A equipa do Apertus publicou as notas de lançamento da versão 1.5, uma atualização dos modelos de linguagem de 8 e 70 mil milhões de parâmetros apresentados na primeira geração. Segundo o anúncio no Hugging Face, os pesos foram disponibilizados a 24 de julho de 2026 sob a licença Apache 2.0. A publicação de 15 de outubro reúne detalhes sobre o treino e a avaliação da nova versão.

Apertus 1.5 passa a aceitar imagens e áudio juntamente com texto e introduz um modo opcional de raciocínio, além de uma janela de contexto de 262 144 tokens — quatro vezes superior à da versão 1.0. A equipa também aponta melhorias no seguimento de instruções e na utilização de ferramentas externas. O modelo processa imagens e áudio, mas, segundo as notas, gera apenas texto; o tratamento de língua falada continua a ser experimental.

A abordagem multimodal integra imagens e áudio como tokens na mesma sequência usada para o texto, sem acrescentar um codificador visual separado. A equipa diz que a arquitetura se mantém inalterada e que o treino decorre à velocidade da versão apenas textual. Para chegar à nova versão, o pré-treino foi continuado com mais quatro biliões de tokens no modelo de 8 mil milhões e mais dois biliões no de 70 mil milhões, elevando os totais indicados para 19 e 17 biliões, respetivamente. Mais de metade dos tokens de treino eram apenas texto.

O processo de pré-treino foi dividido em etapas, começando por dados de cada modalidade em separado e avançando para pares de imagem e legenda e de áudio e transcrição. Seguiram-se uma fase com dados de maior qualidade e a expansão gradual do contexto, dos 8 mil para os 262 mil tokens. No pós-treino, a equipa combinou afinação supervisionada, treino para contextos longos, aprendizagem por reforço, otimização de preferências e alinhamento com a Carta Apertus. As notas referem ainda conjuntos de dados e trajetórias de utilização de ferramentas verificadas por execução.

Na avaliação, os responsáveis dizem que a versão 1.5 melhora em programação e seguimento de instruções, e que o modo de raciocínio favorece resultados em testes exigentes nessa área. A equipa afirma que o modelo de 8 mil milhões supera modelos abertos de dimensão semelhante em tarefas de seguimento de instruções e multilinguismo. Reconhece, porém, que o Apertus 1.5 continua atrás dos modelos abertos de fronteira. No desempenho multimodal, compara-o com o Gemma 4 12B e outros modelos abertos atuais, destacando resultados competitivos em compreensão espacial e de documentos e gráficos.

A publicação descreve a família como totalmente aberta, incluindo pesos, dados, valores e detalhes de treino. A equipa afirma que os dados usados são públicos e permissivamente licenciados e que respeitou retroativamente as exclusões indicadas em ficheiros robots.txt. Estas características e os resultados apresentados são declarações dos responsáveis pelo projeto; as notas não constituem, por si só, uma avaliação independente.

Porque importa

A atualização alarga as capacidades multimodais e o contexto dos modelos Apertus, mantendo a aposta declarada em pesos, dados e detalhes de treino abertos. Os resultados de desempenho divulgados devem ser lidos como avaliações da própria equipa, não como validação independente.

Fontes

Apertus 1.5 Release NotesHugging Face ↗