Apertus 1.5 abre também o caminho até a avaliação
Imagens e áudio ampliam as entradas; checkpoints intermediários e registros de avaliação ajudam a investigar o comportamento.
Uma pontuação ganha significado quando é possível reconstruir como ela foi obtida. Esse é o aspecto mais interessante das notas do Apertus 1.5: além das capacidades multimodais, a equipe publica registros de avaliação com configurações de geração, acesso ao modelo e interpretação das métricas.
Hanna Yukhymenko e coautores, da Swiss AI, publicaram as notas em 15 de outubro de 2026. Os pesos, porém, haviam sido disponibilizados em 24 de julho. A versão aceita texto, imagens e áudio, mas produz apenas texto; o processamento de fala permanece experimental. Os modelos usam licença Apache 2.0.
A fonte também disponibiliza checkpoints intermediários e descreve as etapas de treinamento. Para investigar uma mudança de comportamento, eu compararia esses checkpoints com a mesma tarefa e as mesmas configurações, em vez de atribuir todo ganho à arquitetura multimodal.
O formato Every Eval Ever registra condições que uma tabela de classificação pode esconder. Isso facilita examinar comparações, mas não torna qualquer resultado transferível para outro idioma ou documento. Continua aberta a questão de quais ganhos persistem fora dos conjuntos avaliados, especialmente no áudio experimental.