Apa yang Sebenarnya Diterbitkan pada 11 September 2026

Jawapan langsung dahulu: Shanghai AI Laboratory menerbitkan model bernama Atria Dawn Preview di Hugging Face pada 11 dan 12 September 2026, diikuti pengumuman rasmi pada 15 September. Ia ialah model campuran pakar dengan 744 bilion parameter yang dibina di atas asas GLM-5.2, dengan tetingkap konteks 256K token, dikeluarkan di bawah lesen MIT — salah satu lesen paling longgar yang wujud, yang membenarkan kegunaan komersial dan pengehosan sendiri pada pelayan anda tanpa yuran lesen.

Tetapi bahagian yang wajar mendapat perhatian pemilik perniagaan bukanlah saiz mahupun lesennya. Model ini tidak direka untuk menjadi chatbot yang menjawab soalan dalam dua saat. Ia direka sebagai ejen yang menyiapkan kerja yang panjang: ia membaca, menggunakan alatan, melaksanakan langkah demi langkah dan kembali dengan hasil yang boleh anda semak. Perbezaan antara keduanya sama seperti perbezaan antara pekerja yang menjawab telefon dengan pekerja yang anda serahkan satu fail lalu kembali seminggu kemudian dengan laporan.

Mengapa "Tugasan Jangka Panjang" Bukan Sekadar Nota Kaki Teknikal

Kebanyakan perkara yang telah dicuba oleh syarikat dengan AI setakat ini bersifat pendek: satu soalan dan satu jawapan, ringkasan satu halaman, satu mesej yang didrafkan. Nilainya nyata tetapi terhad, kerana kerja sebenar dalam mana-mana organisasi tidak terdiri daripada soalan yang terasing. Ia terdiri daripada rantaian: kumpulkan data, bersihkan, jalankan analisis, semak hasil, tulis laporan, sediakan fail akhir.

Model yang disasarkan untuk kerja jangka panjang mensasarkan keseluruhan rantaian itu. Kad model menghuraikan empat bidang secara jelas: penemuan dan pengumpulan bukti, pembinaan perisian dan aplikasi, transformasi dokumen dan data, serta analisis dan pembetulan kelemahan keselamatan. Keempat-empatnya menyentuh secara langsung kerja manual yang kini menghabiskan masa seluruh pasukan di syarikat-syarikat Arab Saudi.

Masalahnya, dalam kategori ini janji masih mendahului hasil. Model yang berjalan tanpa pengawasan selama dua jam akan mengumpul kesilapannya dan bukannya membetulkannya, dan satu kesilapan pada langkah ketiga menjadikan segala yang berikutnya tidak bernilai. Itulah sebabnya angka prestasi dalam kategori ini wajar disikapi dengan dua kali ganda berhati-hati berbanding biasa.

Angka yang Diterbitkan: Apa yang Dinyatakan dan Apa yang Tidak

Keputusan yang diterbitkan oleh makmal tersebut tidak sekata, dan ketidaksekataan itu sendiri ialah maklumat yang berguna:

  • Penyelidikan dan siasatan: 96,0 pada DeepSearchQA dan 92,5 pada BrowseComp — angka yang kukuh untuk mengumpul dan menyusun maklumat daripada web.
  • Keselamatan siber: 86,5 pada CyberGym, catatan terkuat pada kad itu, yang merangkumi analisis kelemahan.
  • Tugasan pembelajaran mesin: 86,2 pada MLE-bench Lite.
  • Penggunaan alatan: 77,0 pada BFCL v4 — cekap dan bukannya luar biasa dalam memanggil alatan luaran.
  • Kejuruteraan perisian: 59,6 pada SWE-bench Pro, berbanding 74,7 bagi model tertutup terkuat yang tersedia hari ini.

Kesimpulan praktikalnya jelas: ini ialah model penyelidikan, siasatan dan analisis keselamatan sebelum ia menjadi model penulisan kod. Jika anda mahukan pembantu yang menulis kod dalam projek anda, perbandingan itu tidak memihak kepadanya.

