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

我们的最新版本 Apertus 1.5 在 8B 和 70B 的 Apertus 1.0 模型基础上，扩展了图像/音频理解能力、可选的思考模式、四倍长的上下文窗口、改进的指令遵循能力以及更好的工具使用能力。更新后的 8B 和 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。更多细节现可从项目技术报告中获取，并在此处进行总结。

Apertus 1.5 是对第一代模型的持续预训练：为 8B 模型添加了 4 万亿 token 的文本和多模态训练数据，为 70B 模型添加了 2 万亿 token，总计分别达到 19T 和 17T。与每一次 Apertus 发布一样，这些模型完全开放：开放权重、开放数据、开放价值观，以及完整的训练细节。

关键增强

• 原生多模态理解：Apertus 1.5 可接受图像和音频以及文本，将文档、图表和照片带入对话中。模型还可以处理口语，不过这仍处于实验阶段。
• 思考模式：模型可以切换到思考模式，在回答之前对输入进行推理，从而提升在推理问题上的表现。
• 长上下文：上下文窗口增长到 262,144 个 token，比 Apertus 1.0 增加了 4 倍。
• 改进的指令遵循：比 Apertus 1.0 更好的指令遵循能力，带来更可预测、更准确的响应。
• 改进的工具使用：模型经过训练以实现更好的工具集成，从而更有效地使用外部工具和 API。
• 开放价值观：更严格地遵守 Apertus 宪章，这为模型的价值观和原则带来了透明度。

训练过程

完整的 Apertus 1.5 训练流程

通过分词器实现多模态

我们在 v1.5 模型中以一种早期融合的方式引入多模态，即图像和音频作为离散 token 与文本 token 在同一序列中进入 Apertus，而不是使用单独的视觉编码器。图像使用 Emu3.5 分词器进行分词（一张 512×512 图像变为 1,024 个 token），音频使用 WavTokenizer（每秒 40 个 token）。我们只扩展了词表，因此架构保持不变，训练以纯文本速度运行。模型可以理解图像和音频，但只生成文本。

预训练

从 Apertus 1.0 开始，我们分四个阶段继续预训练：

1. 非配对：文本加上独立的图像和音频，使模型学习新的模态。
2. 配对：图像–说明文字和音频–转录文本对，使其与语言对齐。
3. 冷却：更高质量的数据，包含更多数学和代码。
4. 长上下文：窗口从 8k 逐步增长到 262k 个 token。

总体而言，超过一半的训练 token 是纯文本，这保留了 Apertus 1.0 的语言能力。文本数据通过 FineWeb2-HQ+、FinePDFs 和 Nemotron-CC 等来源进行了更新。所有新数据，包括多模态数据，都满足与之前相同的标准：公开可用、具有宽松许可证，并且追溯性地尊重 robots.txt 选择退出。每个来源都列在 apertus-data-transparency 中。

后训练

后训练分为五个阶段：SFT → 长上下文 SFT → RL → DPO → 章程对齐（SDPO）。

1. SFT 使用 370 万条文本样本，外加图像和语音数据。推理轨迹仅添加到模型在没有这些轨迹时无法解决的提示中。工具使用数据仅限于经过执行验证的轨迹。我们在 Hugging Face 上发布了所使用的文本 SFT 混合数据。
2. 长上下文 SFT 在完整的 262k 窗口下进行，恢复了短上下文 SFT 所侵蚀的长上下文能力。
3. 带可验证奖励的 RL（RLVR） 在大约 35 万个数学、代码、指令遵循、多语言和视觉提示上进行，混合开启和关闭思考模式。
4. DPO 使用评判打分的偏好对，提升了聊天质量、工具使用和安全性。我们发布了偏好池和训练对。
5. SDPO 通过评判反馈和自我蒸馏，使模型与Apertus 章程对齐。

评估结果

在扩展模型能力的同时，我们也大幅扩展了评估范围。除了 Apertus 1.0 使用的现有基于文本的评估外，我们还增加了多模态评估（图像和音频）以及思考模式评估。

多模态评估通过 MLLM-eval-suite 流水线完成，融合了两大多模态评估框架 lmms-eval 和 VLMEvalKit。我们还增加了一系列基于文本的基准测试，并扩展了翻译和多语言能力、安全性以及工具使用的基准测试。这些可以在我们的后训练评估仓库中找到，基于 lm-evaluation-harness fork。

