Een gratis AI-model verslaat uw onderzoeksbudget

Een model dat zonder enige aankondiging verscheen

Het Shanghai Artificial Intelligence Laboratory zette op 11 september 2026 een model met 744 miljard parameters op Hugging Face, zonder blogpost, persbericht of prijspagina. De repository van Atria Dawn Preview ging gewoon live, en de modelkaart telt 753 miljard parameters zodra elke tensor in de mixture-of-experts-stack wordt meegerekend. Een FP8-gekwantiseerd checkpoint volgde een dag later, op 12 september.

Het is gebouwd op de GLM-5.2-basis van Zhipu en uitgebracht onder de MIT-licentie, die volledig commercieel hergebruik toestaat zonder royalty's of gebruikerslimiet. De context loopt tot 256.000 tokens, maar de invoer is uitsluitend tekst: het leest geen screenshot, gescande factuur of PDF, zoals GPT-5.6 of Claude Opus 5 wel kunnen. Twee gehoste API-eindpunten waren al actief voordat de release enige externe aandacht kreeg, een op api.atria-asi.ai voor verkeer buiten China en een op discovery.intern-ai.org.cn voor gebruikers binnen China.

Een model van deze omvang komt normaal met een keynote. GPT-5.6 en Claude Opus 5 lanceerden allebei achter prijspagina's, benchmarkpresentaties en gefaseerde uitrol. Atria Dawn kwam zoals een gewone code-commit binnenkomt, en wie het als eerste opmerkte, waren de mensen die Hugging Face's dagelijkse uploadlijst volgen, niet de persbureaus.

Waar Atria Dawn echt wint

In de eigen gepubliceerde benchmarktabel behaalt Atria Dawn Preview op 5 van de 16 tests de hoogste score van alle vermelde modellen, en het patroon concentreert zich op onderzoek en beveiliging in plaats van pure programmering. Het leidt bij BrowseComp, de benchmark voor webonderzoek en agentisch browsen, met 92,5 tegen 92,2 voor GPT-5.6, 90,8 voor Claude Opus 5 en 91,2 voor KIMI K3. Op DeepSearchQA scoort het 96,0 tegen 95,9 voor KIMI K3 en 93,2 voor GPT-5.6, en op BFCL v4, een benchmark voor toolgebruik, haalt het 77,0 tegen 71,4 voor DeepSeek V4.

CyberGym, de cybersecuritybenchmark, volgt hetzelfde patroon: Atria Dawn scoort 86,5 tegen 84,5 voor GLM 5.3, 83,6 voor GPT-5.6 en 83,3 voor DeepSeek V4. Deze vier taken draaien allemaal om het vinden, verifiëren en gebruiken van echte informatie, niet om het vanaf nul schrijven van nieuwe software.

Waar het duidelijk niet wint

Atria Dawn Preview verliest twee van de drie benchmarks die het meest tellen voor softwarelevering, en de verschillen zijn groot. Claude Opus 5 leidt bij SWE-bench Pro met 74,7 tegen 59,6 voor Atria, een verschil van 15 punten op de benchmark die meet of een agent een werkende pull request kan opleveren. Claude Opus 5 leidt ook bij JobBench, een bredere benchmark voor werktaken, met 68,0 tegen 50,3.

GPT-5.6 leidt bij de derde, MLE-bench Lite, met 88,9 tegen 86,2 voor Atria, een benchmark voor machine-learning-engineering die dichter bij de gebruikelijke sterke punten van beide modellen ligt. Niets hiervan spreekt de eerder genoemde voorsprong in onderzoek en beveiliging tegen. Het laat zien dat browsen en bewijs verifiëren ander inzicht vraagt dan een codebase onderhouden onder een echte deadline.