Dan kaveat yang paling penting kekal: semua ini ialah angka yang dilaporkan oleh vendor dan belum dihasilkan semula secara bebas. Ini bukan tuduhan terhadap satu makmal tertentu — inilah keadaan pasaran. Sesebuah model menerbitkan angkanya pada hari pelancaran, dan pengesahan bebas tiba beberapa minggu kemudian, itu pun jika ia tiba. Peraturan yang kami gunakan di Origami apabila menilai mana-mana model untuk pelanggan: angka yang diterbitkan melayakkan tempat dalam senarai pendek, dan hanya ujian ke atas data anda sendiri dan tugasan anda sendiri yang melayakkan tempat dalam keputusan pelaksanaan.

Pengiraan yang Dilangkau Kebanyakan Perbincangan: Berapa Kos Menjalankannya

"Sumber terbuka" dan "percuma" ialah dua perkataan yang sama sekali berbeza, dan jarak antara keduanya ialah perkakasan. Pemberat ketepatan penuh model ini berjumlah kira-kira 1,5 terabait yang tersebar dalam 353 fail, dan versi yang dikuantumkan kepada FP8 kira-kira 756 gigabait. Ini bukan fail yang anda muat turun ke pelayan pejabat. Saiz ini memerlukan satu nod penuh GPU beringatan tinggi serta tindanan penyajian khusus seperti SGLang atau vLLM dalam versi terkini yang tertentu.

Dalam angka yang penting kepada pembuat keputusan: menjalankan model sebesar ini secara dalaman ialah projek infrastruktur dengan bajet bulanan tetap, bukan langganan perisian. Ini menjadikannya keputusan yang tepat khususnya dalam dua situasi:

  • Apabila data tidak boleh keluar: kontrak, rekod pesakit, data pelanggan yang tertakluk kepada Undang-undang Perlindungan Data Peribadi, atau data agensi kerajaan. Di sini pengehosan sendiri bukan kemewahan, tetapi syarat.
  • Apabila penggunaan berat dan berterusan: berjuta-juta operasi sebulan pada satu tugasan yang jelas, di mana kos perkakasan mula mengatasi bil berasaskan penggunaan.

Dalam semua keadaan lain — iaitu kebanyakan kes — API model yang dihoskan kekal lebih murah, lebih pantas untuk dimulakan dan kurang berisiko dari segi operasi. Manfaat sebenar pemberat terbuka dalam situasi itu bukanlah anda akan menjalankannya, tetapi kewujudannya memberi anda alternatif yang boleh dipercayai, yang menekan harga pembekal anda dan melindungi anda daripada keputusan mengejut untuk menamatkan perkhidmatan yang anda bergantung padanya.

Satu Kekangan yang Perlu Dinyatakan

Model ini hanya menerima teks. Tiada imej, tiada PDF yang diimbas, tiada tangkapan skrin. Ini kekangan yang ketara khususnya dalam konteks Arab Saudi, kerana sebahagian besar dokumen yang ingin diproses secara automatik oleh syarikat — invois kertas, kontrak yang ditandatangani, penyata projek, laporan penyelenggaraan — tiba sebagai imej, bukan teks. Menghalakan model ini kepada arkib dokumen bermakna anda terlebih dahulu memerlukan peringkat pengekstrakan teks yang berasingan, dan itu sendiri ialah subprojek.

Apa yang Sebenarnya Perlu Dilakukan dengan Berita Ini

Kegunaan realistik terdekat bagi model kelas ini dalam syarikat Arab Saudi bersaiz sederhana bukanlah menggantikan satu pasukan. Sebaliknya, berikan ia satu tugasan yang membosankan dengan output yang jelas: semakan keselamatan berkala ke atas pangkalan kod, siasatan berstruktur tentang pembekal dan pesaing yang dijadikan jadual perbandingan, atau penukaran satu set dokumen teks kepada data berstruktur yang boleh disoal. Satu tugasan, satu hasil yang jelas, dan semakan manusia ke atas hasil itu sebelum sesiapa bertindak berdasarkannya.

Dan jika anda sedang membina pelan AI untuk organisasi anda tahun ini, pengajaran paling berguna daripada keluaran seperti ini bukanlah nama modelnya — nama model berubah setiap dua minggu — tetapi bahawa sistem anda perlu direka supaya model menjadi komponen yang boleh diganti: satu lapisan perantara yang memisahkan aplikasi anda daripada pembekal, supaya menukar model menjadi keputusan satu hari dan bukannya projek satu suku tahun.

Sumber