虽然仍落后于前沿开放权重模型，但新版本在编码和指令遵循能力方面也显著提升了性能，Apertus 1.5 8B 在 IF 和多语言任务上优于同等规模的开放权重模型。思考模式进一步提升了在 AIME 等具有挑战性的推理密集型基准上的性能。该模型的多模态性能更接近 Gemma 4 12B 和其他当前开放权重模型。Apertus 1.5 的多模态性能在开放权重模型中的空间理解方面具有竞争力，在开源模型中的文档/图表理解方面也具有竞争力。

我们还感谢我们的合作者和外部评估者在高效基准测试 Apertus 能力方面提供的帮助。特别是，Apertus 1.5 在瑞士法律任务上表现出色，与领先的开放权重模型不相上下（博客、代码）。此外，在 Last Translation Benchmark 上，Apertus 1.5 8B 展现出的机器翻译能力与 GPT-OSS-20B 相当，并优于 Claude Haiku 4.5 或 Google Translate 等模型（排行榜、论文）。

评估卡片：Apertus ❤️ EvalEval

Apertus 与 EvalEval Coalition 合作，以确保完全透明且可复现的基准测试。我们以 Every Eval Ever (EEE) 模式发布 Apertus 1.5 的结果，这是一种共享格式，不仅记录分数，还记录谁运行了评估、如何访问模型、生成设置，以及每个指标应如何解读：这些细节在排行榜中通常缺失，却往往能解释为什么看似相似的分数会有所不同。

结果展示在下面的 Eval Card 中，它将运行数据与基准和模型元数据整合为一条可解读的记录，也可通过 Hugging Face Community Evals 获取。这与 UK AI Security Institute 用于公开其评估结果的基础设施相同。由于我们的文本评估运行在我们公开的 lm-evaluation-harness 分支上，而 EEE 为其提供了专用转换器，任何人都可以重新运行这些评估，并在相同设置下将自己的数值与我们的数值进行比较。

结构化评估报告的意义也超出了研究范畴。EvalEval 已将 Evaluation Cards 映射到 AI 治理要求，包括《欧盟人工智能法案》第 55 条和 GPAI 行为准则，并发现 EEE 模式能够表示这些框架所要求的 60 项评估报告要素中的 56 项。这与我们发布 Apertus 的方式相契合：除了模型之外，我们还发布训练内容的 Public Summary，并自愿发布一份 Code of Practice 文档。机器可读的评估记录是顺理成章的下一步：让监管机构、部署者和研究人员更容易找到、解读和比较模型背后的证据。

我们致力于通过 Eval Cards 和 EEE 模式促进可复现且透明的评估，并鼓励其他模型开发者以同样的方式报告其结果，以便分数能够在不同模型和组织之间进行比较。

Apertus 1.5 可复现性

所有配方、消融实验和数据混合均在 Technical Report 中有记录。我们旨在通过公开并开放 v1.5 训练过程，推动开放模型开发。中间检查点托管在我们的 Apertus 1.5 Hugging Face collection 中，包括基础权重、SFT、RLVR 和 DPO，以及我们精选的训练数据混合/自定义数据集，位于 Apertus 1.5 datasets collection。分享它们使研究人员能够研究每个阶段如何改变模型行为。

报告涵盖了关于不同阶段后训练数据影响的众多消融实验，我们观察到，在 SFT 期间与文本数据混合的多模态数据有助于提升所有模态的表现。我们还发现，多模态推理轨迹带来的收益在随后的纯文本强化学习中依然存在：从使用多模态轨迹训练的 SFT 检查点出发，RL 对数学能力的提升大于从纯文本检查点出发，并且推理任务上的优势在整个训练过程中持续存在。

模型可用性

Proton Lumo 和 Infomaniak Euria 是两款广泛使用的应用，它们最近集成了 Apertus 1.5。这些部署与其他部署一同链接在 Community Showcase 中——预览请见这个讨论帖。

多家提供商已宣布以 API 形式向开发者提供 Apertus 1.5 的访问，包括 Swisscom、Infomaniak、Phoeniqs，以及我们 General Availability guide 中列出的其他公司。报告还详细介绍了我们如何与外部评估者合作来测试和准备这些模型。

运行模型的技术说明见 Hugging Face 上 Apertus 各版本的模型卡，以及我们的 Quickstart guide。

如何参与

感谢阅读这篇博客文章，也感谢你成为我们社区的一员！我们刚刚在 Hugging Face 分析中庆祝了五百万次下载 🤗，而且不会放慢脚步。在最近于苏黎世举行的 AI+X Summit 上，我们的团队公布了 Apertus 2.0 的路线图：稀疏/MoE 架构、约 600B 总参数、更长的训练计划，并以智能体、数学和编程为优先方向。

