Apertus 1.5: otwarte modele 8B/70B rozumieją obraz i dźwięk, mają dłuższy kontekst i tryb myślenia
W skrócie: Swiss AI wydało Apertus 1.5 — kontynuację treningu otwartych modeli Apertus 1.0 (8B i 70B, licencja Apache 2.0), dodając natywne rozumienie obrazu i eksperymentalne rozumienie dźwięku, 4-krotnie większe okno kontekstu (262 144 tokeny), opcjonalny tryb myślenia oraz lepsze przestrzeganie instrukcji i obsługę narzędzi. Modele wytrenowano łącznie na 19T (8B) i 17T (70B) tokenach, a wszystkie dane treningowe, przepisy i checkpointy pośrednie zostały opublikowane publicznie dla powtarzalności. Zespół opublikował też szczegółowe, zestandaryzowane karty ewaluacyjne i ogłosił wczesny dostęp API od dostawców takich jak Swisscom i Infomaniak, a także plan dla ~600-miliardowego modelu MoE Apertus 2.0.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „Hugging Face”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Dodano natywne wejście obrazu i dźwięku (obsługa dźwięku eksperymentalna); modele nadal generują tylko tekst
- 2Okno kontekstu wzrosło 4-krotnie do 262 144 tokenów
- 3Nowy opcjonalny „tryb myślenia” do krokowego rozumowania przed odpowiedzią
- 4Lepsze przestrzeganie instrukcji i obsługa narzędzi, trenowane na zweryfikowanych trajektoriach wykonania narzędzi
- 5Łączna ilość danych treningowych wzrosła do 19T tokenów (model 8B) i 17T tokenów (model 70B)
- 6Publicznie udostępniono pełne dane treningowe, checkpointy pośrednie i zestandaryzowane karty ewaluacyjne (Eval Cards)
- 7Ogłoszono wczesny dostęp API przez Swisscom, Infomaniak, Phoeniqs i innych; aplikacje takie jak Proton Lumo i Infomaniak Euria już go zintegrowały
- 8Ogłoszono plan Apertus 2.0: rzadka architektura (sparse/MoE), ~600 mld parametrów, priorytet dla agentów, matematyki i kodowania
| Parametr | Było | Jest |
|---|---|---|
| Okno kontekstu | Nie określono (wartość bazowa Apertus 1.0) | 262 144 tokeny (4-krotny wzrost względem Apertus 1.0) |
| Modalności wejściowe | Tylko tekst | Tekst, obrazy i dźwięk (rozumienie dźwięku eksperymentalne); generowanie nadal tylko tekstowe |
| Rozumowanie | Brak osobnego trybu rozumowania | Opcjonalny „tryb myślenia”, który rozumuje przed odpowiedzią i poprawia wyniki w zadaniach takich jak AIME |
| Wywoływanie narzędzi | Standardowa obsługa narzędzi | Ulepszona, trenowana na zweryfikowanych trajektoriach wykonania narzędzi wraz z dostrajaniem RL/DPO |
| Ilość danych treningowych | Korpus treningowy Apertus 1.0 | Model 8B: 19T tokenów łącznie (+4T); model 70B: 17T tokenów łącznie (+2T) |
| Licencja | Apache 2.0 | Apache 2.0 (bez zmian, w pełni otwarte wagi/dane) |
Dlaczego to ważne?
Dla zespołów budujących agentów lub automatyzację głosową/contact center, w pełni otwarty model na licencji Apache 2.0 z wejściem multimodalnym, długim kontekstem i zweryfikowanym treningiem obsługi narzędzi to realna alternatywa dla zamkniętych API — zwłaszcza gdy liczy się własny hosting, kontrola kosztów lub rezydencja danych. Eksperymentalne rozumienie dźwięku i lepsze wywoływanie narzędzi są bezpośrednio istotne dla pipeline'ów łączących mowę, dokumenty i zewnętrzne funkcje.
Co to oznacza dla agentów AI i contact center?
Warto ocenić go jako samodzielnie hostowaną bazę dla przepływów pracy agentów lub wywoływania narzędzi, gdy potrzebna jest pełna kontrola nad danymi i infrastrukturą zamiast zamkniętego API — przetestować niezawodność wywoływania narzędzi, obsługę długiego kontekstu dla transkrypcji rozmów lub dokumentów oraz eksperymentalne rozumienie dźwięku w porównaniu z obecnym stosem STT/LLM, pamiętając, że model nadal ustępuje czołowym zamkniętym modelom w surowych benchmarkach.
🧪 Warte przetestowania
Otwarta licencja, długi kontekst, lepsze wywoływanie narzędzi i eksperymentalne wejście audio czynią go kandydatem do samodzielnie hostowanych pipeline'ów agentowych i głosowych, o ile bezpośrednie testy potwierdzą jakość wielojęzyczności i rozumienia dźwięku w porównaniu z obecnymi narzędziami.
Źródła
- Hugging FaceOficjalneŹródło pierwotneOryginalny artykuł →„Apertus 1.5 Release Notes“15 paź 2026, 12:08
- Data publikacji źródła
- 15 paź 2026, 12:08
- Znalezione przez nasz system
- 15 paź 2026, 16:41
- Podsumowanie wygenerowano
- 15 paź 2026, 16:43
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność