Shanghai Artificial Intelligence Laboratory (Shanghai AI Laboratory), ajan odaklı büyük dil modeli Atria Dawn'ın tam sürümünü yayınladı. Model, Eylül ortasında çıkan Atria Dawn Preview'ın yaklaşık bir ay sonrasında geliyor. Atria Dawn, 744 milyar parametreli mixture-of-experts (MoE) mimarisine sahip GLM-5.2 tabanı üzerine eğitildi ve bir ortamı anlama, araç çağırma ve çok adımlı görevleri tamamlama gerektiren araştırma ile mühendislik işlerini hedefliyor.
Laboratuvarın duyurusundaki en dikkat çekici değişiklik bağlam penceresi: Model, önizlemedeki 256K token sınırından 512K token'a çıkarıldı. Ancak projenin GitHub deposundaki model indirme tablosu, hem tam model hem de FP8 sürümü için hâlâ 256K gösteriyor. Bu nedenle geliştiricilerin geçerli sınır için barındırılan API dokümantasyonunu kontrol etmesi öneriliyor.
Dört yetenek kategorisi
Laboratuvar artık modelin yeteneklerini dört başlıkta çerçeveliyor. Discovery (keşif), kanıt toplama ve düzenleme, derin araştırma ve araştırma sorularını uygulanabilir deney planlarına dönüştürmeyi kapsıyor. Creation (üretim), yazılım, etkileşimli uygulamalar, oyunlar, veri görselleştirmeleri ve makine öğrenmesi sistemleri inşa etmeyi içeriyor. Delivery (teslim), belgeleri, verileri ve tasarım gereksinimlerini raporlara, sunumlara ve diğer yapılandırılmış çıktılara dönüştürüyor. Cybersecurity (siber güvenlik) ise güvenlik sorunlarını analiz etme, açıkları doğrulama, düzeltme uygulama ve yeniden test etmeyi kapsıyor; bu kategori yalnızca yetkilendirilmiş ortamlarla sınırlı.
Önizlemeye göre kazançlar
Laboratuvar, önizlemeye kıyasla JobBench'te 7,2 puan (57,5'e karşı 50,3), WideSearch'te 2,7 puan (84,6'ya karşı 81,9) ve PaperBench'te 2,6 puan (89,6'ya karşı 87,0) artış vurguluyor. Laboratuvarın web sitesiyle eşleştiğini belirttiği depodaki değerlendirme tablosu, diğer testlerin çoğunda daha küçük iyileşmeler gösteriyor: AutomationBench 54,7, SkillsBench 67,8 ve SWE-bench Pro 61,7.
Bazı testlerde ise önizleme eşit veya daha yüksek puan almış durumda. Örneğin BrowseComp'ta önizlemenin 92,5 puanı, tam sürümün 91,3 puanının önünde.
Erişim ve lisans
Model, ayrı uluslararası ve Çin uç noktalarına sahip barındırılan API'ler üzerinden erişilebiliyor. Depoda SGLang, vLLM ve Codex için kurulum kılavuzları yer alıyor. Model yalnızca metin girdisi kabul ediyor.
Kod MIT lisansı altında yayımlandı; ancak tam sürümün ağırlıkları Hugging Face ve ModelScope'da hâlâ "Coming soon" olarak listeleniyor. Bugün itibarıyla yalnızca önizleme ağırlıkları indirilebiliyor.
Neden önemli
Atria Dawn'ın tam sürümü, ajan modellerinde rekabetin yalnızca ham parametre sayısı değil, görev tamamlama performansı üzerinden yürüdüğünü gösteriyor. Laboratuvarın dört kategoriye ayrılmış yetenek çerçevesi, modelin sohbet odaklı değil, ortam anlama ve araç çağırma üzerine konumlandırıldığını ortaya koyuyor.
Bağlam penceresinin 512K'ya çıkarılması, uzun belge ve kod tabanlarıyla çalışan ajanlar için doğrudan bir avantaj sunuyor. Ancak GitHub deposundaki tablonun hâlâ 256K göstermesi, geliştiricilerin entegrasyon öncesinde API dokümantasyonunu ayrıca doğrulaması gerektiği anlamına geliyor.
Benchmark tablosundaki ayrıntılar da dikkat çekici: Tam sürüm genel olarak önde olsa da BrowseComp gibi bazı testlerde önizlemenin gerisinde kalıyor. Bu, sürüm yükseltmelerinin her metrikte tek yönlü iyileşme anlamına gelmediğini ve ekiplerin kendi kullanım senaryolarına göre değerlendirme yapması gerektiğini hatırlatıyor.
En kritik belirsizlik ise ağırlıkların durumu. Kod MIT lisansıyla açık olsa da tam sürüm ağırlıklarının hâlâ "Coming soon" olması, açık kaynak topluluğunun modeli yerel olarak çalıştırma ve inceleme imkânını şimdilik sınırlıyor. Bu ağırlıklar yayımlandığında modelin gerçek benimsenme hızı ve topluluk katkıları netleşecek.
