El proyecto Apertus anuncia Apertus 1.5, una versión actualizada de sus modelos 8B y 70B. Añade comprensión de imágenes y audio, un modo de razonamiento opcional, una ventana de contexto cuatro veces más larga y mejores prestaciones en seguimiento de instrucciones y uso de herramientas. Los pesos de los modelos 8B y 70B se publicaron en Hugging Face el 24 de julio de 2026, bajo licencia Apache 2.0.
Apertus 1.5 prolonga el entrenamiento de la primera generación. Según el proyecto, se añadieron 4 billones de tokens de texto y datos multimodales al modelo 8B, y 2 billones al modelo 70B, es decir, un total de 19T para el primero y 17T para el segundo. Un token es una unidad de texto, segmentada por el modelo para procesarla. Como en versiones anteriores, el proyecto afirma que los modelos son completamente abiertos: se publican pesos, datos, carta de valores y detalles de entrenamiento.
Imágenes, audio y contexto ampliado
Las imágenes y el audio entran en el modelo en forma de tokens discretos, colocados en la misma secuencia que el texto, y no mediante un codificador visual separado. Las imágenes se segmentan con el tokenizer Emu3.5, una imagen de 512×512 píxeles se convierte en 1.024 tokens, y el audio con WavTokenizer, a razón de 40 tokens por segundo. El proyecto precisa que los modelos comprenden imágenes y audio pero solo generan texto. La compatibilidad con voz sigue siendo experimental.
La ventana de contexto, es decir, la cantidad de información que el modelo puede procesar de una vez, alcanza 262.144 tokens, frente a cuatro veces menos para Apertus 1.0. El modo de razonamiento, activable, permite al modelo reflexionar antes de responder, lo que mejora según el proyecto sus resultados en problemas de lógica.
Post-entrenamiento y evaluaciones
El post-entrenamiento se desarrolla en cinco etapas: un ajuste supervisado (SFT) sobre 3,7 millones de muestras de texto, completado con datos de imágenes y voz, un segundo ajuste sobre contexto largo, un aprendizaje por refuerzo con recompensas verificables (RLVR) sobre aproximadamente 350.000 peticiones, una optimización directa de preferencias (DPO), y luego una alineación con la carta de Apertus.
Según el proyecto, el modelo 8B supera a modelos abiertos de tamaño comparable en seguimiento de instrucciones y tareas multilingües, aunque se mantiene por detrás de los mejores modelos abiertos de vanguardia. Las prestaciones multimodales se acercarían a las de Gemma 4 12B. En el Last Translation Benchmark, el 8B igualaría a GPT-OSS-20B en traducción automática y superaría a Claude Haiku 4.5 y Google Translate, según los resultados publicados.
Varios actores ya ofrecen Apertus 1.5. Las aplicaciones Proton Lumo e Infomaniak Euria lo han integrado, y Swisscom, Infomaniak y Phoeniqs han anunciado accesos por API. El proyecto indica también haber superado los cinco millones de descargas según sus estadísticas de Hugging Face. Durante la cumbre AI+X, en Zúrich, el equipo presentó la hoja de ruta de Apertus 2.0, que debe basarse en una arquitectura dispersa tipo MoE, contar con unos 600.000 millones de parámetros en total y priorizar agentes, matemáticas y código.
