Ultramarine 1 Flash обходит Claude и GPT, стоя в 60 раз дешевле
Ultramarine 1 Flash
Paper Instruments выпустила открытую модель Ultramarine 1 Flash для профессиональных задач в финансах, праве и консалтинге. На внутреннем бенчмарке PI Knowledge Work она набирает больше баллов, чем Claude Fable 5 и GPT-5.6 Sol, при цене $0.13 за задачу против $8.19 и $2.09. Модель также тратит на 6.5% меньше токенов, чем базовая GLM-5.3 Flash, и стоит $0.15 за миллион входных токенов.
Ultramarine 1 Flash находится на границе стоимость-качество в самой привлекательной ценовой точке.
- kadoban
> Мы представляем Ultramarine 1 Flash — агентную модель для профессиональной интеллектуальной работы. Ultramarine применяет крупномасштабное обучение с подкреплением к сильной открытой базовой модели GLM-5.3 Flash и превосходит её по всем шести бенчмаркам интеллектуальной работы, которые мы оцениваем [...]
На случай, если кому-то было интересно, на чём это построено. (Никаких оценок с моей стороны, ИМХО, всё зависит от того, насколько хорошо они провели post-training, а этого я сказать не могу).
- CobrastanJorji
Отдельно замечу: я не люблю излишне вводящие в заблуждение графики. Признавайте свои сильные и слабые стороны.
В разделе «Результаты» они решили сравнивать Ultramarine только с теми моделями, которые она превосходит по каждой метрике. Они игнорируют такие модели, как Fable 5.1, GPT-6 Astra, Claude Opus 5.5 и т. д.
А затем на графике «Оценка против стоимости за задачу», который посвящён цене, внезапно все те модели, что работают лучше Ultramarine, снова возвращаются, потому что они ещё и дороже.
Ну укажите себя иногда вторыми. Ваша штука впечатляет. Не позволяйте идиоту-маркетологу прятать это за дурацкими трюками.
- bythreads
Я в замешательстве: это же выглядит в точности как перекрашенный glm 5.3 - flash с парой трюков по инъекции контекста и гардрейлами — что вообще происходит с этими «стартапами»?
- k__
Выглядит неплохо, но кэшированным входным данным не помешал бы ещё один нолик.
- hypfer
Какой харнесс для такого используют?
Говорят, он умеет создавать офисные документы (если я правильно понял), но как именно он это делает?
Во что нужно это воткнуть, чтобы сказать «дай мне презентацию с цифрами продаж за прошлый квартал»?
__
https://www.paperinstruments.com/feather
Судя по видео в их Twitter, возможно, это оно?