总而言之：我们邀请您阅读我们的报告、下载模型、探索中间检查点、微调权重，并复现我们的评估。对于我们的出版物或网站 FAQ中尚未涵盖的问题，我们随时欢迎，我们也希望了解哪些主题对社区未来的深入探讨最为有用。

如果您基于 Apertus 进行构建或使用 Apertus，请填写展示表单，并通过我们联系页面上的选项与我们取得联系。我们期待展示更多作品，了解您正在构建的内容，并听取 Apertus 可以如何改进！

引用

Project Apertus 等。“Apertus 1.5：从开放文本模型到开放多模态推理器。” arXiv:2610.15542。预印本，arXiv，2026 年 10 月 11 日。https://doi.org/10.48550/arXiv.2610.15542。

@misc{apertus2026apertus15opentext,
      title={Apertus 1.5: From Open Text Models to Open Multimodal Reasoners}, 
      author={Project Apertus and Yixuan Xu and Yassine Turki and Vinko Sabolčec and Valentina Pyatkin and Tommy Chu and Sven Najem-Meyer and Sean F. Carroll and Robert Smith and Raphael Kreft and Oscar Alessandro Tazza and Oleg Lavrovsky and Nicola Irmiger and Matteo Santelmo and Marian Schneider and Juan García Giraldo and Hanna Yukhymenko and Eduard Ďurech and Davit Melikidze and Dani Tamayo and Bettina Messmer and Aryan Ahadinia and Anunay Yadav and Allen Huang and Ahmad Fraij and Alessandro Bombarda and Alex Padula and Alexander Hägele and Alexander Sternfeld and Anna Hedström and Anna Kosovskaia and Arthur Wuhrmann and Arundhati Balasubramaniam and Badr Al Mahouri and Barna Pasztor and Bartosz Szostakiewicz and Bich Ngoc Doan and Bryan Schmid and Burak Sezen and Camille Challier and Clément Charmillot and Dana Shayakhmetova and Daniel Perruchoud and David Brüggemann and David Isztl and Elia Palme and Emma Anastassova and Fabian Bösch and Faruk Zahiragić and Fawzi Roberto Mohamed and Fiona Panicali and Florian Kolly and Flynn Guerra and Francesco Monti and Frederike Lübeck and Gennaro Oliva and Haofeng Yang and Haoliang Shang and Helen El Khoury and Henrique Mendonça and Jannis Vamvas and Jérome Landolt and Jessica Lam and Jingchun Xiao and Jonathan Coles and Joshua Oyebanji and Khanh Nguyen and Konstantinos Pitas and Lasse B. Strand and Li Mi and Loïc Deslarzes and Lorenzo Baggi and Lorenzo Noci and Luca Baumann and Luca Sartori and Lukas Drescher and Marco De Negri and Marco Passerini and Mark Klein and Marko Stojanovic and Martin Majsec and Matin Ansaripour and Mattea Busato and Mauro Pellonara and Max Neuwinger and Michael Graber and Michal Tešnar and Michelle Wastl and Miguel Gila and Mikolaj Boronski and Morgane Magnin and Moritz Reihs and Mukhammadali Sayfiddinov and Nathan Ranchin and Nicolas Cuveillier and Oscar Wohlfahrt and Qianqian Zou and Rada Kamysheva and Rita Sevastjanova and Roman Machacek and Sebastian Keller and Simon Matrenok and Simon Pierre and Stefano Schuppli and Suei-Wen Chen and Szabina Horváth-Mikulas and Taliesin Perez and Thilo Spinner and Thomas Kleine Buening and Tim Robinson and Tymoteusz Kwiecinski and Vilém Zouhar and Vinzenz Thoma and Xiaozhe Yao and Yannick Metz and Yuhei Fukuhara and Yusif Askari and Zixuan Chen and Alexander Ilic and Ana Klimovic and Andreas Krause and Andrei Kucharavy and Elliott Ash and Joost VandeVondele and Martin Rajman and Mennatallah El-Assady and Thomas Schulthess and Timo Kehrer and Torsten Hoefler and Antoine Bosselut and Martin Jaggi and Imanol Schlag},
      year={2026},
      eprint={2610.15542},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2610.15542}, 
}