Apertus 1.5 vs OLMo 3.1 : quel modèle totalement ouvert utiliser ?

Apertus 1.5 lit du texte, des images et de l'audio avec un contexte de 262K ; OLMo 3.1 est texte seul, avec 64K et un modèle 32B. Les deux sont totalement ouverts sous Apache 2.0.

  • Mis à jour le

Verdict. Les deux sont totalement ouverts sous Apache 2.0, avec le code d'entraînement et les checkpoints publics ; choisissez donc selon ce que le modèle doit lire et selon son degré de fraîcheur. Apertus 1.5 (8B et 70B, juillet 2026) accepte les images et l'audio en plus du texte, offre un contexte de 262K et un raisonnement optionnel, et n'a été entraîné que sur des données disponibles librement. Ses dépôts sont gated, la compréhension audio est expérimentale, et il exige les forks de Transformers ou de vLLM de Swiss AI. OLMo 3.1 (7B et 32B, décembre 2025) est texte seul avec un contexte de 65 536 tokens, et Ai2 publie les données de pré-entraînement (Dolma 3) et les jeux de données de post-entraînement (Dolci) en plus du code et des checkpoints. Ai2 présente le modèle 32B Instruct comme le modèle instruct 32B totalement ouvert le plus puissant de ses évaluations. OLMo est plus ancien et décroche face aux modèles à poids ouverts de 2026, tandis qu'Apertus est plus récent et plus grand, avec un modèle 70B.

Spécifications

Spécifications Apertus 1.5Olmo 3.1
DéveloppeurSwiss AI InitiativeAllen Institute for AI (Ai2)
Date de sortie24 juillet 202612 décembre 2025
Paramètres totaux70B (Apertus 1.5 70B)32.2B (32B Think)
Paramètres actifsTousTous
ArchitectureDenseDense
Fenêtre de contexte256K tokens64K tokens
EntréeTexte, Image, AudioTexte
Licence Apache 2.0 (Permissive) Apache 2.0 (Permissive)
Mémoire pour la plus petite variante (4 bits)5.52 GB (Apertus 1.5 8B)5.04 GB (7B Think)

Les affirmations de performance viennent du développeur et n’ont pas été vérifiées de manière indépendante.

Choisissez Apertus 1.5 si

  • Vous avez besoin d'un modèle qui lit les images ou l'audio en plus du texte.
  • Vous avez besoin d'un modèle plus grand que le 32B d'OLMo, car Apertus existe en version 70B.
  • Vous voulez un contexte de 262K et le raisonnement comme un flag du chat template.
  • Vous devez documenter la provenance des données d'entraînement : Apertus n'utilise que des données disponibles librement et honore rétroactivement les refus des robots d'exploration.

Choisissez Olmo 3.1 si

  • Vous voulez étudier ou reproduire l'entraînement avec les données réelles, puisque Dolma 3 et Dolci sont publiés.
  • Vous voulez un modèle 7B Think ou Instruct d'environ 15 Go à exécuter en local.
  • Vous voulez mener des expériences d'apprentissage par renforcement à partir des checkpoints RL-Zero et intermédiaires publiés.
  • Vous travaillez uniquement avec du texte et voulez des données et checkpoints publics pour chaque étape : base, fine-tuning supervisé, ajustement des préférences et apprentissage par renforcement.

Apertus 1.5 · Olmo 3.1