Apertus 1.5: il modello svizzero aperto capisce immagini e audio
Il 15 ottobre 2026 il progetto svizzero Apertus ha pubblicato le note di rilascio di Apertus 1.5, aggiornamento dei modelli aperti da 8 e 70 miliardi di parametri. Secondo il post sul blog di Hugging Face, la versione aggiunge la comprensione di immagini e audio, una modalità thinking opzionale e una finestra di contesto quattro volte più lunga, con un migliore rispetto delle istruzioni e un uso più efficace degli strumenti.
I pesi sono su Hugging Face dal 24 luglio 2026 con licenza Apache 2.0; il Technical Report (arXiv:2610.15542) è datato 11 ottobre 2026. Il progetto definisce i modelli completamente aperti: pesi, dati, valori e dettagli di addestramento.
Cosa cambia rispetto ad Apertus 1.0
Apertus 1.5 è un pretraining continuato della prima generazione. Ai dati si sono aggiunti testo e materiale multimodale, per un totale di 19 trilioni di token sull’8B e 17 trilioni sul 70B.
- Token aggiunti: 4 trilioni per l’8B e 2 trilioni per il 70B.
- Contesto: 262.144 token, quattro volte Apertus 1.0. Nel pretraining la finestra cresce a gradi da 8k a 262k.
- Thinking mode: si attiva a richiesta, così il modello ragiona prima di rispondere. Il progetto indica un miglioramento sui problemi di ragionamento, per esempio nel benchmark AIME.
- Immagini e audio: i modelli li capiscono ma generano solo testo. La comprensione del parlato è ancora sperimentale.
- Valori: maggiore aderenza alla Carta di Apertus, che rende trasparenti principi e valori del modello.
Come entrano immagini e audio
Il progetto usa un approccio early fusion: immagini e audio diventano token discreti nella stessa sequenza del testo, senza un encoder visivo separato. Le immagini passano dal tokenizer Emu3.5 (una 512×512 vale 1.024 token), l’audio da WavTokenizer (40 token al secondo).
Si estende solo il vocabolario: l’architettura resta invariata e l’addestramento procede alla velocità del solo testo. Più della metà dei token di addestramento è solo testo, per conservare le capacità linguistiche di Apertus 1.0. I dati testuali sono stati aggiornati con FineWeb2-HQ+, FinePDFs e Nemotron-CC.
Dati e addestramento: cosa è davvero aperto
Secondo il progetto, tutti i dati nuovi, multimodali compresi, sono pubblici, con licenze permissive e con rispetto retroattivo delle esclusioni nei robots.txt. Ogni fonte è elencata nel repository apertus-data-transparency.
Il post-training ha cinque fasi: SFT, SFT a contesto lungo, apprendimento per rinforzo con ricompense verificabili, DPO e allineamento alla Carta (SDPO), quest’ultimo fatto solo sull’8B. Il team rilascia la miscela SFT testuale, il pool di preferenze e le coppie DPO. I checkpoint intermedi (base, SFT, RLVR, DPO) stanno nella collezione Apertus 1.5 su Hugging Face, per studiare come ogni fase cambia il comportamento del modello.
I risultati secondo il progetto
Il progetto riconosce che i modelli restano dietro i modelli open-weight di frontiera. Dichiara però miglioramenti in codice e istruzioni: l’8B supera modelli open-weight di taglia simile su istruzioni e compiti multilingue. In ambito multimodale il livello è più vicino a Gemma 4 12B e ad altri modelli open-weight attuali.
Sui compiti legali svizzeri, valutati con collaboratori esterni, Apertus 1.5 è alla pari con i principali open-weight. Nella Last Translation Benchmark l’8B eguaglia GPT-OSS-20B e supera Claude Haiku 4.5 e Google Translate. Il progetto pubblica i risultati nel formato Every Eval Ever, con la EvalEval Coalition, e le valutazioni testuali si possono rifare con il fork pubblico di lm-evaluation-harness.
Dove provarlo e cosa viene dopo
Secondo il post, Proton Lumo e Infomaniak Euria hanno integrato Apertus 1.5. Swisscom, Infomaniak, Phoeniqs e altri fornitori hanno annunciato API per gli sviluppatori. Le istruzioni per eseguire i modelli sono nelle model card su Hugging Face e nella Quickstart guide.
Apertus ha superato i cinque milioni di download su Hugging Face. All’AI+X Summit di Zurigo il team ha presentato la tabella di marcia di Apertus 2.0: architettura sparse/MoE, circa 600 miliardi di parametri totali, addestramento più lungo e priorità su agenti, matematica e codice.
Altri modelli aperti di queste settimane
Le cifre sono quelle dichiarate dai rispettivi autori, non confrontate fra loro.
- Aleph Alpha ha rilasciato il 3 ottobre Kolibri, un modello da 78B parametri totali e 3B attivi con licenza Apache 2.0: ne abbiamo scritto qui.
- Mistral ha lanciato il 6 ottobre l’anteprima API di Mistral Large 4 e promette i pesi entro fine ottobre: il nostro pezzo.
- Liquid AI ha pubblicato LFM2.5-24B-A2B, 24B di parametri con 2B attivi, pensato per agenti sul dispositivo: ne avevamo parlato il 13 ottobre.
