Laboratorio de IA de Shanghái lanza Atria Dawn con 512.000 tokens

El Laboratorio de Inteligencia Artificial de Shanghái ha publicado la versión completa de Atria Dawn, y su cifra principal es ahora 512.000 tokens, es decir, la cantidad de texto que el modelo puede tener en cuenta a la vez. La vista previa ofrecía 256.000. Los desarrolladores que consulten el repositorio del proyecto en GitHub seguirán encontrando 256.000 en la tabla de descargas, tanto para el modelo completo como para su versión FP8, una variante comprimida de 8 bits. La documentación de la API alojada es el lugar donde comprobar qué límite se aplica.

Atria Dawn es un modelo orientado a agentes: está concebido para leer un entorno, llamar a herramientas y llevar una tarea a través de varios pasos, en lugar de responder a una sola pregunta. Se entrena sobre GLM-5.2, un modelo base de 744.000 millones de parámetros organizado como una mezcla de expertos, un diseño en el que la red se divide en subredes especializadas y solo algunas de ellas responden a cada petición. El laboratorio clasifica sus capacidades en cuatro familias: descubrimiento (recopilación de pruebas, investigación en profundidad, conversión de una pregunta en un plan de experimentos ejecutable), creación (software, juegos, visualizaciones de datos, sistemas de aprendizaje automático), entrega (informes, presentaciones y documentos estructurados) y ciberseguridad, que abarca la detección y la revisión de vulnerabilidades solo en entornos autorizados. El modelo completo llegó unas cuatro semanas después de la vista previa, a mediados de septiembre.

Las cifras del propio laboratorio muestran las mayores mejoras en JobBench, 57,5 frente a 50,3 de la vista previa, seguido de WideSearch (84,6 frente a 81,9) y PaperBench (89,6 frente a 87,0). En la mayoría de las demás pruebas, incluidas AutomationBench (54,7), SkillsBench (67,8) y la prueba de ingeniería de software SWE-bench Pro (61,7), los cambios son menores. Algunos resultados van en sentido contrario: la vista previa obtiene 92,5 en BrowseComp frente a 91,3 de la versión completa. Estas cifras proceden del laboratorio, que afirma que coinciden con lo publicado en su sitio web; las fuentes no citan ninguna evaluación independiente, así que deben leerse como mediciones propias del laboratorio.

Para los desarrolladores y los equipos de investigación, el cambio es inmediato en un frente y pendiente en otro. Las API alojadas ya están abiertas, con puntos de acceso separados para el ámbito internacional y para China, y el repositorio incluye guías de instalación para SGLang, vLLM y Codex. El código se publica bajo licencia MIT. Pero los pesos del modelo completo siguen marcados como «Coming soon» en Hugging Face y ModelScope, así que quien quiera ejecutar el modelo completo en su propio hardware tendrá que esperar; hoy solo pueden descargarse los pesos de la vista previa. El modelo acepta únicamente texto como entrada.