Shanghai AI Lab publie Atria Dawn, contexte porté à 512K tokens

Le Laboratoire d'intelligence artificielle de Shanghai a publié la version complète d'Atria Dawn, et son chiffre phare est désormais 512K tokens, soit la quantité de texte que le modèle peut garder en vue à un instant donné. L'aperçu proposait 256K. Les développeurs qui ouvrent le dépôt GitHub du projet trouveront encore 256K dans le tableau des téléchargements, pour le modèle complet comme pour sa version FP8, une variante compressée sur 8 bits. La documentation de l'API hébergée reste la référence pour savoir quelle limite s'applique.

Atria Dawn est un modèle orienté agents : il est conçu pour lire un environnement, appeler des outils et mener une tâche sur plusieurs étapes, plutôt que de répondre à une seule question. Il est entraîné à partir de GLM-5.2, un modèle de base de 744 milliards de paramètres organisé en mélange d'experts, une architecture dans laquelle le réseau est découpé en sous-réseaux spécialisés et où seuls certains d'entre eux répondent à chaque requête. Le laboratoire classe ses capacités en quatre familles : la découverte (rassembler des preuves, faire de la recherche approfondie, transformer une question en plan d'expérience exécutable), la création (logiciels, jeux, visualisations de données, systèmes d'apprentissage automatique), la livraison (rapports, présentations, documents structurés) et la cybersécurité, qui couvre la recherche et la vérification de vulnérabilités uniquement dans des environnements autorisés. Le modèle complet est arrivé environ un mois après l'aperçu, à la mi-septembre.

Les chiffres du laboratoire montrent les gains les plus importants sur JobBench, avec 57,5 contre 50,3 pour l'aperçu, suivi de WideSearch (84,6 contre 81,9) et de PaperBench (89,6 contre 87,0). Sur la plupart des autres benchmarks, dont AutomationBench (54,7), SkillsBench (67,8) et le test de génie logiciel SWE-bench Pro (61,7), les variations sont plus faibles. Quelques résultats vont dans l'autre sens : l'aperçu obtient 92,5 sur BrowseComp, contre 91,3 pour la version complète. Ces chiffres proviennent du laboratoire, qui affirme qu'ils correspondent à ceux de son site ; aucune évaluation indépendante n'est citée dans les sources, et il faut donc les lire comme des mesures du laboratoire lui-même.

Pour les développeurs et les équipes de recherche, le changement est immédiat sur un plan et en attente sur l'autre. Les API hébergées sont ouvertes dès maintenant, avec des points d'accès distincts pour l'international et pour la Chine, et le dépôt comprend des guides d'installation pour SGLang, vLLM et Codex. Le code est publié sous licence MIT. Mais les poids du modèle complet figurent toujours comme « Coming soon » sur Hugging Face et ModelScope : quiconque veut faire tourner le modèle complet sur son propre matériel devra donc patienter, seuls les poids de l'aperçu pouvant être téléchargés aujourd'hui. Le modèle n'accepte que du texte en entrée.