Atria Dawn Preview: исследовательский агент, построенный на чужих весах

Релиз пришёл раньше документации. По данным LLM-Stats веса Atria Dawn Preview появились на Hugging Face 11 сентября 2026 года под организацией internlm, квантованный чекпоинт FP8 — днём позже; 14 сентября технический отчёт был размещён на arXiv (2609.15818) за подписью 143 авторов под заголовком «Atria Dawn: The Dawn of Agentic Superintelligence». Код и веса под MIT — карточка модели говорит дословно «The code and model weights in this repository are released under the MIT License», — то есть собственный хостинг и коммерческое использование без ограничений. Распространение идёт через Hugging Face и ModelScope, в карточке указаны две конечные точки API: api.atria-asi.ai для внешнего мира и discovery.intern-ai.org.cn для Китая. О ценах — ни следа, как и о том, какая инфраструктура обслуживает международный доступ.

Самое интересное не в статье, а в карточке модели: модель «built on the 744B-parameter MoE GLM-5.2 foundation model». Основа принадлежит Z.ai, выпущена 13 июня 2026 года с открытыми весами под MIT, 744 миллиарда параметров всего и 40 миллиардов активных на токен. Значит, Atria Dawn Preview — это специализированное дообучение, а не новая фундаментальная модель: две разные лаборатории отталкиваются от одних и тех же весов и уводят их в противоположные стороны, универсал с одной, исследовательский агент с другой. По дороге что-то сузилось: контекстное окно, заявленное официальным репозиторием, — 256K токенов против миллиона у GLM-5.2. Стоит отметить, что аннотация отчёта основу не называет: атрибуция появляется только в карточке модели. А метаданные файлов на Hugging Face указывают 753 миллиарда параметров вместо 744 — происхождение этой разницы не объясняется.

По шестнадцати бенчмаркам исследований, инженерии и цифровой работы аннотация заявляет «the highest reported score on five of them». В таблице репозитория это DeepSearchQA (96,0 против 93,2 у GPT-5.6 sol), BrowseComp (92,5 против 92,2), BFCL v4 (77,0 против 74,1 у GLM-5.3), AutomationBench (53,8 против 49,7 у Qwen 3.8 Max) и CyberGym (86,5 против 84,5 у GLM-5.3). Ещё в пяти строках той же таблицы впереди Claude Opus 5: SWE-bench Pro 74,7 против 59,6, Terminal-Bench 2.1 90,2 против 78,3, GDPval 1768 против 1583, JobBench 68,0 против 50,3, DeepResearch Bench II 54,1 против 51,1. Пять плюс пять не дают шестнадцати: в оставшихся шести строках картина не сводится к одному победителю, и здесь я их не считаю. Там, где первенство есть, оно не всегда велико: в BrowseComp отрыв составляет три десятых балла, в других местах — несколько целых. И все эти цифры, включая рекорды, объявлены самим поставщиком: анализ OrcaRouter отмечает, что независимой оценки пока нет, как нет и записи на Artificial Analysis.

Обучение описано как «Verifiable Experience Pipeline», связывающая опосредованные инструментами взаимодействия с исполняемыми средами и с результатами, проверенными извне. К отчёту приложено исследование о сотрудничестве человека и машины, проведённое на разработке самой модели: 769 записей задач от 56 участников, прочитанных вместе с логами агентов. Цифра, которая пойдёт по рукам, вот эта: «participants rated about one-third of completed AI-assisted tasks as infeasible without AI». Читать её стоит ровно как то, чем она является, — субъективная самооценка тех, кто выполнял задачу, а не измерение, собранная теми же авторами о собственном рабочем процессе, при 56 участниках, критерий отбора которых не описан. Прочнее и честнее описание разделения ролей: «agents frequently propose methods and implement revisions, while humans retain most final decisions and guide exploration through judgment and feedback».

Что у меня остаётся — это контраст между заглавием статьи и её выводами. Объявляется заря агентного сверхинтеллекта, а дальше пишется, что движение к более автономным исследованиям должно наращивать вместе способность к открытию и способность к осмысленному человеческому надзору, сохраняя ответственную человеческую власть над рисками и направлением. Модель описывает как раз вторая фраза: система, которая предлагает методы и вносит правки, тогда как решения остаются в другом месте, хороша в пяти строках таблицы и побита в пяти других, сидит на весах, которых не обучала. Это немало. Это просто другое, чем заря, — и пока цифры публикует только тот, кто продаёт модель, у нас нет способа узнать, насколько далёк свет.

— Olya