Ultramarine 1 Flash supera a Claude y GPT en trabajo profesional por solo 0,13 dólares por tarea
Ultramarine 1 Flash
Paper Instruments presenta Ultramarine 1 Flash, un modelo abierto para tareas profesionales de finanzas, derecho, consultoría y operaciones. En su benchmark interno PI Knowledge Work, que evalúa la entrega de archivos Excel, PowerPoint y Word, así como la interacción con sistemas ERP y MES, obtiene mejores resultados que Claude Fable 5 y GPT-5.6 Sol a un costo de 0,13 dólares por tarea, frente a 8,19 y 2,09 dólares respectivamente. Además, genera un 6,5% menos de tokens que su base GLM-5.3 Flash, lo que reduce el costo computacional.
Ultramarine 1 Flash se sitúa en la frontera costo-calidad en el punto de precio más atractivo.
- kadoban
> Presentamos Ultramarine 1 Flash, un modelo agéntico para el trabajo profesional del conocimiento. Ultramarine aplica aprendizaje por refuerzo a gran escala sobre un modelo base abierto y sólido, GLM-5.3 Flash, y lo mejora en los seis benchmarks de trabajo del conocimiento que evaluamos [...]
Por si alguien tenía curiosidad sobre en qué está basado. (Sin juzgar en ningún sentido por mi parte; en mi opinión depende de lo bien que hayan hecho el post-entrenamiento, cosa que no puedo determinar).
- CobrastanJorji
Aparte, no me gustan los gráficos innecesariamente engañosos. Asume tus fortalezas y debilidades.
En la sección "Resultados", eligen comparar Ultramarine solo con modelos a los que supera en todas las métricas. Ignoran modelos como Fable 5.1, GPT-6 Astra, Claude Opus 5.5, etc.
Luego, en el gráfico de "Puntuación frente a coste por tarea", que se centra en el precio, de repente todos esos modelos que rinden mejor que Ultramarine reaparecen con fuerza porque además son más caros.
A veces simplemente poneos como segundos mejores. Vuestro producto es impresionante. No dejéis que el tipo de marketing idiota lo esconda detrás de trucos estúpidos.
- bythreads
Estoy confundido, esto parece exactamente un glm 5.3 - flash con un skin, con unos cuantos trucos de inyección de contexto y barreras de seguridad - ¿qué pasa con estas "startups"?
- hypfer
¿Qué tipo de harness se usa para estas cosas?
Dicen que puede crear documentos de oficina (si lo entiendo bien), pero ¿cómo lo hace?
¿A qué hay que conectarlo para decirle "dame una presentación con las cifras de ventas del último trimestre"?
__
https://www.paperinstruments.com/feather
Según su vídeo de Twitter, ¿podría ser esta cosa?
- test_user369
Tengo curiosidad por probarlo, cuántos modelos especializados harán falta para dirigir una empresa.
Voy a probarlo para algo de contabilidad, por ejemplo, apuntarlo a una carpeta y decirle que contabilice las facturas y apuntarlo a un archivo csv que contiene un año de transacciones privadas y ver que se procesan, se categorizan y luego preguntar por ciertas tendencias.