Atria Dawn vs Kimi K3: เอเจนต์แบบเปิดน้ำหนักที่ไม่มีวันทำงานเสร็จ กับเพดานการให้เหตุผลที่ 44 คะแนน

ก่อนจะถึงผลการวัด benchmark ลองหยุดพิจารณาความแตกต่างในจุดประสงค์ของสองโมเดลนี้ก่อนAtria Dawn Preview คือโมเดลเอเจนต์แบบเปิดน้ำหนักตัวใหม่จาก Shanghai AI Laboratory — ประกาศว่า "เปิดใช้งานแล้ว" เมื่อวันที่ 14 กันยายน สร้างบนพื้นฐาน GLM-5.2 แบบ MoE ขนาด 744B ใช้สัญญาอนุญาต MIT คอนเท็กซ์ 256K รองรับเฉพาะข้อความ ดาวน์โหลดได้ในรูปแบบ BF16 และ FP8 และให้บริการที่ api.atria-asi.ai โดยไม่มีราคาที่เปิดเผยKimi K3 คือเรือธงขนาด 2.8 ล้านล้านพารามิเตอร์ของ Moonshot AI — เปิดตัววันที่ 16 กรกฎาคม ราคา $3.00/$15.00 ต่อล้านโทเค็น คอนเท็กซ์ 1M รับข้อมูลได้หลายรูปแบบ เปิดน้ำหนักภายใต้สัญญาอนุญาต Modified MIT ตั้งแต่วันที่ 27 กรกฎาคม และมีคะแนน Artificial Analysis Intelligence Index จากหน่วยงานอิสระอยู่ที่ 44 ซึ่งทำให้เป็นโมเดลแบบเปิดน้ำหนักที่ได้คะแนนสูงเป็นอันดับสองบนกระดาน ทั้งคู่เป็นโมเดลเปิด ทั้งคู่เป็นแบบเอเจนต์ ทั้งคู่มาจากห้องแล็บจีนที่มีหน่วยงาน API ระหว่างประเทศ และแทบเป็นไปไม่ได้ที่ทั้งสองจะถูกออกแบบมาเพื่องานที่ต่างกันมากกว่านี้: Kimi K3 คือเพดานด้านการให้เหตุผลที่คุณเช่าหรือดาวน์โหลดได้ ส่วน Atria Dawn Preview คือลูปที่ทำงานต่อไปจนกว่าบางสิ่งจะตรวจสอบยืนยันได้

ป้ายกำกับแหล่งที่มาเป็นโครงกระดูกของการเปรียบเทียบนี้ คะแนนดัชนี ราคา และบริบทของ Kimi K3 เป็นข้อเท็จจริงที่เป็นอิสระ — AA Index 44, $3/$15, หน้าต่าง 1M, น้ำหนักแบบ Modified MIT ส่วนแถวผลทดสอบของ Atria Dawn Preview เป็นข้อมูลที่ผู้ขายรายงานเองจาก model card ของตน ไม่มีห้องแล็บที่เป็นกลางใดทำซ้ำได้ และ API ระหว่างประเทศของมันก็ไม่มีราคาที่เผยแพร่ ในจุดที่ตารางของ model card นำทั้งสองมาเทียบกันในสนามเดียวกัน Atria Dawn Preview รายงานว่านำในชุดการค้นพบและการใช้เครื่องมือ (AutomationBench 53.8, BrowseComp 92.5, DeepSearchQA 96.0, BFCL v4 77.0, CyberGym 86.5) แต่ตามหลังสายของ Kimi K3 ในแถวการเขียนโค้ด (SWE-bench Pro 59.6, Terminal-Bench 2.1 78.3, JobBench 50.3) ไม่มีตัวเลขใดของ Atria ที่ได้รับการตรวจสอบอย่างเป็นอิสระ

