Ultramarine 1 Flash: مدل متنباز Paper Instruments برای کار حرفهای
Paper Instruments مدل Ultramarine 1 Flash را برای مالی، حقوقی و مشاوره معرفی کرده؛ کلاس Fable با هزینه خیلی پایینتر، پایه GLM-5.3 Flash و RL روی تسکهای غیرقابلتأیید.
17 Oct 2026 · 2 min read · Ultramarine · Paper Instruments · AI · LLM · open model · GLM · دانشکاری · agent

Paper Instruments مدل متنباز Ultramarine 1 Flash را برای کار حرفهای معرفی کرده: مالی، حقوقی، مشاوره و عملیات. ادعای اصلیشان این است که روی knowledge work در حد کلاس Fable بازی میکند، ولی حدود ۶۰ برابر ارزانتر از Fable تمام میشود.
پایهٔ مدل، GLM-5.3 Flash است؛ با reinforcement learning روی تسکهای «غیرقابلتأیید خودکار» (non-verifiable) مثل ممو، اسلاید و workbook تقویت شده. گزارش فنیشان با عنوان Scaling Non-Verifiable RL میگوید در شش بنچمارک knowledge work بهطور متوسط حدود ۴.۱ امتیاز بهتر از بیس شده و حدود ۶.۵٪ توکن کمتر مصرف میکند.
روی JobBench امتیاز ۶۲.۹ گرفته (جلوتر از Gemini 3.8 Flash و Claude Fable 5). روی بنچمارک داخلیشان (PI Knowledge Work) حدود ۰.۱۳ دلار برای هر تسک هزینه میکند و از Fable (حدود ۸.۱۹ دلار) و GPT-5.6 Sol (حدود ۲.۰۹ دلار) جلوتر است؛ فاصلهاش با مدلهای خیلی گرانتر مثل Opus 5.5 و GPT-6 Sol هم حدود سه امتیاز است.
قیمت API همان GLM است: ورودی ۰.۱۵، کش ۰.۰۳ و خروجی ۰.۵۰ دلار به ازای هر میلیون توکن. وزنها هنوز «بهزودی» است؛ فعلاً API و گزارش فنی در دسترساند. نمونههای خروجیشان بیشتر شبیه کار واقعی تحلیلگر است تا چت عمومی:
منبع: Ultramarine 1 Flash · گزارش فنی · HN: 50106747
نظر من
جالبترین بخش برای من، تمرکز روی کار حرفهایِ غیرقابلیونیتتست است؛ جایی که بیشتر مدلها هنوز شلخته مینویسند. اگر واقعاً وزنها را باز کنند و نمونهها در محیط واقعی هم همینقدر تمیز بمانند، اینجور مدلهای ارزانِ «تحلیلگر» بیشتر از یک چتبات عمومی به درد تیمهای کوچک میخورند. فعلاً تا باز شدن وزنها، با چشمباز به بنچمارکهای داخلیشان نگاه میکنم.
Comments +
00No comments yet — be the first. هنوز نظری ثبت نشده؛ اولین نفر باش.