc pas d'un nouveau venu tentant de surpasser un acteur établi ; il s'agit du même silicium, post-entraîné dans deux directions par deux laboratoires différents, puis vendu à deux prix, comme deux produits différents. Avant même la moindre ligne de benchmark, ce fait vous dit déjà de quoi la comparaison parle réellement : quelle part du raisonnement de GLM 5.2 vous êtes prêt à sacrifier pour une boucle agentique — et combien vous payez pour conserver les deux.

Le sourçage ici est déséquilibré d’une manière qui compte. Le bilan indépendant de GLM 5.2 est mince — son plafond en open weights a été fixé par GLM 5.3, qui lui a succédé le 14 août, et l’AA Intelligence Index qui mesurait autrefois GLM 5.2 à 53 a depuis été renoté et rebaptisé. Tous les benchmarks favorisant Atria Dawn Preview sont rapportés par le fournisseur à partir de sa fiche modèle, non reproduits par le moindre laboratoire neutre, et son API internationale à api.atria-asi.ai n’a pas encore de prix publié. Là où la fiche met les deux côte à côte sur la même grille, Atria Dawn Preview mène sur la découverte et l’utilisation d’outils (BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0) et est en retrait par rapport à la lignée de GLM 5.2 sur les lignes de codage brut — rien de tout cela n’ayant encore été confirmé par un laboratoire externe.

Même base, deux post-entraînements

Les deux modèles sont des MoE de 744B au total avec le même schéma d’activation de 8 experts par token, car ils partent littéralement des mêmes poids. La différence réside dans ce que chaque labo a fait ensuite. Z.ai a pris GLM 5.2 et l’a ajusté comme un modèle phare open-weights généraliste : texte uniquement, contexte de 1M, sortie de 128K, licence MIT, avec un profil de classe à 40B actifs qui en a fait l’un des modèles de niveau frontière les moins chers à servir — ce pour quoi on s’en souvient encore, c’est qu’il était le modèle open-weights au score le plus élevé sur l’indice indépendant avant l’arrivée de GLM 5.3 une semaine après Intern-S2.

Le Shanghai AI Laboratory a pris cette même base et l'a ajustée pour en faire un agent de boucle de recherche. Les quatre piliers de capacité d'Atria Dawn Preview — Découverte, Création, Livraison, Cybersécurité — décrivent tous la même boucle : analyser un problème, concevoir une solution, utiliser des outils, écrire et exécuter du code, lire le résultat expérimental, se remettre d'un échec, itérer. Le laboratoire précise explicitement que le résultat est uniquement textuel (les entrées image et PDF renvoient une erreur 400), que la fenêtre de contexte est de 256K plutôt que 1M, et que les poids sont sous licence MIT et téléchargeables dès aujourd'hui en BF16 (353 shards) ou FP8 (177 shards). La base est celle de GLM 5.2 ; le produit, non.

• Base — tous deux des MoE de 744B au total sur le socle GLM-5.2, 8 experts actifs par token

• Contexte — Atria Dawn Preview 256K texte uniquement vs GLM 5.2 1M, sortie 128K

• Licence — les deux sous licence MIT ; fragments BF16 + FP8 d’Atria, GLM 5.2, le téléchargement habituel de classe 1,5 To

• Prix — Atria non publié (API internationale) vs GLM 5.2 $1,40/$4,40 par million

Ce que la grille déclarée par le fournisseur montre réellement

La fiche modèle compare Atria Dawn Preview à un panel qui inclut GLM 5.3 plutôt que GLM 5.2 lui-même, un petit choix éditorial qui flatte la colonne des poids ouverts. Face à ce panel, les points forts annoncés d’Atria Dawn Preview sont la découverte et l’utilisation d’outils : AutomationBench 53,8, BrowseComp 92,5, DeepSearchQA 96,0, WideSearch 81,9, BFCL v4 77,0, CyberGym 86,5. Ses faiblesses annoncées sont les lignes de codage, où un généraliste affiné l’emporte généralement : SWE-bench Pro 59,6, Terminal-Bench 2.1 78,3, JobBench 50,3. Rien ici n’est vérifié de manière indépendante, et chaque ligne provient du propre harnais du laboratoire, sur les propres prompts du laboratoire — mais la répartition est suffisamment cohérente pour être interprétée comme un véritable choix de conception plutôt que comme du bruit. GLM 5.2, pour sa part, est le modèle dont le plafond indépendant de l’époque de juin (AA Index 53, alors le meilleur score des poids ouverts) a été supplanté par GLM 5.3 le mois précédant la sortie d’Atria.

Vers lequel devez-vous router ?

Si vous avez besoin d'un généraliste à poids ouverts d'un million de tokens pour le codage en contexte long et le travail de connaissance, GLM 5.2 à 1,40 $/4,40 $ est une valeur sûre éprouvée, sous licence MIT, auto-hébergée et servie en production pendant un trimestre — et sur une passerelle comme OrcaRouter, une seule clé API et aucune majoration par requête plus tard, il est disponible dès que vous en avez besoin, avec un basculement automatique si le point de terminaison de Z.ai venait à vaciller. Si votre travail est une boucle de recherche ouverte — une tâche qui exige que le modèle continue à lire, exécuter du code et itérer jusqu'à ce que quelque chose soit vérifiable — le réglage d'Atria Dawn Preview vise exactement cela, mais vous échangez la fenêtre de 1 M, un prix connu et un historique indépendant contre un aperçu de 256 K sans tarif publié ni scores neutres.

Le verdict honnête est une bifurcation. Les équipes qui s'appuient déjà sur GLM 5.2 pour du travail ouvert à long contexte devraient rester en place et observer ce que les évaluateurs indépendants rapportent au sujet d'Atria Dawn Preview avant de faire basculer un chemin de production vers ce dernier. Les équipes dont le goulot d'étranglement est la boucle elle-même — le modèle qui s'arrête pour poser des questions au lieu d'exécuter — ont une véritable raison d'essayer le nouveau venu, idéalement derrière un chemin de basculement vers GLM 5.2 pour que l'expérimentation ne coûte rien si la preview trébuche. Même base, deux produits, et pour la plupart des lecteurs, la colonne décisive n'est pas la grille de benchmarks mais la fenêtre de contexte et le prix que la grille ne montre jamais.