En agent i frontstørrelse uten lisensforhandling
Shanghais laboratorium for kunstig intelligens publiserte vektene til Atria Dawn Preview på Hugging Face og ModelScope 11. september, og fulgte opp 14. september med en artikkel på 23 sider på arXiv. Lanseringen er uvanlig mindre på grunn av arkitekturen enn på grunn av vilkårene: vektene har MIT-lisens, som betyr at et hvilket som helst team med riktig maskinvare kan sette i drift en agentisk modell i frontstørrelse uten å spørre noen.
Modellkortet oppgir 753 milliarder parametere totalt i en mixture-of-experts-oppsetning, et kontekstvindu på 256 000 tokens og en FP8-variant for team med mindre minne. Basen under er GLM-5.2, Zhipu AIs mixture-of-experts-modell på 744 milliarder parametere — altså ett kinesisk laboratoriums ettertreningsarbeid på et annet kinesisk laboratoriums åpne grunnmodell, publisert åpent igjen.
Hvordan den ble trent
Artikkelen beskriver det forfatterne kaller en verifiserbar erfaringspipeline: i stedet for å lære av preferansemerker alene, trenes modellen på verktøymedierte interaksjoner som kjøres i kjørbare miljøer og poengsettes mot eksternt verifiserte utfall. De oppgitte måldomenene er oppdagelse, skaping, leveranse og cybersikkerhet — research og informasjonsgjenfinning, programvareutvikling, dokumentarbeid og sikkerhetsanalyse.
Det designvalget har betydning for hvordan poengene skal leses. En modell som trenes mot utfall en kompilator, en testsuite eller en søkeindeks kan kontrollere, vurderes mot noe som er vanskeligere å spille enn en menneskelig vurderers preferanse, men også smalere.
Tallene, og hvem som laget dem
Forfatterne oppgir resultater på 16 tester, beskriver modellen som konkurransedyktig med frontagenter og hevder toppscore på fem av dem. Modellkortet framhever 96,0 på DeepSearchQA og 92,5 på BrowseComp. Alle disse tallene kommer fra laboratoriet som bygget modellen; ingen er ennå gjengitt av en uavhengig evaluator, og artikkelen er et fortrykk som ikke er fagfellevurdert.
Studien med mennesker er den mer interessante halvdelen
Ved siden av testene rapporterer artikkelen en studie av 769 oppgaveregistreringer fra 56 deltakere som arbeidet med modellen. Om lag en tredel av de KI-assisterte oppgavene ble av deltakerne selv vurdert som ugjennomførbare uten agenten.
Forfatterne beskriver også hvordan arbeidsdelingen flyttet seg: agentene foreslo ofte metoder og gjennomførte revisjoner, mens menneskene beholdt de fleste endelige avgjørelsene. Det er en påstand om arbeidspraksis snarere enn om evne, og det er den typen belegg feltet har svært lite av — selvrapportert, fra et beskjedent utvalg, men nedtegnet i stedet for bare hevdet.
Å kjøre den
Utrulling skjer via SGLang 0.5.13 eller nyere, eller vLLM 0.23.0 eller nyere, med API-tilgang tilbudt for internasjonale regioner og fastlands-Kina. Modellkortet dokumenterer bruk gjennom Codex CLI og Claude Code, med bare tekstinndata i disse miljøene. GitHub-arkivet inneholder utrullingsnotatene.
Hva som bør følges
MIT-lisensen er delen med konsekvenser. En agentisk modell på 753 milliarder parametere som et hvilket som helst tilstrekkelig utstyrt team kan kjøre uten tillatelse, er nøyaktig det objektet månedens diskusjon om å holde igjen tempoet ved fronten forsøker å resonnere om, og den er nå publisert. Den nærmeste prøven er smalere: om en uavhengig evaluator gjengir påstanden om de 16 testene, og om de fem toppscorene overlever møtet med noen som ikke trente modellen.
