Atria Dawn 与 GPT-5.6 Sol：13 点指数差距，以及一个对其视而不见的研究循环

这场对比的全部张力，一句话就能说清：Atria Dawn Preview是上海人工智能实验室推出的一款全新开放权重智能体模型，于 9 月 14 日发布，基于 744B 的 MoE GLM-5.2 底座，上下文长度 256K，未公布价格；而GPT-5.6 Sol则是 OpenAI 的 GPT-5.6 家族旗舰档位——7 月 9 日上线，定价为每百万 token 4.00 美元／20.00 美元，并在独立机构 Artificial Analysis 的智能指数上拿到 61 分，且这一分数在两次降价后始终保持稳定。纸面上看，差距大得惊人：一个是闭源前沿旗舰，一个是尚未经过验证的开放预览版，两者在独立指数上相差 13 分。但这场较量仍然值得一读，原因在于 Atria Dawn Preview 的打造目标并不是去抹平这道差距——而是让它变得无关紧要，其矛头直指原始指数分数所无法衡量的那一点：模型能否在没有人盯着、没有人牵着线的情况下，一直干到拿出可验证的结果为止。

来源标注支撑着整篇文章，因此放在最前面。GPT-5.6 Sol 的指数得分、上下文和定价都是独立事实，你今天就可以在 Artificial Analysis 和 OpenAI 自家的价格页面上核实。Atria Dawn Preview 的基准测试行数据来自其模型卡片的厂商自报，没有任何中立实验室复现过，其位于 api.atria-asi.ai 的国际 API 也尚未公布价格。在该卡片将两者相互对比之处，Atria Dawn Preview 报告称其在发现类和工具使用类套件上领先（BrowseComp 92.5 对 90.8，BFCL v4 77.0），而 GPT-5.6 Sol 的编码类行数据则遥遥领先（SWE-bench Pro 59.6，对比同一表格中报告的 74.7 等效值；Terminal-Bench 2.1 78.3 对 90.2）。Atria 的这些数字均未经过独立验证；请把它们当作该实验室的推销说辞，而非成绩单。

两个只共享“model”一词的对象

GPT-5.6 Sol 是 OpenAI 的旗舰推理层级：1.05M token 上下文窗口，最高 128K 输出，支持文本/图像/文件输入，AA 智能指数为 61，并采用 $4/$20 的促销费率——OpenAI 于 8 月 24 日将其从 $5/$30 下调，并承诺至少维持到 11 月 21 日——同时存在一个 272K token 的断崖，超过后整个请求都按 $8/$30 计费。它是 Codex 背后的模型，是 Work 背后的模型，也是默认 ChatGPT 体验背后的模型；它是当前生产环境中部署最广泛的推理模型。它也是专有的：你只能租用它，永远无法拥有它。

Atria Dawn Preview 是相反的经济对象。它以 MIT 许可证发布，权重可下载（BF16 分为 353 个分片，FP8 分为 177 个），仅支持文本，拥有 256K 窗口，可通过 SGLang 和 vLLM 部署，并在国际范围托管于 api.atria-asi.ai，模型 id 相同。它的卖点不是原始推理能力——而是研究循环：分析、设计、使用工具、编写并运行代码、读取结果、恢复、迭代。该实验室的四大支柱——发现、创造、交付、网络安全——都归结为这一循环。你无法下载 GPT-5.6 Sol；你可以下载 Atria Dawn Preview，并在自己拥有的硬件上运行它，而这一差异正是该实验室所押的全部赌注。

• 价格 — Atria Dawn Preview 未发布（国际版 API）对比 GPT-5.6 Sol 每 100 万 $4.00/$20.00（输入超过 272K 后为 $8/$30）

上下文 — Atria 256K 纯文本 vs GPT-5.6 Sol 1.05M，128K 输出

• 独立记录 — Atria 相对 AA Index 61 无记录，历经两次重新定价保持稳定

• 开放性 — Atria 采用 MIT 许可权重、可自托管，而 GPT-5.6 Sol 为专有模型、仅提供 API

指数差距真正衡量的是什么——以及它遗漏了什么

13 分的指数差距是真实存在的，你不该对此轻描淡写。如果你的工作负载是一个硬推理问题——一道证明题、一个棘手的代码 bug、一份密集的法律文件——那么 GPT-5.6 Sol 平均而言会胜过 Atria Dawn Preview，而溢价也正是据此定价的。但这个指数主要由简短、单次推理任务构成，而这恰恰正是研究循环型智能体试图改变规则的那个领域。Atria Dawn Preview 所报告的强项并不是简短回答；而是 BrowseComp、DeepSearchQA 和 AutomationBench——这些长时程测试套件让模型能够在许多轮中阅读、行动并自我纠正。厂商报告的胜负分布（在发现/工具使用上获胜，在编码上落败）正是一个为迭代式工作而非为指数而调优的模型的标志。

对于一个已经在多步智能体编程中使用 GPT-5.6 Sol 的团队来说，诚实的解读是：Atria Dawn Preview 并不是替代品，因为它的编程类目恰恰是它失分的地方。而对于痛点就在于这个循环本身的团队——模型停下来发问、丢失线索、实验永远跑不完——这个新来者瞄准的是一个真实的缺口，而且它的开放权重意味着你可以亲自去验证这个循环是否撑得住，而不必为此支付 OpenAI 的费率。通过 OrcaRouter 这样的路由层，两个模型都位于同一个密钥之后——GPT-5.6 Sol 按透传的官方标价提供服务，并跨各家提供商自动故障转移；而上海那家实验室一旦公布 Atria 的费率，同一个密钥也会把请求路由到它，因此一次正面对比评测只需付出搭建时间。

裁决

不要把指数差距当作全部真相，也不要把厂商的表格当作证据——其中一列是独立验证的，另一列是实验室的自我汇报。如果你今天在 GPT-5.6 Sol 上交付软件，这里没有任何理由支持你切换；13 分的差距和 1.05M 的窗口足以赢下你的工作负载。如果你从事研究或长时程自动化，而其中的失败是模型放弃，那么 Atria Dawn Preview 的开放权重和循环优先的调优就是一个值得做受控评估的合理实验——在你自己的硬件上，置于故障转移之后，不要把生产路径押在一个尚未被任何中立方评过分的预览版上。