Swiss AI phát hành Apertus 1.5 với khả năng hiểu hình ảnh, âm thanh và ngữ cảnh 262.144 token
Swiss AI đã phát hành Apertus 1.5, bản cập nhật cho các mô hình ngôn ngữ mở 8B và 70B của Apertus. Các mô hình mới hiểu hình ảnh và âm thanh bên cạnh văn bản, có chế độ suy luận tùy chọn cho các bài toán khó, hỗ trợ cửa sổ ngữ cảnh 262.144 token—dài gấp bốn lần Apertus 1.0—đồng thời cải thiện khả năng làm theo chỉ dẫn và sử dụng công cụ. Trọng số mô hình được đưa lên Hugging Face ngày 24 tháng 7 năm 2026 theo giấy phép Apache 2.0. Apertus 1.5 tiếp tục được huấn luyện từ Apertus 1.0 với thêm 4 nghìn tỷ token cho mô hình 8B và 2 nghìn tỷ token cho mô hình 70B, nâng tổng số lên lần lượt 19T và 17T token. Hình ảnh và âm thanh được chuyển thành token rồi xử lý trong cùng chuỗi với văn bản; mô hình chỉ tạo đầu ra dạng văn bản, còn khả năng hiểu ngôn ngữ nói vẫn đang ở giai đoạn thử nghiệm. Dự án cũng công bố nguồn dữ liệu, các tập dữ liệu huấn luyện, dữ liệu ưu tiên, mã đánh giá và các nguyên tắc của mô hình theo định hướng mở. Theo các kết quả được công bố, bản phát hành mới cải thiện khả năng lập trình, làm theo chỉ dẫn, xử lý đa ngôn ngữ, suy luận, hiểu tài liệu và biểu đồ, cũng như tích hợp công cụ, dù nhìn chung vẫn chưa vượt các mô hình open-weight hàng đầu. Với lập trình viên và nhóm nghiên cứu, Apertus 1.5 là một nền tảng minh bạch, có giấy phép rộng rãi để xây dựng ứng dụng đa phương thức cần xử lý tài liệu dài, hình ảnh, âm thanh hoặc công cụ bên ngoài.
Lập trình viên và nhóm nghiên cứu có thể dùng Apertus 1.5 trên Hugging Face để thử các ứng dụng xử lý văn bản dài, hình ảnh, âm thanh và gọi công cụ, với giấy phép Apache 2.0. Hãy lưu ý khả năng hiểu lời nói vẫn còn thử nghiệm và hiệu năng tổng thể chưa vượt các mô hình open-weight hàng đầu.
Đọc bài gốc