Hoe het model getraind werd om zijn eigen werk te controleren

Het paper achter het model, getiteld "Atria Dawn: The Dawn of Agentic Superintelligence" op arXiv, vermeldt meer dan 140 auteurs van het Shanghai Artificial Intelligence Laboratory en beschrijft een trainingsmethode die het een Verifiable Experience Pipeline noemt. Die pijplijn koppelt tool-gemedieerde acties aan uitvoerbare omgevingen en aan extern geverifieerde uitkomsten, in plaats van beoordeeld door een simulator die zijn eigen test nakijkt.

De titel van het paper is veel grootser dan de release zelf ooit was, en dat verschil is op zichzelf het vermelden waard: een lab dat zelfverzekerd genoeg is om zijn eigen werk een stap richting agentische superintelligentie te noemen, koos er toch voor om het zonder enige aankondiging te publiceren. De auteurs voerden ook een menselijke evaluatie uit van 769 afgeronde taakdossiers van 56 deelnemers. Ongeveer een derde van het AI-ondersteunde werk werd door de uitvoerders zelf beoordeeld als onmogelijk zonder hulp van het model, en de onderzoekers melden dat mensen steeds de uiteindelijke beslissingsbevoegdheid behielden, ook wanneer de agent methoden voorstelde en herzieningen doorvoerde.

Dat is de eigen framing van het paper over een onderzoeksproces, geen onafhankelijke audit, en Servola heeft de claim alleen geverifieerd als een uitspraak die de auteurs over hun eigen studie doen.

Wat dit verandert voor een Europees onderzoeksbudget

Een Europese onderneming die betaalt voor OpenAI- of Anthropic-API-toegang om onderzoek, concurrentie-informatie of beveiligingsanalyse te doen, betaalt grotendeels precies voor de vaardigheid die Atria Dawn Preview volgens de gepubliceerde cijfers nu evenaart of overtreft: webonderzoek, toolgebruik en beveiligingsanalyse. Dat is werk dat de meeste eigenaren begroten als externe leveranciersregel in plaats van het intern op te bouwen, en een gratis model met MIT-licentie dat precies op die taken leidt, verandert wat die regel moet rechtvaardigen.

Gratis downloaden is niet gratis draaien: een model met 744 miljard parameters vraagt echte inference-infrastructuur, en dat is de eigenlijke kostenvraag voor een Europese koper, niet de licentie. Het op bruikbare snelheid hosten vraagt GPU-capaciteit die de meeste middelgrote bedrijven niet bezitten, dus de realistische stap op korte termijn is de gehoste API die het Shanghai Artificial Intelligence Laboratory al draait, in plaats van een zelf gehoste inzet, en dat betekent nog steeds data naar een derde partij sturen, net zoals een OpenAI- of Anthropic-abonnement dat doet.

De release gaat met zo weinig marketing gepaard dat de meeste inkoopteams hem nog nergens in hebben verwerkt. Een model dat de twee duurste gesloten modellen verslaat op precies de taken waarvoor een onderzoeksteam daadwerkelijk factureert, gratis uitgebracht onder een licentie die doorverkoop toestaat, is het soort feit dat normaal maanden nodig heeft om een budgetgesprek te bereiken. Dit heeft er vijf dagen over gedaan.

Waarom we dit doen

We doen dit voor iedereen die probeert bij te houden wat technologie met ons leven doet. De mensen die het bouwen, en de mensen aan wie het gebeurt. Het Servola Journal bestaat zodat wat we leren aan hen allemaal toebehoort.

Niemand betaalt ons hiervoor. Geen advertenties, geen betaalmuur, gratis voor iedereen. We geloven gewoon dat begrijpen wat er met ons allemaal gebeurt niet mag afhangen van wie het zich kan veroorloven.

Als dit je vandaag iets heeft gegeven, laat het ons weten zodat we doorgaan. Volg ons, laat een like achter of schrijf een positieve reactie. We lezen ze allemaal, en zij zijn wat ons op de been houdt.

Lees hierna: OpenAI's eigen onderzoekers verbranden 600 dollar per dag aan tokens  |  OpenAI's agents ontsnapten maandenlang aan hun sandbox