Atria Dawn против Kimi K3: агент с открытыми весами, который никогда не завершает работу, против потолка рассуждений в 44 балла

Прежде чем перейти к бенчмаркам, вдумайтесь в разницу в том, для чего предназначены эти две модели. Atria Dawn Preview — новая агентная модель с открытыми весами от Шанхайской лаборатории искусственного интеллекта: анонсирована как «уже доступная» 14 сентября, построена на базе 744B MoE GLM-5.2, лицензия MIT, контекст 256K, только текст, доступна для скачивания в BF16 и FP8 и обслуживается по адресу api.atria-asi.ai без опубликованной цены. Kimi K3 — флагман Moonshot AI с 2,8 триллиона параметров: выпущена 16 июля, цена $3,00/$15,00 за миллион токенов, контекст 1M, мультимодальный ввод, открытые веса под модифицированной лицензией MIT с 27 июля и независимый индекс интеллекта Artificial Analysis, равный 44, что делает её второй по результатам моделью с открытыми весами в таблице. Обе открытые. Обе агентные. Обе — от китайских лабораторий с международными API-подразделениями. И при этом их едва ли можно нацелить на более разные задачи: Kimi K3 — это потолок рассуждений, который можно арендовать или скачать; Atria Dawn Preview — это цикл, который продолжает работать, пока что-то не станет проверяемым.

Ярлыки источников — это скелет данного сравнения. Индексная оценка Kimi K3, ценообразование и контекст — независимые факты: AA Index 44, $3/$15, окно 1M, веса Modified MIT. Строки бенчмарков Atria Dawn Preview сообщаются поставщиком из её модельной карточки, не воспроизведены ни одной нейтральной лабораторией, а её международный API не имеет опубликованной цены. Там, где сетка карточки сталкивает их на общем поле, Atria Dawn Preview сообщает о лидерстве в наборах discovery и tool-use (AutomationBench 53.8, BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0, CyberGym 86.5), но отстаёт от линии Kimi K3 в строках по кодингу (SWE-bench Pro 59.6, Terminal-Bench 2.1 78.3, JobBench 50.3). Ни одна из цифр Atria не подтверждена независимо.

Два вида открытых весов

Поверхностное сходство — обе открытые, обе китайские, обе агентные — скрывает настоящую развилку. Kimi K3 — это попытка Moonshot доказать, что модель с открытыми весами может удерживать фронтир по чистому интеллекту: 2,8 трлн общих параметров, контекст 1 млн, нативный ввод изображений и аудио, модифицированная лицензия MIT и независимая оценка в индексе — 44, которую среди открытых моделей превосходит только GLM 5.3. Вы можете арендовать её за $3/$15 или скачать и развернуть у себя, и в любом случае вы покупаете движок рассуждений.

Atria Dawn Preview не пытается быть движком рассуждений в этом смысле. Это MoE с общим числом параметров 744B — примерно четверть размера Kimi K3 — с настройкой на цикл, а не на индекс: анализ, проектирование, использование инструментов, написание и запуск кода, чтение результата эксперимента, восстановление после сбоя, итерация. Четыре столпа лаборатории (Открытие, Создание, Доставка, Кибербезопасность) — все сводятся к этому циклу. У неё контекст 256K (четверть от 1M у Kimi K3), она работает только с текстом, тогда как Kimi K3 принимает изображения и аудио, и демонстрирует свои сильные стороны на долгосрочных наборах задач, а не в одношаговом рассуждении. На бумаге она выглядит строго худшей моделью; по своим собственным меркам это другой продукт, нацеленный на другой тип сбоя.

• Цена — Atria Dawn Preview не опубликован (международный API) против Kimi K3: $3.00/$15.00 за 1 млн

• Контекст — Atria 256K только текст против Kimi K3 1M, ввод изображений и аудио

• Размер — Atria 744B общих параметров MoE против Kimi K3 2.8T общих

• Независимый рекорд — отсутствует у Atria в сравнении с Kimi K3, AA Index 44, №2 среди открытых весов

Почему 44-очковая стена значит меньше, чем петля

Если ваша нагрузка — это сложный вопрос на рассуждение, это противостояние не близкое: независимо измеренный показатель Kimi K3, равный 44, — это самый высокий потолок среди открытых весов на доске, и это независимый отрыв более чем в 13 пунктов от всего, на что Atria Dawn Preview может претендовать сегодня. Надбавка реальна, и $3/$15 у Kimi K3 — именно столько это стоит. Но индекс в основном состоит из коротких рассуждений за один проход — именно тот режим, где агент, ориентированный прежде всего на циклы, пытается изменить правила. Заявленные сильные стороны Atria Dawn Preview — это BrowseComp, DeepSearchQA, AutomationBench, CyberGym: наборы задач с длинным горизонтом, где модель может читать, действовать и исправлять себя на протяжении многих ходов. Заявленная вендором разбивка — это характерная черта модели, настроенной на итеративное выполнение, а не на таблицу лидеров; и она к тому же не подтверждена независимо, поэтому первая нейтральная оценка будет значить больше, чем всё это.

Для команды, которая уже работает на Kimi K3, Atria Dawn Preview — не замена: на задачах программирования он проигрывает, его контекст — лишь четверть, а его послужной список не проверен. Для команды, чьё узкое место — сам цикл (модель сдаётся, переспрашивает, теряет нить в ходе долгого эксперимента), новичок нацелен именно туда, а его веса под MIT означают, что вы можете выяснить это на собственном железе, не платя по тарифу Moonshot. Обе модели доступны по одному ключу на платформе маршрутизации вроде OrcaRouter, где сквозные $3/$15 за Kimi K3 тарифицируются без наценки и с автоматическим переключением при сбое, и где Atria Dawn Preview станет доступна для маршрутизации в тот самый момент, когда шанхайская лаборатория опубликует тариф, — так что прямое сравнение на вашей реальной рабочей нагрузке обойдётся во время на настройку, а не во второй контракт.

Вердикт

Не принимайте 44-балльный независимый потолок за всю картину и не принимайте вендорскую таблицу за вердикт — один столбец можно проверить уже сегодня, другой — это самоотчёт. Если вам нужны проверенные рассуждения с открытыми весами на переднем крае, Kimi K3 — это та модель; её окно в 1M, мультимодальность и нейтральные оценки — именно то, почему команды платят $3/$15. Если ваша проблема — цикл, который никак не завершается, Atria Dawn Preview — законный эксперимент: открытый, бесплатный для запуска, нацеленный точно на сбой, с которым вы сталкиваетесь, — он стоит контролируемой оценки за фейловером и ничего большего, пока нейтральная лаборатория действительно его не запустит.