Das Apertus-Projekt kündigt Apertus 1.5 an, eine aktualisierte Version seiner 8B- und 70B-Modelle. Sie fügt Bild- und Audioverständnis hinzu, einen optionalen Reasoning-Modus, einen viermal längeren Kontext und bessere Leistungen bei der Befolgung von Anweisungen und der Werkzeugnutzung. Die Gewichte der 8B- und 70B-Modelle wurden am 24. Juli 2026 unter der Apache-2.0-Lizenz auf Hugging Face veröffentlicht.
Apertus 1.5 setzt das Training der ersten Generation fort. Laut Projekt wurden dem 8B-Modell 4 Billionen Text- und Multimodal-Tokens hinzugefügt und dem 70B-Modell 2 Billionen, insgesamt also 19T für das erste und 17T für das zweite. Ein Token ist eine Texteinheit, die vom Modell zur Verarbeitung segmentiert wird. Wie bei früheren Versionen behauptet das Projekt, dass die Modelle vollständig offen sind: Gewichte, Daten, Wertecharta und Trainingsdetails werden veröffentlicht.
Bilder, Audio und erweiterter Kontext
Bilder und Audio werden dem Modell als diskrete Tokens zugeführt, die in derselben Sequenz wie Text platziert werden, nicht über einen separaten visuellen Encoder. Bilder werden mit dem Emu3.5-Tokenizer segmentiert, wobei ein 512×512 Pixel großes Bild 1.024 Tokens ergibt, und Audio mit WavTokenizer mit 40 Tokens pro Sekunde. Das Projekt präzisiert, dass die Modelle Bilder und Audio verstehen, aber nur Text generieren. Die Sprachunterstützung bleibt experimentell.
Der Kontextfenster, also die Menge an Informationen, die das Modell auf einmal verarbeiten kann, erreicht 262.144 Tokens, gegenüber einem Viertel bei Apertus 1.0. Der aktivierbare Reasoning-Modus ermöglicht es dem Modell, vor der Antwort nachzudenken, was laut Projekt die Ergebnisse bei Logikproblemen verbessert.
Post-Training und Evaluierungen
Das Post-Training erfolgt in fünf Schritten: ein überwachtes Fine-Tuning (SFT) auf 3,7 Millionen Textbeispielen, ergänzt durch Bild- und Sprachdaten, ein zweites Fine-Tuning für langen Kontext, Reinforcement Learning mit verifizierbaren Belohnungen (RLVR) auf etwa 350.000 Anfragen, Direct Preference Optimization (DPO) und dann eine Ausrichtung auf die Apertus-Wertecharta.
Laut Projekt übertrifft das 8B-Modell vergleichbare Open-Source-Modelle bei der Befolgung von Anweisungen und mehrsprachigen Aufgaben, bleibt aber hinter den besten aktuellen Open-Source-Modellen zurück. Die multimodale Leistung soll sich der von Gemma 4 12B annähern. Im Last Translation Benchmark soll das 8B-Modell GPT-OSS-20B bei maschineller Übersetzung gleichauf sein und Claude Haiku 4.5 und Google Translate übertreffen, basierend auf den veröffentlichten Ergebnissen.
Mehrere Anbieter bieten bereits Apertus 1.5 an. Die Apps Proton Lumo und Infomaniak Euria haben es integriert, und Swisscom, Infomaniak und Phoeniqs haben API-Zugänge angekündigt. Das Projekt gibt auch an, laut Hugging-Face-Statistik fünf Millionen Downloads überschritten zu haben. Beim AI+X-Gipfel in Zürich präsentierte das Team die Roadmap für Apertus 2.0, die auf einer spärlichen MoE-Architektur basieren, insgesamt etwa 600 Milliarden Parameter umfassen und Agenten, Mathematik und Code priorisieren soll.
