Atria Dawn vs GLM 5.2: Samma bas, pressade i motsatta riktningar

Det mest användbara enskilda faktumet om den här jämförelsen är dolt i den mindre modellens eget specifikationsblad: Atria Dawn Preview, Shanghai AI Laboratorys nya agentiska modell med öppna vikter som tillkännagavs live den 14 september, bygger på 744B-parameters MoE GLM 5.2-grundmodell — exakt den modell som Z.ai lanserade i juni och har sålt som sin flaggskeppsmodell med öppna vikter för 1,40/4,40 dollar per miljon tokens. Så det här är inte ett fall där en nykomling försöker överträffa en etablerad aktör; det är ett fall där samma kisel, eftertränad i två riktningar av två olika labb, sedan prissätts som två olika produkter. Redan innan en enda benchmarkrad säger det faktumet dig vad jämförelsen egentligen handlar om: hur mycket av GLM 5.2:s resonemangsförmåga du är villig att offra för en agentisk loop — och hur mycket du betalar för att behålla båda.

Källmaterialet här är snedvridet på ett sätt som har betydelse. GLM 5.2:s oberoende historik är tunn – dess tak för öppna vikter sattes av GLM 5.3, som ersatte den 14 augusti, och AA Intelligence Index, som en gång mätte GLM 5.2 till 53, har sedan dess fått ny poängsättning och ny titel. Varje benchmark som gynnar Atria Dawn Preview är rapporterad av leverantören från dess modellkort och inte reproducerad av något neutralt labb, och dess internationella API på api.atria-asi.ai har ännu inget publicerat pris. Där modellkortet ställer de två sida vid sida mot varandra i samma rutnät leder Atria Dawn Preview inom upptäckt och verktygsanvändning (BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0) och ligger efter GLM 5.2:s släktlinje på raderna för rå kodning – inget av detta har ännu bekräftats av något utomstående labb.

Samma bas, två efterträningar

Båda modellerna är MoE:er med totalt 744B och samma aktiveringsmönster med 8 experter per token, eftersom de bokstavligen utgår från samma vikter. Skillnaden är vad varje labb gjorde efteråt. Z.ai tog GLM 5.2 och finjusterade den till ett allmänt flaggskepp med öppna vikter: endast text, 1M kontext, 128K utdata, MIT-licens, med en profil i 40B-aktiv klass som gjorde den till en av de billigaste modellerna i frontlinjeklass att köra — det den fortfarande är mest känd för är att vara den högst poängsatta modellen med öppna vikter på det oberoende indexet innan GLM 5.3 kom en vecka efter Intern-S2.

Shanghai AI Laboratory tog samma bas och finjusterade den till en agent för forskningsloopar. Atria Dawn Previews fyra kapacitetspelare – Discovery, Creation, Delivery, Cybersecurity – beskriver alla samma loop: analysera ett problem, designa en lösning, använda verktyg, skriva och köra kod, läsa experimentresultatet, återhämta sig från misslyckanden, iterera. Labbet säger uttryckligen att resultatet är endast text (bild- och PDF-indata får ett 400-svar), att kontextfönstret är 256K i stället för 1M, och att vikterna är MIT-licensierade och nedladdningsbara idag i BF16 (353 shards) eller FP8 (177 shards). Basen är GLM 5.2:s; produkten är det inte.

• Bas — båda är MoE med totalt 744B på GLM-5.2-grunden, 8 experter aktiva per token

• Kontext — Atria Dawn Preview 256K endast text vs GLM 5.2 1M, 128K utdata

• Licens – båda MIT; Atria BF16 + FP8-shards, GLM 5.2 den välbekanta nedladdningen i 1,5 TB-klassen

• Pris — Atria ej publicerad (internationellt API) vs GLM 5.2 $1,40/$4,40 per 1M

Vad det leverantörsrapporterade rutnätet faktiskt visar

Modellkortet jämför Atria Dawn Preview mot ett fält som inkluderar GLM 5.3 snarare än GLM 5.2 själv, vilket är ett litet redaktionellt val som smickrar kolumnen för öppna vikter. Mot det fältet är Atria Dawn Previews rapporterade styrkor upptäckt och verktygsanvändning: AutomationBench 53,8, BrowseComp 92,5, DeepSearchQA 96,0, WideSearch 81,9, BFCL v4 77,0, CyberGym 86,5. Dess rapporterade svagheter är kodningsraderna där en trimmad generalist vanligtvis vinner: SWE-bench Pro 59,6, Terminal-Bench 2.1 78,3, JobBench 50,3. Inget här är oberoende verifierat, och varje rad är labbets egen testmiljö med labbets egna prompter — men uppdelningen är tillräckligt konsekvent för att läsas som ett verkligt designval snarare än brus. GLM 5.2 är i sin tur modellen vars oberoende tak från juni (AA Index 53, den då högsta poängen för öppna vikter) överträffades av GLM 5.3 månaden innan Atria lanserades.

Vilken du bör dirigera till

Om du behöver en generalist med öppna vikter på en miljon tokens för kodning och kunskapsarbete med lång kontext är GLM 5.2 för $1,40/$4,40 en beprövad, MIT-licensierad arbetshäst som har varit självhostad och produktionskörd i ett kvartal — och på en gateway som OrcaRouter, en API-nyckel och noll påslag per förfrågan senare, är den tillgänglig i samma stund du behöver den, med automatisk redundansväxling om Z.ai:s endpoint någonsin skulle krångla. Om ditt jobb är en öppen forskningsloop — en uppgift som kräver att modellen fortsätter läsa, köra kod och iterera tills något är verifierbart — är Atria Dawn Previews tuning inriktad exakt på det, men du byter bort 1M-fönstret, ett känt pris och ett oberoende track record mot en 256K-förhandsvisning utan publicerad taxa och utan neutrala poäng.

Den ärliga domen är ett vägskäl. Team som redan förlitar sig på GLM 5.2 för öppet arbete med lång kontext bör hålla sig kvar och se vad oberoende utvärderare rapporterar om Atria Dawn Preview innan de byter en produktionsväg till den. Team vars flaskhals är själva loopen – modellen som stannar för att fråga i stället för att utföra – har en verklig anledning att prova nykomlingen, helst bakom en redundansväg till GLM 5.2 så att experimentet inte kostar något om förhandsversionen snubblar. Samma bas, två produkter, och för de flesta läsare är den avgörande kolumnen inte benchmark-rutnätet utan kontextfönstret och priset som rutnätet aldrig visar.