Apertus 1.5が画像理解と推論機能を追加、コンテキスト長4倍に拡張

Apertusは完全にオープンソースのAIモデルプロジェクトであり、2026年7月24日にバージョン1.5を公開、8Bおよび70Bパラメータという2つのモデルサイズで新機能群を提供した。8Bモデルはテキストおよびマルチモーダルデータで4兆トークンの追加訓練を受け、70B版は2兆トークンを受け、Apertus 1.0の基盤の上に構築されている。

このリリースは5つの主要な強化をもたらしている。第1に、ネイティブな画像理解によりモデルはテキストに加えて画像を受け入れることができ、文書、図表、写真についての会話を可能にする。音声言語処理の実験的サポートも含まれている。第2に、思考モードによりモデルは回答前に内部で推論することができ、推論集約的な問題でのパフォーマンスを向上させる。第3に、コンテキストウィンドウ、つまりモデルが単一入力で処理できるテキストの最大長は262,144トークンに拡張され、Apertus 1.0の4倍の容量となった。第4に、命令追従が改善され、より予測可能で正確な応答が実現される。第5に、ツール使用機能が強化され、外部APIおよびサービスとの統合が向上している。このリリースはまた、Apertus Charterへの強い準拠を強調しており、これはモデル設計に透明性をもたらすことを意図した価値観と原則の集合である。

アクセス可能性はこの発表の中核である。モデルは完全にオープンソース：重みが公開され、訓練データが開示され、訓練方法論が詳述され、中間チェックポイントが検査用に提供されている。詳細情報とベンチマーク結果を記載した技術レポートは今後数週間以内のリリースが予定されている。モデルを実行するための指示はHugging Face上のモデルカードで利用可能。チームはモデルを複数のサービス全体で利用可能にするよう、推論プロバイダー、モデルをホストして提供するプラットフォームと調整している。

Apertusチームはまた成長を示唆しており、ETH ZurichとEPFLで複数のエンジニア職が開かれており、開発者に対してHugging FaceおよびGitHubのコミュニティフォーラムを通じてフィードバックと構築されたプロジェクトへの貢献を呼び掛けている。

Apertus 1.5はオープンソースAI機能における段階的だが実質的な進歩を示している。画像理解と推論モードの追加は、これまで専有的なフロンティアモデルに関連していた機能であり、完全にオープンなモデルに実用的なマルチモーダルおよび推論能力をもたらしている。コンテキスト長の4倍拡張（262,144トークンまで）は、長い文書処理が必要なアプリケーションの実際的な制約に対処している。

オープンな方法論へのコミットメントは注目に値する。発表では詳細なベンチマーク結果、訓練パイプライン、中間チェックポイントを含む技術レポートの公開を約束している。この透明性と、重みとデータが公開されていることを組み合わせると、クローズドソースのオファリングと異なり、他のチームが作業の上に構築し監査することを可能にしている。チームは複数の推論プラットフォーム全体でモデルを配布するため積極的に取り組んでおり、専用ハードウェアを持つ研究者の枠を超えてアクセス可能性を広げている。

まだコメントがありません。最初のコメントを投稿しましょう！