Apertus 1.5发布：8B与 70B模型新增图像音频理解，上下文扩至 262k
瑞士AI计划将Apertus 1.5的 8B和 70B权重于 2026 年 7 月 24 日发布到Hugging Face，采用Apache 2.0许可；模型新增原生多模态理解、可选思考模式和 26.2 万token上下文窗口。
瑞士AI计划（Swiss AI Initiative）在Hugging Face发布Apertus 1.5，将 8B和 70B模型权重于 2026 年 7 月 24 日公开，许可为Apache 2.0。该版本在Apertus 1.0基础上继续预训练，新增图像与音频理解、可选思考模式，并将上下文窗口扩展到 262,144 token。
多模态通过分词器实现，模型只生成文本
Apertus 1.5没有使用单独的视觉编码器，而是以早期融合方式将图像和音频转为离散token，与文本token放入同一序列。图像使用Emu3.5分词器，一张 512×512 图像转为 1,024 个token；音频使用WavTokenizer，每秒 40 个token。
官方称该方式只扩展词表，架构不变，训练速度与纯文本模型相当。模型能理解图像和音频，但输出仅为文本。音频处理仍处于实验阶段。
训练数据与后训练流程公开
预训练从Apertus 1.0检查点继续，分为四个阶段：无配对数据、配对数据、冷却阶段和长上下文扩展，窗口从 8k逐步扩大到 262k。整体训练中超过一半token为纯文本，以保持原有语言能力。文本数据包含FineWeb2-HQ+、FinePDFs和Nemotron-CC等来源；所有新数据满足公开可用、宽松许可，并追溯尊重robots.txt退出。
后训练包含SFT、长上下文SFT、RL、DPO和章程对齐（SDPO）五个阶段。SFT使用 370 万条文本样本及图像和语音数据；推理轨迹仅添加到模型无法直接解决的提示上；工具使用数据限于执行验证过的轨迹。团队在Hugging Face发布了文本SFT混合数据。
评估：部分任务接近或持平开源权重模型
官方评估显示，Apertus 1.5在编码和指令遵循上明显改进，8B版本在IF和多语言任务上超过同规模开源权重模型，思考模式进一步改善AIME等推理密集型基准。
多模态性能接近Gemma 4 12B及其他当前开源权重模型，在空间理解以及文档/图表理解上具有竞争力。在瑞士法律任务上，官方称其与领先开源权重模型持平；在Last Translation Benchmark上，8B版本的机器翻译能力与GPT-OSS-20B相当，超过Claude Haiku 4.5和Google Translate。
团队同时说明，该版本仍落后于前沿开源权重模型。评估结果通过EvalEval联盟的Every Eval Ever模式发布，包含运行者、访问方式、生成设置和指标解释等信息。
可用性：应用集成与API提供商
Proton Lumo和Infomaniak Euria已集成Apertus 1.5。Swisscom、Infomaniak、Phoeniqs等提供商宣布为开发者提供Apertus 1.5 API。模型卡和Quickstart指南提供了运行说明。
团队在苏黎世AI+X峰会上宣布了Apertus 2.0路线图：稀疏/MoE架构、约 600B总参数、更长训练计划，优先方向为智能体、数学和编码。