Švajcarska udarna AI ekipa predstavila Apertus 1.5: otvoreni modeli koji sada razumeju i slike

jakovradojevic
3 Min Read

Švajcarska udarna AI ekipa predstavila Apertus 1.5: otvoreni modeli koji sada razumeju i slike

Švajcarska inicijativa swiss-ai objavila je novu generaciju svojih otvorenih modela pod imenom Apertus 1.5. Reč je o porodici koja sada ide korak dalje od čistog teksta — novi modeli su multimodalni, što znači da osim teksta umeju da primaju i slike i da na osnovu njih zaključuju i odgovaraju. Detalji su objavljeni u zvaničnim release notes zapisima na Hugging Face-u.

Švajcarska udarna AI ekipa predstavila Apertus 1.5: otvoreni modeli koji sada razumeju i slike

U fokusu su dve veličine: manji Apertus-v1.5-8B i veći Apertus-v1.5-70B. Oba dolaze u više varijanti — od osnovne (base) verzije, preko SFT i RL verzija dotreniranih tehnikama nadgledanog i podsticajnog učenja, do DPO varijante za dodatno usklađivanje sa ljudskim preferencijama. Zanimljiv podatak: 8B model je za kratko vreme skupio preko 524.000 preuzimanja, što govori da je zajednica za otvorene modele itekako gladna svežeg, kvalitetnog materijala.

Otvoreni podaci, otvoreni težine

Ključna priča oko Apertusa od početka je transparentnost. Ovi modeli nisu samo „open weights” — uz njih ide i dokumentacija o podacima na kojima su trenirani. Uz izdanje 1.5 objavljen je i čitav set dataseta, među kojima su FineWeb2-HQ-Plus, skupovi preferencija, SFT mešavine, ali i specijalizovani korpusi poput NASA, Our World in Data, Smithsonian i swisstopo podataka. To je prilično ambiciozan potez i retko se viđa u praksi — većina komercijalnih igrača svoje podatke čuva kao najstrožu tajnu.

Švajcarska udarna AI ekipa predstavila Apertus 1.5: otvoreni modeli koji sada razumeju i slike

Uz modele je objavljen i naučni rad „Apertus 1.5: From Open Text Models to Open Multimodal Reasoners”, koji opisuje kako su timovi prešli sa čisto tekstualnih modela na multimodalne „reasonere”. Tu je i rad o benchmarku za prevođenje, što ukazuje da je višejezičnost jedan od stubova projekta — Apertus je od starta zamišljen kao globalno višejezičan, pa nije čudo što se sve više pažnje posvećuje i jezicima sa manje resursa.

Zašto je ovo važno

Na tržištu na kom dominiraju zatvoreni modeli velikih kompanija, svaki ozbiljan otvoreni projekat je dobrodošao. Apertus 1.5 nije tu da obori ChatGPT ili Gemini — bar ne još — ali jeste da ponudi alternativu koju možete preuzeti, pregledati i prilagoditi sopstvenim potrebama. Za startape, istraživače i kompanije koje ne žele da zavise od API-ja treće strane, ovakvi modeli su često jedina realna opcija.

Ostaje da se vidi kako će se Apertus 1.5 pokazati u praksi na realnim zadacima — posebno u kombinaciji slika-tekst, gde je konkurencija izuzetno jaka. Ali smer je jasan: švajcarski tim je od „još jednog otvorenog LLM-a” napravio ozbiljan multimodalni projekat sa ozbiljnom dokumentacijom. A to je, u svetu AI-a, već samo po sebi vest.

Share this Article
Leave a comment