Ultramarine 1 Flash: tudásmunka 13 centért feladatonként

Mi ez a modell?

Az Ultramarine a GLM-5.3 Flash nyílt alapmodellre épül, amelyet a Paper Instruments nagy léptékű, nem ellenőrizhető jutalmú megerősítéses tanulással (non-verifiable RL) tanított tovább (Paper Instruments). A tananyag négy területet fed le: pénzügy, jog, tanácsadás és operáció, összesen 19 szakterülettel és 88 környezettípussal. A feladatok kész Excel-, PowerPoint- és Word-dokumentumot várnak, illetve élő üzleti rendszerekben, például ERP-ben kell dolgozni.

Mit mutatnak a számok?

A cég szerint az Ultramarine mind a hat vizsgált tudásmunka-benchmarkon jobb az alapmodellnél, átlagosan 4,1 ponttal, miközben 6,5 százalékkal kevesebb tokent generál. A saját PI Knowledge Work tesztjükön feladatonként 0,13 dollárba kerül. Ezen megelőzi a Claude Fable 5-öt (8,19 dollár) és a GPT-5.6 Solt (2,09 dollár), a Claude Opus 5.5-től (6,96 dollár) és a GPT-6 Soltól (1,26 dollár) pedig három ponton belül marad, mind maximális reasoning beállítással (Paper Instruments).

Fontos megkötés: a PI Knowledge Work belső benchmark. A cég szerint 0,81-es korrelációt mutat az Artificial Analysis Intelligence Indexszel, de független mérés még nincs.

Ár és elérhetőség

Az API OpenAI-kompatibilis, az Anthropic SDK-val is hívható. Az ár 0,15 dollár millió input tokenenként, 0,03 dollár cache-elt inputra és 0,50 dollár outputra, ami megegyezik a GLM-5.3 Flash árával. A súlyok a cég szerint hamarosan megjelennek a Hugging Face-en. Word-, PowerPoint- és Excel-munkához saját, python-docx, python-pptx és openpyxl alapú csomagokat is kiadtak.

Miért érdekes?

Ha a számok független mérésben is megállnak, ez újabb jele annak, hogy egy olcsó nyílt alapmodellből célzott RL-lel csúcsközeli szakmai modell hozható ki. Irodai agentekhez, riportgeneráláshoz érdemes lehet a saját feladatainkon összemérni egy drágább frontier modellel.