น้ำหนักแบบเปิดสองประเภท

ความคล้ายคลึงผิวเผิน — ทั้งคู่เปิด ทั้งคู่จีน ทั้งคู่เป็นแบบเอเจนต์ — ซ่อนทางแยกที่แท้จริง Kimi K3 คือความพยายามของ Moonshot ที่จะพิสูจน์ว่าโมเดลแบบเปิดน้ำหนักสามารถรักษาความเป็นแนวหน้าในด้านความฉลาดดิบได้: พารามิเตอร์รวม 2.8T, คอนเท็กซ์ 1M, อินพุตรูปภาพและเสียงแบบเนทีฟ, สัญญาอนุญาต MIT แบบดัดแปลง, และคะแนนดัชนีอิสระ 44 ที่มีเพียง GLM 5.3 เท่านั้นที่แซงหน้าในหมู่โมเดลเปิด คุณสามารถเช่าใช้งานได้ในราคา $3/$15 หรือดาวน์โหลดและให้บริการด้วยตัวเอง และไม่ว่าทางใด คุณก็กำลังซื้อเครื่องยนต์การให้เหตุผล

Atria Dawn Preview ไม่ได้พยายามเป็นเอนจินให้เหตุผลในความหมายนั้น มันเป็น MoE ขนาดรวม 744B — ประมาณหนึ่งในสี่ของขนาด Kimi K3 — ที่ปรับจูนสำหรับลูปมากกว่าดัชนี: วิเคราะห์ ออกแบบ ใช้เครื่องมือ เขียนและรันโค้ด อ่านผลการทดลอง ฟื้นตัวจากความล้มเหลว ทำซ้ำ เสาหลักสี่ประการของแล็บ (Discovery, Creation, Delivery, Cybersecurity) ล้วนลดทอนลงมาสู่ลูปนั้น มันมีคอนเท็กซ์ 256K (หนึ่งในสี่ของ 1M ของ Kimi K3) เป็นแบบข้อความเท่านั้น ในขณะที่ Kimi K3 รับภาพและเสียง และเผยแพร่จุดแข็งของตนบนชุดทดสอบระยะยาวมากกว่าการให้เหตุผลแบบครั้งเดียว บนกระดาษมันดูเหมือนโมเดลที่แย่กว่าอย่างชัดเจน แต่ในแง่ของตัวมันเอง มันเป็นผลิตภัณฑ์ที่แตกต่างซึ่งมุ่งเป้าไปที่ความล้มเหลวที่ต่างออกไป

• ราคา — Atria Dawn Preview ที่ยังไม่เผยแพร่ (API ระหว่างประเทศ) เทียบกับ Kimi K3 $3.00/$15.00 ต่อ 1M

• บริบท — Atria 256K แบบข้อความเท่านั้น เทียบกับ Kimi K3 1M ที่รับอินพุตรูปภาพ+เสียง

• ขนาด — Atria MoE รวม 744B เทียบกับ Kimi K3 รวม 2.8T

• บันทึกอิสระ — ไม่มีสำหรับ Atria เทียบกับ Kimi K3 AA Index 44, อันดับ 2 โอเพนเวตส์

