Atria Dawn vs GLM 5.2: Ta sama baza, pchnięta w przeciwnych kierunkach

Najbardziej przydatny pojedynczy fakt na temat tego starcia kryje się we własnej specyfikacji mniejszego modelu: Atria Dawn Preview, nowy model agentowy o otwartych wagach Shanghai AI Laboratory, ogłoszony na żywo 14 września, jest zbudowany na 744B-parametrowym MoE GLM 5.2 — dokładnie tym samym modelu bazowym, który Z.ai wypuściło w czerwcu i sprzedaje jako swój flagowy model o otwartych wagach w cenie 1,40/4,40 USD za milion tokenów. Nie jest to więc przypadek nowicjusza próbującego prześcignąć dotychczasowego gracza; to przypadek tego samego krzemu, poddanego dodatkowemu treningowi w dwóch kierunkach przez dwa różne laboratoria, a następnie wycenionego jako dwa różne produkty. Jeszcze przed jakimkolwiek wierszem benchmarku ten fakt już mówi, o co tak naprawdę chodzi w tym porównaniu: jak dużo z rozumowania GLM 5.2 jesteś gotów poświęcić na rzecz pętli agentowej — i ile płacisz, by zachować jedno i drugie.

Dobór źródeł jest tu niesymetryczny w sposób, który ma znaczenie. Niezależny dorobek GLM 5.2 jest ubogi — jego pułap wśród modeli z otwartymi wagami wyznaczył GLM 5.3, który zastąpił go 14 sierpnia, a AA Intelligence Index, który kiedyś oceniał GLM 5.2 na 53, został od tego czasu ponownie oceniony i przemianowany. Każdy benchmark faworyzujący Atria Dawn Preview jest raportowany przez dostawcę na podstawie jego karty modelu, nie został odtworzony przez żadne neutralne laboratorium, a jego międzynarodowe API pod api.atria-asi.ai nie ma jeszcze opublikowanej ceny. Tam, gdzie karta modelu zestawia oba modele obok siebie w tej samej siatce, Atria Dawn Preview prowadzi w odkrywaniu i użyciu narzędzi (BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0), a ustępuje linii GLM 5.2 w surowych wierszach kodowania — żadnej z tych pozycji nie potwierdziło jeszcze laboratorium zewnętrzne.

Ta sama baza, dwa treningi końcowe

Oba modele to MoE o łącznej liczbie 744B parametrów z tym samym wzorcem aktywacji 8 ekspertów na token, ponieważ dosłownie startują z tych samych wag. Różnica polega na tym, co każde laboratorium zrobiło później. Z.ai wzięło GLM 5.2 i dostroiło go jako ogólny flagowy model z otwartymi wagami: tylko tekst, kontekst 1M, wyjście 128K, licencja MIT, z profilem klasy 40B aktywnych parametrów, który uczynił go jednym z najtańszych w obsłudze modeli klasy frontier — wciąż pamięta się go głównie za to, że był modelem z otwartymi wagami z najwyższym wynikiem w niezależnym indeksie, zanim GLM 5.3 pojawił się tydzień po Intern-S2.

Shanghai AI Laboratory wzięło tę samą bazę i dostroiło ją do agenta pętli badawczej. Cztery filary możliwości Atria Dawn Preview — Odkrywanie, Tworzenie, Dostarczanie, Cyberbezpieczeństwo — opisują tę samą pętlę: analizę problemu, projektowanie rozwiązania, korzystanie z narzędzi, pisanie i uruchamianie kodu, odczytywanie wyniku eksperymentu, podnoszenie się po niepowodzeniu, iterowanie. Laboratorium wyraźnie podkreśla, że wynik jest wyłącznie tekstowy (wejście obrazu i PDF zwraca błąd 400), że okno kontekstowe ma 256K, a nie 1M, oraz że wagi są objęte licencją MIT i można je pobrać już dziś w BF16 (353 shardy) lub FP8 (177 shardów). Baza pochodzi z GLM 5.2; produkt już nie.

