Ultramarine 1 Flash：专业工作新标杆
Ultramarine 1 Flash
Paper Instruments 推出了Ultramarine 1 Flash，一款专为金融、法律、咨询和运营领域打造的专业工作模型。它在性能上达到Fable级别，但成本仅为对手的几十分之一，每任务仅需0.13美元。相比Claude Fable 5和GPT-5.6 Sol，Ultramarine 1 Flash在PI Knowledge Work基准测试中表现更优，同时比GLM-5.3 Flash减少6.5%的token生成量，效率显著提升。该模型不仅能生成高质量的Excel、PowerPoint和Word文档，还能在ERP和MES等真实业务系统中流畅运行，真正实现了‘即插即用’的专业级输出。
Ultramarine 1 Flash 在成本与质量的前沿上，以最具吸引力的价格点实现了专业工作的突破。
HN 评论区
106- kadoban
> 我们推出 Ultramarine 1 Flash，这是一款面向专业知识工作的代理模型。Ultramarine 在强大的开源基座模型 GLM-5.3 Flash 上应用了大规模强化学习，并在我们评估的所有六个知识工作基准上实现了改进 [...]
以防有人好奇它的基座是什么。（我对此不做评判，在我看来，这取决于他们后训做得有多好，而我无法判断）。
- CobrastanJorji
顺便说一句，我不喜欢那些不必要的误导性图表。要敢于承认自己的长处和短处。
在“结果”部分，他们选择只将 Ultramarine 与它在所有指标上都优于的模型进行比较。他们忽略了像 Fable 5.1、GPT-6 Astra、Claude Opus 5.5 等模型。
然后，在“单次任务得分与成本”图表中，该图侧重于价格，突然之前那些表现优于 Ultramarine 的模型又杀回来了，因为它们也更贵。
偶尔把自己列为第二也好。你们的东西很令人印象深刻。别让你们那个傻乎乎的营销人员用这些愚蠢的把戏把它藏起来。
- bythreads
我有点困惑，这看起来完全就是换了一层皮的 glm 5.3 flash，加了一点上下文注入技巧和护栏——这些“初创公司”到底在搞什么鬼？
- wolttam
既然我合理地在 2 x DGX Spark 设备上运行 DS V4.1 的希望不大（我知道，这算是被宠坏了），那么相对于基座 GLM-5.3-Flash，其“可读性更强的行文”和“单次任务 token 数更少”的主张就显得尤为受欢迎。
一旦权重发布，我肯定会试一试（如果能发布 QAT FP4 experts 版本就最好了）。
- hypfer
这类东西要用什么样的 harness（集成框架/工具）？
他们说它可以创建办公文档（如果我理解正确的话），但它是怎么做到的？
需要把它插进什么东西里才能说“给我做一个包含上季度销售数据的幻灯片”？
__
https://www.paperinstruments.com/feather
根据他们的 Twitter 视频，可能是这个东西吗？
- test_user369
我很好奇想试试，运行一家公司需要多少个专用模型。
打算拿它来试试记账，比如指向一个文件夹，让它处理发票；再指向一个包含一年私人交易的 csv 文件，看看它们被处理、分类后的效果，然后询问某些趋势。
- vehemenz
在我有限的测试中，性价比正如宣传所说。我昨天正好用 Haiku、GPT-mini 和 Deepseek v4 0731 测试了相同的任务，所以我有合理的基准来对比这个模型。
- binbag
作为一个不是软件开发者的人（这里确实有一些这样的人潜伏着，因为我们都在学习），但我经营着一家企业，整天都在做所谓的“知识工作”，像这样的东西该如何、又为何能说服我让公司放弃使用 Claude（作为桌面应用）呢？我确信这些模型的使用成本比我们使用 Claude 的团队订阅要低，但对我来说，弄清楚如何选择并实施某种 harness 来部署它，并设置好供他人使用，感觉会是个巨大的麻烦。而且这个领域发展太快，我会觉得需要不断考虑何时迁移到某个新模型，这引入了风险。对我们以及大多数公司来说，最稳妥的赌注可能是坚持使用已知有效的方案，并为此支付溢价。非常欢迎大家的看法。