Atria Dawn vs Kimi K3: Agen Berbobot Terbuka yang Tidak Pernah Selesai, Melawan Plafon Penalaran 44 Poin

Sebelum masuk ke tolok ukur, renungkan dulu perbedaan tujuan kedua model ini. Atria Dawn Preview adalah model agentic berbobot terbuka terbaru dari Shanghai AI Laboratory — diumumkan "kini aktif" pada 14 September, dibangun di atas fondasi MoE GLM-5.2 berukuran 744B, berlisensi MIT, konteks 256K, hanya teks, dapat diunduh dalam BF16 dan FP8, serta dilayani di api.atria-asi.ai tanpa harga yang dipublikasikan. Kimi K3 adalah model unggulan Moonshot AI dengan 2,8 triliun parameter — dirilis 16 Juli, dihargai $3,00/$15,00 per juta token, konteks 1M, masukan multimodal, bobot terbuka di bawah lisensi MIT Modifikasi sejak 27 Juli, dan Artificial Analysis Intelligence Index independen sebesar 44 yang menjadikannya model berbobot terbuka dengan skor tertinggi kedua di papan peringkat. Keduanya terbuka. Keduanya bersifat agentic. Keduanya berasal dari laboratorium Tiongkok dengan unit API internasional. Dan keduanya nyaris tak mungkin diarahkan pada pekerjaan yang lebih berbeda: Kimi K3 adalah plafon penalaran yang bisa Anda sewa atau unduh; Atria Dawn Preview adalah loop yang terus bekerja sampai ada sesuatu yang dapat diverifikasi.

Label sumber adalah kerangka perbandingan ini. Skor indeks, harga, dan konteks Kimi K3 adalah fakta independen — AA Index 44, $3/$15, jendela 1M, bobot Modified MIT. Baris benchmark Atria Dawn Preview dilaporkan oleh vendor dari kartu modelnya, tidak direproduksi oleh laboratorium netral mana pun, dan API internasionalnya tidak memiliki harga yang dipublikasikan. Ketika kisi pada kartu tersebut mempertemukan keduanya pada bidang yang sama, Atria Dawn Preview melaporkan keunggulan pada rangkaian discovery dan tool-use (AutomationBench 53.8, BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0, CyberGym 86.5) sementara tertinggal dari keluarga Kimi K3 pada baris coding (SWE-bench Pro 59.6, Terminal-Bench 2.1 78.3, JobBench 50.3). Tidak ada satu pun angka Atria yang diverifikasi secara independen.

Dua jenis bobot terbuka

Kemiripan yang tampak di permukaan — keduanya terbuka, keduanya dari Tiongkok, keduanya agentik — menyembunyikan percabangan yang sesungguhnya. Kimi K3 adalah upaya Moonshot untuk membuktikan bahwa model dengan bobot terbuka dapat mempertahankan posisi terdepan dalam kecerdasan mentah: total 2,8T parameter, konteks 1M, masukan gambar dan audio native, lisensi Modified MIT, dan skor indeks independen 44 yang di antara model terbuka hanya dilampaui oleh GLM 5.3. Anda dapat menyewanya dengan harga $3/$15 atau mengunduhnya dan menjalankannya sendiri, dan dengan cara apa pun Anda membeli mesin penalaran.

Atria Dawn Preview tidak berusaha menjadi mesin penalaran dalam pengertian itu. Ini adalah MoE dengan total 744B — kira-kira seperempat ukuran Kimi K3 — yang disetel untuk sebuah loop, bukan untuk indeks: menganalisis, merancang, menggunakan alat, menulis dan menjalankan kode, membaca hasil eksperimen, pulih dari kegagalan, melakukan iterasi. Empat pilar laboratorium (Discovery, Creation, Delivery, Cybersecurity) semuanya bermuara pada loop itu. Model ini memiliki konteks 256K (seperempat dari 1M milik Kimi K3), hanya teks sedangkan Kimi K3 menerima gambar dan audio, dan mempublikasikan keunggulannya pada suite horizon panjang alih-alih penalaran sekali jalan. Di atas kertas, model ini tampak seperti model yang secara tegas lebih buruk; menurut kriterianya sendiri, ini adalah produk yang berbeda yang ditujukan untuk jenis kegagalan yang berbeda.

• Harga — Atria Dawn Preview belum dipublikasikan (API internasional) vs Kimi K3 $3,00/$15,00 per 1 juta

• Konteks — Atria 256K hanya teks vs Kimi K3 1M, input gambar+audio

• Ukuran — Atria 744B total MoE vs Kimi K3 2.8T total

• Rekor independen — tidak ada untuk Atria vs Kimi K3 AA Index 44, #2 bobot terbuka

Mengapa dinding 44 poin tidak sepenting loop

Jika beban kerja Anda adalah pertanyaan penalaran yang sulit, perbandingan ini tidaklah dekat: 44 yang diukur secara independen milik Kimi K3 adalah plafon open-weights tertinggi di papan, dan itu adalah jarak independen 13 poin lebih atas apa pun yang bisa diklaim Atria Dawn Preview saat ini. Premiumnya nyata dan $3/$15 milik Kimi K3 adalah biayanya. Namun indeksnya sebagian besar adalah penalaran singkat sekali jalan — rezim persis ketika agen yang mengutamakan loop mencoba mengubah aturan. Kekuatan yang dilaporkan Atria Dawn Preview adalah BrowseComp, DeepSearchQA, AutomationBench, CyberGym: rangkaian cakrawala panjang ketika model dapat membaca, bertindak, dan mengoreksi diri selama banyak giliran. Pembagian yang dilaporkan vendor adalah tanda khas model yang disetel untuk eksekusi iteratif alih-alih untuk papan peringkat — dan itu juga belum diverifikasi, itulah sebabnya skor netral pertama akan lebih penting daripada semua ini.

Bagi tim yang sudah menjalankan Kimi K3, Atria Dawn Preview bukanlah pengganti — baris codingnya kalah, konteksnya seperempat, rekam jejaknya belum terbukti. Bagi tim yang hambatannya justru loop itu sendiri — model yang menyerah, bertanya, kehilangan alur pada eksperimen panjang — pendatang baru ini diarahkan tepat ke sana, dan bobot MIT-nya berarti Anda bisa mengetahuinya sendiri di perangkat keras Anda tanpa membayar tarif Moonshot. Keduanya berada di balik satu kunci pada platform routing seperti OrcaRouter, di mana tarif pass-through Kimi K3 sebesar $3/$15 ditagih tanpa markup dan dengan failover otomatis, dan di mana Atria Dawn Preview dapat dirutekan begitu lab Shanghai menerbitkan tarif — jadi eval head-to-head terhadap beban kerja nyata Anda hanya membutuhkan waktu penyiapan, bukan kontrak kedua.

Putusan

Jangan salah mengira plafon independen 44 poin sebagai keseluruhan gambaran, dan jangan salah mengira grid vendor sebagai putusan — satu kolom dapat diverifikasi hari ini, yang lain adalah laporan mandiri. Jika Anda membutuhkan penalaran open-weights yang terbukti di garis depan, Kimi K3 adalah modelnya; jendela 1M, multimodalitas, dan skor netralnya adalah persis alasan tim membayar $3/$15. Jika masalah Anda adalah loop yang tidak pernah selesai, Atria Dawn Preview adalah eksperimen yang sah — terbuka, gratis untuk dijalankan, ditujukan tepat pada kegagalan yang Anda alami — layak untuk evaluasi terkendali di balik failover, dan tidak lebih dari itu sampai laboratorium netral benar-benar menjalankannya.