Apertus 1.5:スイスの完全オープンモデルが画像と音声を読む
ETH チューリッヒ、EPFL、CSCS は 7 月 24 日に Apertus 1.5 を公開しました。画像・音声入力、262K コンテキスト、Apache 2.0 を備えた完全オープンの 8B と 70B モデルです。音声理解は実験的です。
ETH チューリッヒ、EPFL、スイス国立スーパーコンピューティングセンター(CSCS)は 2026 年 7 月 24 日に Apertus 1.5 を公開しました。8B と 70B のモデルファミリーで、テキストに加えて画像と音声も受け付けるようになり、262,144 トークンのコンテキストウィンドウ、オプションの thinking モード、Apache 2.0 ライセンスを備えます。
何が新しいか
Apertus 1.5 は初代 Apertus 1.0 の事前学習を、8B モデルではさらに 4 兆トークン、70B では 2 兆トークン継続し、合計は 19T と 17T トークンになりました。アーキテクチャは変更なしです。xIELU 活性化関数を持つ decoder-only トランスフォーマーで、AdEMAMix オプティマイザで訓練されています。画像と音声は、独立した視覚エンコーダーを経由するのではなく、Emu3.5 ベースの画像トークナイザと WavTokenizer によって、テキストと同じシーケンス内の離散トークンとして入力され、モデルが生成するのはテキストのみです。コンテキストウィンドウは Apertus 1.0 の 4 倍で、thinking は別モデルではなくチャットテンプレートのフラグです。
技術レポートでは、8B モデルは同クラスの完全オープンモデルの中で、知識・指示追従・文化系ベンチマークで首位に立っています。一方、知覚と英語などの高リソース言語の文字起こしでは、専門特化型の視覚・音声モデルが引き続き先行します。音声理解は実験的とプロジェクトは説明しています。これらは開発者自身の評価です。
実行方法
BF16 の重みは 8B モデルで約 18.4 GB、70B で約 144.6 GB です。リリース時点でモデルカードは、公開済みの Transformers や vLLM のバージョンではまだ対応していないとし、Swiss AI のフォークと Docker イメージを案内していました。Hugging Face のリポジトリはゲート付きなので、ダウンロード前に利用条件に同意する必要があります。カードによれば出力フィルタは提供されないため、独自の保護機構を追加してください。また、データ削除要求を反映するため、約 6 か月ごとに重みを更新することを推奨しています。thinking モードではツール呼び出しが動作せず、動画入力は未対応なので、フレームを抽出して画像として渡してください。
ライセンス
Apertus は最も完全な意味でオープンです。重み、中間チェックポイント、データ準備パイプライン、訓練コード、評価ハーネスがすべて Apache 2.0 で公開されています。チームは、公開されているデータのみで訓練し、クローラーのオプトアウトを遡及して尊重し、制限的なライセンスの素材を除外していると説明しています。ベースとポストトレーニング段階のチェックポイント(SFT、DPO、RL)は個別のリポジトリとして公開されています。
なぜ重要か
多くのオープンウェイトモデルは重みだけを公開します。Apertus と OLMo 3.1 は、当カタログで fully open タグが付いた 2 つのモデルであり、Apertus はそのうち画像と音声を読める唯一のモデルです。これは、モデルの訓練データの出所を文書化する必要がある公的機関・大学・企業(EU AI Act 対応など)や、中間チェックポイントを使って訓練を再現したい研究者にとって重要です。生の能力では首位ではありません。比較対象は Qwen3.8-27B と Gemma 4 であり、レポート自体も、知覚や高リソース言語の文字起こしでは専門特化モデルが先行していると述べています。
オープンウェイトとオープンソースの解説も参照してください。Apertus はヨーロッパ製モデルのリストとマルチモーダルモデルのリストにも載っています。
出典
- Apertus 1.5 (Apertus project, July 2026) apertus-ai.org
- Apertus 1.5: Building the next generation of open AI infrastructure (ETH AI Center, 24 Jul 2026) ai.ethz.ch
- Apertus v1.5 technical report (arXiv) arxiv.org
- Apertus-v1.5-70B model card (Hugging Face) huggingface.co
この記事で取り上げているモデル
| モデル | リリース日 | パラメータ数 | コンテキスト | ライセンス | 最小バリエーションの必要メモリ |
|---|---|---|---|---|---|
| Apertus 1.5 EN Swiss AI Initiative | 8B – 70B | 256K | Apache 2.0 (パーミッシブ) | 5.52 GB ノートPCまたはスマートフォン | |
| Olmo 3.1 EN Allen Institute for AI (Ai2) | 7.3B – 32.2B | 64K | Apache 2.0 (パーミッシブ) | 5.04 GB ノートPCまたはスマートフォン | |
| Qwen3.8-27B EN Alibaba Qwen | 27.8B | 256K | Apache 2.0 (パーミッシブ) | 19 GB ゲーミングGPU | |
| Gemma 4 EN Google DeepMind | 5.1B – 30.7B | 256K | Apache 2.0 (パーミッシブ) | 3.52 GB ノートPCまたはスマートフォン |