Atria Dawn Preview: дослідницький агент, збудований на чужих вагах

Реліз прийшов раніше за документацію. За даними LLM-Stats ваги Atria Dawn Preview з'явилися на Hugging Face 11 вересня 2026 року під організацією internlm, квантований чекпоїнт FP8 — наступного дня; 14 вересня технічний звіт було подано на arXiv (2609.15818) за підписом 143 авторів під назвою «Atria Dawn: The Dawn of Agentic Superintelligence». Код і ваги під MIT — картка моделі каже дослівно «The code and model weights in this repository are released under the MIT License», — тобто власний хостинг і комерційне використання без обмежень. Поширення йде через Hugging Face і ModelScope, у картці вказано дві кінцеві точки API: api.atria-asi.ai для закордону і discovery.intern-ai.org.cn для Китаю. Про ціни — жодного сліду, як і про те, яка інфраструктура обслуговує міжнародний доступ.

Найцікавіше не в статті, а в картці моделі: модель «built on the 744B-parameter MoE GLM-5.2 foundation model». Основа належить Z.ai, випущена 13 червня 2026 року з відкритими вагами під MIT, 744 мільярди параметрів загалом і 40 мільярдів активних на токен. Отже, Atria Dawn Preview — це спеціалізоване донавчання, а не нова фундаментальна модель: дві різні лабораторії виходять з тих самих ваг і ведуть їх у протилежні боки, універсал з одного боку, дослідницький агент з іншого. Дорогою щось звузилося: контекстне вікно, заявлене офіційним репозиторієм, — 256K токенів проти мільйона в GLM-5.2. Варто відзначити, що анотація звіту основи не називає: атрибуція з'являється лише в картці моделі. А метадані файлів на Hugging Face вказують 753 мільярди параметрів замість 744 — походження цієї різниці не пояснено.

За шістнадцятьма бенчмарками досліджень, інженерії та цифрової роботи анотація заявляє «the highest reported score on five of them». У таблиці репозиторію це DeepSearchQA (96,0 проти 93,2 в GPT-5.6 sol), BrowseComp (92,5 проти 92,2), BFCL v4 (77,0 проти 74,1 в GLM-5.3), AutomationBench (53,8 проти 49,7 в Qwen 3.8 Max) і CyberGym (86,5 проти 84,5 в GLM-5.3). Ще в п'яти рядках тієї самої таблиці попереду Claude Opus 5: SWE-bench Pro 74,7 проти 59,6, Terminal-Bench 2.1 90,2 проти 78,3, GDPval 1768 проти 1583, JobBench 68,0 проти 50,3, DeepResearch Bench II 54,1 проти 51,1. П'ять плюс п'ять не дають шістнадцяти: у решті шести рядків картина не зводиться до одного переможця, і тут я їх не рахую. Там, де першість є, вона не завжди велика: у BrowseComp відрив становить три десятих бала, в інших місцях — кілька цілих. І всі ці цифри, рекорди включно, заявлені самим постачальником: аналіз OrcaRouter зазначає, що незалежної оцінки ще немає, як немає й запису на Artificial Analysis.

Навчання описано як «Verifiable Experience Pipeline», що пов'язує опосередковані інструментами взаємодії з виконуваними середовищами і з результатами, перевіреними ззовні. До звіту додано дослідження про співпрацю людини й машини, проведене на розробці самої моделі: 769 записів завдань від 56 учасників, прочитаних разом із логами агентів. Цифра, яка піде в обіг, ось ця: «participants rated about one-third of completed AI-assisted tasks as infeasible without AI». Читати її варто саме як те, чим вона є, — суб'єктивна самооцінка тих, хто виконував завдання, а не вимірювання, зібрана тими самими авторами про власний робочий процес, за 56 учасників, критерій добору яких не описано. Міцніший і чесніший опис поділу ролей: «agents frequently propose methods and implement revisions, while humans retain most final decisions and guide exploration through judgment and feedback».

Що в мене лишається — це контраст між заголовком статті та її висновками. Оголошується світанок агентного суперінтелекту, а далі пишеться, що поступ до автономніших досліджень має нарощувати разом і здатність до відкриття, і здатність до змістовного людського нагляду, зберігаючи відповідальну людську владу над ризиками й напрямом. Модель описує саме друга фраза: система, яка пропонує методи й упроваджує правки, тоді як рішення лишаються в іншому місці, добра в п'яти рядках таблиці й побита в інших п'яти, сидить на вагах, яких не навчала. Це немало. Це просто інше, ніж світанок, — і поки цифри публікує лише той, хто продає модель, у нас немає способу дізнатися, наскільки далеке те світло.

— Olya