Apertus 1.5 : le modèle entièrement ouvert de la Suisse lit les images et l'audio

ETH Zurich, EPFL et CSCS ont publié Apertus 1.5 : modèles 8B et 70B entièrement ouverts, entrées image et audio, contexte de 262K, Apache 2.0. Audio expérimental.

  • Nouvelle sortie
  • 3 min de lecture
  • Publié le

ETH Zurich, l’EPFL et le Centre national suisse de calcul intensif (CSCS) ont publié Apertus 1.5 le 24 juillet 2026. C’est une famille de modèles 8B et 70B qui accepte désormais les images et l’audio en plus du texte, avec une fenêtre de contexte de 262 144 tokens, un mode de réflexion optionnel et la licence Apache 2.0.

Quoi de neuf

Apertus 1.5 poursuit le pré-entraînement des Apertus 1.0 de première génération avec 4 000 milliards de tokens supplémentaires pour le 8B et 2 000 milliards pour le 70B, soit des totaux de 19T et 17T de tokens. L’architecture est inchangée : un transformer à décodeur seul avec l’activation xIELU, entraîné avec l’optimiseur AdEMAMix. Les images et l’audio entrent comme tokens discrets dans la même séquence que le texte, via un tokeniseur d’image fondé sur Emu3.5 et WavTokenizer, plutôt que par un encodeur de vision séparé, et les modèles ne génèrent que du texte. La fenêtre de contexte est quatre fois celle d’Apertus 1.0, et la réflexion est un drapeau du gabarit de chat, pas un modèle séparé.

Dans le rapport technique, le modèle 8B mène parmi les modèles entièrement ouverts de sa classe sur les benchmarks de connaissances, de suivi d’instructions et de culture, tandis que les modèles spécialisés de vision et d’audio gardent l’avantage en perception et en transcription de l’anglais et d’autres langues à fortes ressources. Le projet décrit la compréhension audio comme expérimentale. Ce sont des évaluations des développeurs eux-mêmes.

L’exécuter

Les poids BF16 font environ 18,4 Go pour le 8B et 144,6 Go pour le 70B. À la sortie, la fiche du modèle indiquait que le support n’était pas encore dans les versions publiées de Transformers ou de vLLM et renvoyait aux forks de Swiss AI et à une image Docker. Les dépôts Hugging Face sont filtrés : il faut accepter les conditions d’accès avant de télécharger. La fiche dit qu’aucun filtre de sortie n’est fourni — ajoutez vos propres garde-fous — et recommande de rafraîchir les poids environ tous les six mois pour honorer les demandes de suppression de données. L’appel d’outils ne fonctionne pas en mode réflexion, et l’entrée vidéo n’est pas prise en charge : extrayez des images et passez-les comme images.

Licence

Apertus est ouvert au sens le plus complet. Les poids, les checkpoints intermédiaires, les pipelines de préparation des données, le code d’entraînement et les harnais d’évaluation sont tous publiés sous Apache 2.0. L’équipe affirme qu’elle n’entraîne que sur des données ouvertement disponibles, honne rétroactivement les opt-outs des crawlers et exclut le matériel sous licence restrictive. Les checkpoints des étapes de base et de post-entraînement (SFT, DPO et RL) sont publiés comme dépôts séparés.

Pourquoi c’est important

La plupart des modèles à poids ouverts publient les poids et peu d’autre. Apertus et OLMo 3.1 sont les deux modèles de notre catalogue étiquetés entièrement ouverts, et Apertus est le seul à lire images et audio. Cela compte pour les institutions publiques, les universités et les entreprises qui doivent documenter la provenance des données d’entraînement d’un modèle — par exemple pour les travaux liés à l’AI Act de l’UE — et pour les chercheurs qui veulent reproduire l’entraînement avec les checkpoints intermédiaires à portée de main. Il ne mène pas en capacité brute : les modèles à comparer sont Qwen3.8-27B et Gemma 4, et le rapport lui-même dit que les modèles spécialisés gardent l’avantage en perception et en transcription des langues à fortes ressources.

Poids ouverts vs open source explique la différence. Apertus figure aussi sur la liste Europe et la liste des modèles multimodaux.

Sources

Modèles cités dans cet article

Modèle Sortie Paramètres Contexte Licence Mémoire requise (plus petite variante)
Apertus 1.5 EN Swiss AI Initiative 8B – 70B 256K Apache 2.0 (Permissive) 5.52 GB Ordinateur portable ou smartphone
Olmo 3.1 EN Allen Institute for AI (Ai2) 7.3B – 32.2B 64K Apache 2.0 (Permissive) 5.04 GB Ordinateur portable ou smartphone
Qwen3.8-27B EN Alibaba Qwen 27.8B 256K Apache 2.0 (Permissive) 19 GB Carte graphique gaming
Gemma 4 EN Google DeepMind 5.1B – 30.7B 256K Apache 2.0 (Permissive) 3.52 GB Ordinateur portable ou smartphone