ทำไมกำแพง 44 แต้มจึงสำคัญน้อยกว่าลูป

ถ้าภาระงานของคุณคือคำถามเชิงเหตุผลยาก ๆ การจับคู่นี้ไม่สูสีเลย: คะแนน 44 ที่วัดอย่างอิสระของ Kimi K3 คือเพดานสูงสุดของ open-weights บนกระดาน และเป็นช่องว่างอิสระเกิน 13 จุดเหนืออะไรก็ตามที่ Atria Dawn Preview อ้างได้ในวันนี้ ค่าพรีเมียมนั้นมีจริง และ $3/$15 ของ Kimi K3 คือราคาที่ต้องจ่าย แต่อินเด็กซ์ส่วนใหญ่เป็นการให้เหตุผลแบบสั้น ยิงครั้งเดียว — ซึ่งเป็นระบอบเดียวกับที่เอเจนต์แบบ loop-first กำลังพยายามเปลี่ยนกติกา จุดแข็งที่มีรายงานของ Atria Dawn Preview คือ BrowseComp, DeepSearchQA, AutomationBench, CyberGym: ชุดทดสอบระยะยาวที่โมเดลได้อ่าน ลงมือ และแก้ไขตัวเองในหลายรอบ การแยกคะแนนตามที่ผู้ขายรายงานเป็นลายเซ็นของโมเดลที่ปรับจูนมาเพื่อการรันแบบวนซ้ำ มากกว่าการไต่กระดานผู้นำ — และยังไม่ได้รับการตรวจสอบ ซึ่งเป็นเหตุผลว่าทำไมคะแนนกลาง ๆ คะแนนแรกจึงจะสำคัญกว่าทั้งหมดนี้

สำหรับทีมที่ใช้งาน Kimi K3 อยู่แล้ว Atria Dawn Preview ไม่ใช่ตัวแทนที่มาแทนที่ — แถวการเขียนโค้ดของมันแพ้ คอนเท็กซ์ของมันมีแค่หนึ่งในสี่ และผลงานที่ผ่านมาของมันยังไม่ได้รับการพิสูจน์ สำหรับทีมที่คอขวดคือตัวลูปเอง — โมเดลยอมแพ้ ถามกลับ หรือหลุดประเด็นในการทดลองยาว ๆ — ผู้มาใหม่รายนี้ถูกออกแบบมาเพื่อจุดนั้นโดยเฉพาะ และน้ำหนักแบบ MIT ของมันหมายความว่าคุณสามารถหาคำตอบได้บนฮาร์ดแวร์ของคุณเองโดยไม่ต้องจ่ายในอัตราของ Moonshot ทั้งสองตัวอยู่หลังคีย์เดียวบนแพลตฟอร์มจัดเส้นทางอย่าง OrcaRouter ซึ่ง การส่งต่อราคา $3/$15 ของ Kimi K3 จะถูกคิดค่าบริการโดยไม่มีมาร์กอัปและมีการสลับสำรองอัตโนมัติ และที่ซึ่ง Atria Dawn Preview จะสามารถจัดเส้นทางได้ทันทีที่ห้องแล็บเซี่ยงไฮ้ประกาศอัตราราคา — ดังนั้นการประเมินแบบเผชิญหน้าโดยใช้ปริมาณงานจริงของคุณมีต้นทุนเพียงเวลาตั้งค่า ไม่ใช่สัญญาอีกฉบับ

คำตัดสิน

อย่าเข้าใจผิดว่าคะแนนสูงสุด 44 คะแนนจากการทดสอบอิสระคือเรื่องทั้งหมด และอย่าเข้าใจผิดว่าตารางของผู้ขายคือคำตัดสิน — คอลัมน์หนึ่งตรวจสอบยืนยันได้ในวันนี้ อีกคอลัมน์เป็นการรายงานตัวเอง ถ้าคุณต้องการการให้เหตุผลแบบ open-weights ที่ผ่านการพิสูจน์แล้วในระดับแนวหน้า Kimi K3 คือโมเดลนั้น หน้าต่าง 1M ความสามารถหลายรูปแบบ และคะแนนที่เป็นกลางของมันคือเหตุผลที่ทีมต่างๆ ยอมจ่าย $3/$15 พอดี ถ้าปัญหาของคุณคือลูปที่ไม่มีวันจบ Atria Dawn Preview คือการทดลองที่ชอบด้วยเหตุผล — เปิดให้ใช้ ใช้งานฟรี มุ่งเป้าไปที่ความล้มเหลวที่คุณกำลังเจออยู่พอดี — มีค่าแค่การประเมินแบบควบคุมที่อยู่หลัง failover และไม่ควรทำอะไรมากไปกว่านั้นจนกว่าห้องแล็บที่เป็นกลางจะรันมันจริงๆ