热点事件历史事件

Apertus 1.5 发布：新增图像音频理解

1 篇报道1 个报道来源18 天前更新

先了解这件事

AI 综述

Apertus 1.5 在 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式，上下文窗口扩展至 262,144 token，并改进指令遵循和工具调用能力。图像和音频以离散 token 与文本进入同一序列，架构不变，模型只输出文本；图像用 Emu3.5 tokenizer 编码，音频用 WavTokenizer。更新后的 8B 和 70B 权重以 Apache 2.0 许可发布在 Hugging Face。8B 和 70B 分别增加 4 万亿和 2 万亿 token 训练数据，总量达 19T 和 17T。模型也能处理口语，但官方称这仍属实验性。Swisscom、Infomaniak、Phoeniqs 等厂商已宣布提供 Apertus 1.5 的开发者 API 访问。

AI 根据报道生成 · 18 天前更新

最新进展10月15日 17:08

Apertus 1.5 发布：8B/70B 模型新增图像音频理解与思考模式

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

17:08
Hugging Face Blog 精选
Apertus 1.5 发布：8B/70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 Apertus 1.0 的 8B 和 70B 模型基础上新增图像与音频理解、可选思考模式、4 倍长的上下文窗口，并改进指令遵循和工具调用能力，权重以 Apache 2.0 许可发布在 Hugging Face。模型采用早期融合方式，图像和音频以离散 token 与文本进入同一序列，图像用 Emu3.5 tokenizer 编码（512×512 图像为 1,024 token），音频用 WavTokenizer（每秒 40 token），架构不变，模型只输出文本。上下文窗口扩展到 262,144 token，8B 和 70B 分别增加 4 万亿和 2 万亿 token 训练数据，总量达 19T 和 17T。