Els grans laboratoris nord-americans solen presentar els seus nous models amb un llançament coordinat: article tècnic, publicació de bloc, taula de preus i accés per API el mateix dia. Els laboratoris xinesos de codi obert —DeepSeek, Alibaba amb Qwen, Zhipu AI amb la família GLM— han anat guanyant terreny amb una estratègia diferent: penjar els pesos del model abans que ningú n'hagi sentit a parlar.
El Shanghai AI Laboratory ha portat aquesta estratègia a l'extrem amb Atria Dawn Preview, un model de barreja d'experts (MoE) de 744.000 milions de paràmetres construït sobre la base GLM-5.2, pensat específicament per a tasques d'agent: comprensió contínua de l'entorn, ús d'eines i finalització de tasques en diversos passos. Els pesos, amb llicència MIT i una finestra de context d'un milió de tokens, van aparèixer a Hugging Face i GitHub l'11 i el 12 de setembre, tres dies abans que es publiqués cap article que els documentés; l'entrenament fa servir el que els autors anomenen una «canonada d'experiència verificable», que lliga cada ús d'eina de l'agent a un resultat comprovable en un entorn executable.
L'article tècnic que finalment ha acompanyat el llançament, signat per 143 autors, afirma que el model és «competitiu amb els agents de frontera» i que obté la puntuació més alta reportada en cinc dels setze bancs de proves que hi inclou, encara que sense detallar quins ni per quin marge. El model inclou també una API compatible amb el format d'OpenAI a api.atria-asi.ai, cosa que en facilita la integració immediata en eines ja existents, tot i que en el moment de la publicació encara no hi havia cap servei d'inferència gestionat en marxa.
Les xifres de rendiment provenen exclusivament de l'article dels mateixos autors, sense verificació independent completa: el seguiment extern de bancs de proves —com el que fa BenchLM— només cobreix per ara 14 dels 435 bancs de proves rellevants per a aquest tipus de model, de manera que moltes de les afirmacions de rendiment resten, de moment, sense contrastar.