Paper Instruments выпустила Ultramarine 1 Flash: модель для профессиональной работы за копейки

14 октября небольшая лаборатория Paper Instruments представила Ultramarine 1 Flash — открытую модель на базе GLM-5.3 Flash, дообученную методом крупномасштабного обучения с подкреплением без верифицируемых наград (когда нет единственного правильного ответа, а качество оценивается по рубрике).

На задачах финансов, права, консалтинга и операций модель прибавила в среднем 4,1 балла к базовой версии и стала генерировать на 6,5 % меньше токенов. На внутреннем наборе PI Knowledge Work она набрала 59,3 балла при стоимости около $0,13 за задачу — против 57,8 у Claude Fable 5 при $8,19.

API уже доступен, веса обещают открыть через две недели. Посттренинг обошёлся команде из пяти человек примерно в $300 тысяч. Это показывает, что точечное дообучение открытых баз может конкурировать с закрытыми фронтир-моделями в узких профессиональных доменах по цене, которая на порядок ниже.

Стоит обратить внимание, насколько устойчивым окажется такой подход вне внутренних бенчмарков лаборатории...

Источники:
https://www.paperinstruments.com/blog/ultramarine
https://www.paperinstruments.com/ultramarine

#AI #OpenSource #KnowledgeWork #RL #Ultramarine