• Base — oba modele MoE o łącznej liczbie 744B na fundamencie GLM-5.2, 8 aktywnych ekspertów na token

• Kontekst — Atria Dawn Preview 256K tylko tekst vs GLM 5.2 1M, 128K wyjścia

• Licencja — obie MIT; shardy Atria BF16 + FP8, GLM 5.2 to znane pobieranie klasy 1,5 TB

• Cena — Atria niepublikowana (międzynarodowe API) vs GLM 5.2 1,40 USD/4,40 USD za 1 mln

Co tak naprawdę pokazuje siatka zgłaszana przez dostawcę

Karta modelu porównuje Atria Dawn Preview z zestawem, który obejmuje GLM 5.3, a nie samo GLM 5.2 — to drobny wybór redakcyjny, który pochlebia kolumnie modeli z otwartymi wagami. Na tle tego zestawu deklarowane mocne strony Atria Dawn Preview to odkrywanie i korzystanie z narzędzi: AutomationBench 53,8, BrowseComp 92,5, DeepSearchQA 96,0, WideSearch 81,9, BFCL v4 77,0, CyberGym 86,5. Deklarowane słabości to wiersze dotyczące kodowania, w których zwykle wygrywa dostrojony generalista: SWE-bench Pro 59,6, Terminal-Bench 2.1 78,3, JobBench 50,3. Nic tutaj nie zostało niezależnie zweryfikowane, a każdy wiersz to własny harness laboratorium na własnych promptach laboratorium — ale podział jest wystarczająco spójny, by odczytywać go jako rzeczywisty wybór projektowy, a nie szum. GLM 5.2 ze swej strony to model, którego niezależny pułap z czerwca (AA Index 53, wówczas najwyższy wynik wśród modeli z otwartymi wagami) został przebity przez GLM 5.3 na miesiąc przed premierą Atria.

Do którego z nich powinieneś skierować

Jeśli potrzebujesz ogólnego modelu open-weights o milionie tokenów do kodowania i pracy z wiedzą w długim kontekście, GLM 5.2 w cenie 1,40/4,40 USD to sprawdzony, licencjonowany na MIT koń roboczy, który był hostowany samodzielnie i obsługiwany produkcyjnie przez kwartał — a na gatewayu takim jak OrcaRouter, jeden klucz API i zero narzutu na żądanie później, jest dostępny w momencie, gdy go potrzebujesz, z automatycznym przełączaniem awaryjnym, jeśli endpoint Z.ai kiedykolwiek zacznie zawodzić. Jeśli twoim zadaniem jest otwarta pętla badawcza — zadanie, w którym model musi wciąż czytać, uruchamiać kod i iterować, aż coś będzie weryfikowalne — dostrojenie Atria Dawn Preview jest wymierzone dokładnie w to, ale wymieniasz okno 1M, znaną cenę i niezależny zapis na podgląd 256K bez opublikowanej stawki i bez neutralnych wyników.

Uczciwy werdykt to rozwidlenie dróg. Zespoły, które już polegają na GLM 5.2 w długokontekstowej otwartej pracy, powinny pozostać przy nim i obserwować, co niezależni ewaluatorzy raportują o Atria Dawn Preview, zanim przełączą na niego ścieżkę produkcyjną. Zespoły, których wąskim gardłem jest sama pętla — model zatrzymujący się, by pytać, zamiast wykonywać — mają realny powód, by wypróbować nowicjusza, najlepiej za ścieżką awaryjną do GLM 5.2, tak aby eksperyment nic nie kosztował, jeśli wersja zapoznawcza się potknie. Ta sama podstawa, dwa produkty, a dla większości czytelników decydująca kolumna to nie siatka benchmarków, lecz okno kontekstowe i cena, której ta siatka nigdy nie pokazuje.