Apertus 1.5 发布说明

英文原标题：Apertus 1.5 Release Notes

本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗

• Apertus 1.5 在 8B 和 70B 模型上新增图像与音频理解能力，并引入可选思考模式，上下文窗口扩展至 262,144 tokens，为 1.0 版的四倍。
• 模型权重于 2026 年 7 月 24 日以 Apache 2.0 许可发布至 Hugging Face，延续开放权重、开放数据、开放价值观和完整训练细节的开放路线。
• 多模态采用早期融合方式，图像经 Emu3.5 tokenizer 转为离散 token，音频经 WavTokenizer 处理，与文本 token 同序列输入，架构不变且训练速度与纯文本相当。
• 训练流程包括四阶段持续预训练（未配对、配对、冷却、长上下文）和五阶段后训练（SFT、长上下文 SFT、RL、DPO、charter 对齐 SDPO），超过一半训练 token 为纯文本以保留语言能力。
• 评估显示 8B 模型在指令遵循和多语言任务上超越同规模开放权重模型，思考模式提升 AIME 等推理基准表现，多模态性能接近 Gemma 4 12B，并与 EvalEval 合作发布透明评估卡。

关键数据

• 8B 模型新增 4 万亿 token，总计 19T；70B 模型新增 2 万亿 token，总计 17T。
• 上下文窗口从 8k 逐步扩展至 262,144 tokens。
• 512×512 图像编码为 1,024 tokens，音频每秒 40 tokens。
• SFT 使用 370 万文本样本，RLVR 约 35 万提示。
• EEE schema 可表示 EU AI Act 第 55 条和 GPAI 行为准则所要求的 60 个评估报告元素中的 56 个。

为什么值得看：Apertus 1.5 以全开放方式扩展多模态和长上下文能力，并通过 EvalEval 评估卡推动透明可复现的模型评估实践。