La Swiss AI Initiative ha publicado las notas de la versión de Apertus 1.5 en Hugging Face. La actualización afecta a los modelos de 8B y 70B de la generación Apertus 1.0. Los pesos se subieron el 24 de julio de 2026 con licencia Apache 2.0, y las notas, fechadas el 15 de octubre de 2026, describen el informe técnico que los respalda.
Qué cambia
- Entrada de imagen y audio. Los modelos aceptan imágenes y audio junto con texto, de modo que documentos, diagramas y fotos pueden entrar en la misma conversación. El procesamiento de lengua hablada figura como experimental.
- Modo de razonamiento. Un modo opcional permite que el modelo razone sobre la entrada antes de responder. Según los autores, esto mejora los resultados en problemas de razonamiento.
- Más contexto. La ventana es ahora de 262.144 tokens, cuatro veces el tamaño de Apertus 1.0.
- Instrucciones y uso de herramientas. El equipo indica que el seguimiento de instrucciones es más predecible. Los datos de entrenamiento de uso de herramientas se limitaron a trayectorias verificadas mediante ejecución.
Los modelos entienden imágenes y audio, pero solo generan texto. Imágenes y audio entran como tokens en la misma secuencia que el texto: una imagen de 512×512 equivale a 1.024 tokens y el audio cuesta 40 tokens por segundo. La arquitectura no cambia; solo se amplió el vocabulario.
Cómo se compara
Los autores reconocen sin rodeos que Apertus 1.5 sigue por detrás de los modelos de pesos abiertos de frontera. Informan de mejoras claras en programación y en seguimiento de instrucciones. El modelo de 8B supera a otros modelos de pesos abiertos de tamaño similar en tareas de instrucciones y multilingües. En trabajo multimodal queda más cerca de Gemma 4 12B y de otros modelos de pesos abiertos actuales. Es competitivo en comprensión espacial entre los modelos de pesos abiertos, y en comprensión de documentos y gráficos entre los de código abierto.
Destacan dos resultados externos. En tareas jurídicas suizas, el modelo está a la par de los principales modelos de pesos abiertos. En el Last Translation Benchmark, el modelo de 8B iguala a GPT-OSS-20B y supera a Claude Haiku 4.5 y a Google Translate. Son cifras comunicadas por los autores y no se han verificado de forma independiente aquí.
Dónde conseguirlo
Los pesos y los puntos de control intermedios (base, SFT, RLVR y DPO) están en Hugging Face, junto con las mezclas de datos de entrenamiento. Proton Lumo e Infomaniak Euria ya han integrado Apertus 1.5. Swisscom, Infomaniak, Phoeniqs y otros proveedores han anunciado acceso por API. El proyecto también publica los resultados de evaluación en un formato común, pensado para que sean reproducibles y comparables.
Qué viene después
El equipo afirma haber presentado una hoja de ruta de Apertus 2.0 en la AI+X Summit de Zúrich. Describe una arquitectura dispersa o de mezcla de expertos con unos 600B de parámetros en total, con agentes, matemáticas y programación como prioridades. Es un plan, no un lanzamiento.