Apertus 1.5 发布：8B 与 70B 模型新增图像音频理解与思考模式

Apertus 1.5 发布，扩展多模态与长上下文能力

据 Hugging Face 博客文章，瑞士 AI 项目 Apertus 发布 1.5 版本，在 8B 和 70B 的 Apertus 1.0 基础上新增图像与音频理解、可选的思考模式（thinking mode）、四倍长的上下文窗口，并改善指令遵循与工具调用能力。文章称，更新后的 8B 与 70B 模型权重已于 2026 年 7 月 24 日以 Apache 2.0 许可证发布到 Hugging Face。Apertus 1.5 属于对第一代模型的继续预训练：8B 模型新增 4 万亿 tokens 的文本与多模态训练数据，70B 模型新增 2 万亿，总量分别达到 19T 与 17T。

技术路径与评测说明

文章介绍，多模态采用早期融合方式，图像与音频以离散 token 形式与文本 token 进入同一序列，而非使用独立的视觉编码器；图像使用 Emu3.5 tokenizer，音频使用 WavTokenizer。模型可以理解图像与音频，但只生成文本，其中语音处理仍属实验性。上下文窗口从 8k 逐步扩展到 262,144 tokens。后训练流程为 SFT、长上下文 SFT、RL、DPO 与章程对齐（SDPO）五个阶段。评测方面，文章称新版本在编码与指令遵循上有明显提升，8B 版本在指令遵循与多语言任务上优于同规模开放权重模型，思考模式进一步改善 AIME 等推理密集型基准表现；多模态表现接近 Gemma 4 12B 等当前开放权重模型。文章同时表示，该版本仍落后于前沿开放权重模型。

可用性与信息来源

文章提到，Proton Lumo 与 Infomaniak Euria 已集成 Apertus 1.5，Swisscom、Infomaniak、Phoeniqs 等厂商宣布提供面向开发者的 API，具体可用范围与接入方式以各厂商及项目官网当前信息为准。训练配方、数据混合与中间检查点已在技术报告及 Hugging Face 集合中公开。以上内容均来自 Apertus 1.5 Release Notes 一文，本快讯未做独立验证；模型性能与部署细节请以官方发布为准。