Apertus 1.5: o modelo totalmente aberto da Suíça lê imagens e áudio
ETH Zurique, EPFL e CSCS lançaram o Apertus 1.5 em 24 de julho: modelos 8B e 70B totalmente abertos com entrada de imagem e áudio, contexto de 262K e Apache 2.0. A compreensão de áudio é experimental.
A ETH Zurique, a EPFL e o Centro Nacional de Supercomputação da Suíça (CSCS) lançaram o Apertus 1.5 em 24 de julho de 2026. É uma família de modelos 8B e 70B que agora aceita imagens e áudio além de texto, com uma janela de contexto de 262.144 tokens, um modo de raciocínio opcional e licença Apache 2.0.
O que há de novo
O Apertus 1.5 continua o pré-treinamento dos Apertus 1.0 de primeira geração com mais 4 trilhões de tokens para o 8B e 2 trilhões para o 70B, chegando a totais de 19T e 17T de tokens. A arquitetura é a mesma: um transformer apenas decodificador com a ativação xIELU, treinado com o otimizador AdEMAMix. Imagens e áudio entram como tokens discretos na mesma sequência do texto, por meio de um tokenizador de imagem baseado no Emu3.5 e do WavTokenizer, em vez de por um codificador de visão separado, e os modelos geram apenas texto. A janela de contexto é quatro vezes a do Apertus 1.0, e o raciocínio é uma flag do template de chat, não um modelo separado.
No relatório técnico, o modelo 8B lidera entre os modelos totalmente abertos de sua classe em benchmarks de conhecimento, seguimento de instruções e cultura, enquanto modelos especializados de visão e áudio continuam à frente em percepção e na transcrição do inglês e de outros idiomas de altos recursos. O projeto descreve a compreensão de áudio como experimental. Essas são avaliações dos próprios desenvolvedores.
Como executar
Os pesos BF16 têm cerca de 18,4 GB para o 8B e 144,6 GB para o 70B. No lançamento, o model card dizia que o suporte ainda não estava nas versões lançadas de Transformers ou vLLM e apontava para os forks da Swiss AI e uma imagem Docker. Os repositórios do Hugging Face têm acesso restrito, então é preciso aceitar os termos de acesso antes de baixar. O card diz que nenhum filtro de saída é fornecido, então adicione suas próprias salvaguardas, e recomenda atualizar os pesos cerca de a cada seis meses para atender pedidos de exclusão de dados. Chamada de ferramentas não funciona no modo de raciocínio, e entrada de vídeo não é suportada: extraia quadros e passe-os como imagens.
Licença
O Apertus é aberto no sentido mais completo. Os pesos, checkpoints intermediários, pipelines de preparação de dados, código de treinamento e arneses de avaliação são todos publicados sob Apache 2.0. A equipe diz que treina apenas com dados abertamente disponíveis, honra opt-outs de rastreadores retroativamente e exclui material com licenças restritivas. Checkpoints das etapas base e de pós-treinamento (SFT, DPO e RL) são publicados como repositórios separados.
Por que importa
A maioria dos modelos de pesos abertos publica os pesos e pouco mais. O Apertus e o OLMo 3.1 são os dois modelos do nosso catálogo marcados como totalmente abertos, e o Apertus é o único que lê imagens e áudio. Isso importa para órgãos públicos, universidades e empresas que precisam documentar de onde veio o dado de treinamento de um modelo — por exemplo, para trabalhos ligados ao AI Act da UE — e para pesquisadores que querem reproduzir o treinamento com checkpoints intermediários à mão. Ele não lidera em capacidade bruta: os modelos para compará-lo são o Qwen3.8-27B e o Gemma 4, e o próprio relatório diz que modelos especializados continuam à frente em percepção e transcrição de idiomas de altos recursos.
Pesos abertos vs. código aberto explica a diferença. O Apertus também está na lista da Europa e na lista de modelos multimodais.
Fontes
- 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
Modelos nesta história
| Modelo | Lançamento | Parâmetros | Contexto | Licença | Memória da menor variante |
|---|---|---|---|---|---|
| Apertus 1.5 EN Swiss AI Initiative | 8B – 70B | 256K | Apache 2.0 (Permissiva) | 5.52 GB Notebook ou celular | |
| Olmo 3.1 EN Allen Institute for AI (Ai2) | 7.3B – 32.2B | 64K | Apache 2.0 (Permissiva) | 5.04 GB Notebook ou celular | |
| Qwen3.8-27B EN Alibaba Qwen | 27.8B | 256K | Apache 2.0 (Permissiva) | 19 GB GPU gamer | |
| Gemma 4 EN Google DeepMind | 5.1B – 30.7B | 256K | Apache 2.0 (Permissiva) | 3.52 GB Notebook ou celular |