Apertus 1.5 apre a immagini, audio e 262.144 token di contesto
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La release aggiunge trilioni di token ai modelli 8B e 70B, introduce una modalità di ragionamento e mantiene pesi e dati completamente aperti.
Apertus 1.5 introduce input nativo per immagini e audio, una modalità di ragionamento e una finestra di contesto da 262.144 token1.
Gli autori proseguono il pretraining sui modelli da 8 e 70 miliardi di parametri. Il modello 8B riceve 4 trilioni di token, testuali e multimodali, e arriva a 19 trilioni totali. Il 70B aggiunge 2 trilioni, per un totale di 17 trilioni1.
La comprensione multimodale è nativa. I modelli accettano testo, immagini e audio. Le note citano come esempi documenti, diagrammi e foto. Il supporto al parlato esiste, ma resta sperimentale1.
Arriva una “thinking mode” che si può attivare prima della risposta. Secondo gli autori, questa modalità migliora i compiti di ragionamento1.
La finestra di contesto cresce a 262.144 token, quattro volte rispetto ad Apertus 1.01.
Cambia anche l’aderenza alle istruzioni. Gli autori parlano di risposte più prevedibili e accurate rispetto ad Apertus 1.0. Migliora l’uso di strumenti: l’addestramento punta a una integrazione più efficace con strumenti esterni e API1.
Sul fronte della trasparenza, i modelli risultano “fully open”: pesi, dati, valori e dettagli completi di training sono pubblici. Nella sezione “open values” viene segnalata una adesione più forte all’Apertus Charter1.
Per chi sviluppa, la combinazione è netta: input multimodale, “thinking mode”, contesto esteso e miglioramenti di tool use. La multimodalità permette di fornire al modello documenti lunghi con figure e tabelle, o insiemi di immagini tecniche, nella stessa richiesta. La finestra ampia consente di mantenere in memoria più passaggi e riferimenti interni. La “thinking mode” offre un margine in più sui passaggi logici, quando serve precisione nei calcoli o nei vincoli descrittivi1.
Prudenza solo sul parlato. Gli autori lo definiscono sperimentale: conviene trattarlo come area di test e non come canale primario in produzione1.
In pratica, i prossimi passi sono chiari. Valutare l’impatto della “thinking mode” sui propri set di benchmark, attivandola dove porta guadagni misurabili. Sfruttare la finestra da 262.144 token per input strutturati, come dossier con testo e diagrammi, riducendo frammentazioni e prompt spezzati. Integrare gradualmente strumenti esterni e API lungo i flussi esistenti, verificando l’efficacia sui casi d’uso reali. La documentazione aperta e i pesi pubblici aiutano a replicare i risultati e a ispezionare i comportamenti, senza vincoli di black box1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.