一句话看懂：完全开源的 Apertus 模型发布 1.5 版本，在原有文本能力基础上加入图像与音频理解，并把上下文窗口扩展到 262,144 tokens，路线仍是只用公开数据训练。
事件核心：发生了什么
根据 Hugging Face Papers 上的一篇论文摘要，Apertus 1.5 延续了 Apertus 1.0 的全开源路线，在 8B 模型上继续预训练 4T tokens，70B 模型上继续预训练 2T tokens，新增图像和音频理解能力，上下文窗口扩大四倍至 262,144 tokens。多模态能力通过 tokenizer 引入，语言模型头部仍只处理文本，整体架构没有改变。后期训练包括监督微调、长上下文微调、可验证奖励的强化学习和偏好对齐。思考模式不是单独模型，而是聊天模板里的一个开关，据摘要称可在 8B 模型上把数学推理提升最多 20 分。摘要显示，该系列在几乎所有基准上超过前代；在同类完全开源模型中，8B 版本在知识、指令遵循和文化基准上领先，指令遵循超过所有对比模型，包括开放权重模型。图像和音频理解是该家族首次具备的能力，在文档理解、长文本和低资源语音识别上较强，但专用视觉和音频模型在感知和英语等高资源语言的转录上仍更领先。需要说明的是，以上均为论文摘要内容，并非已核验的全文实验或已上线的商业产品。
为什么重要
Apertus 项目的核心主张是：语言模型正在变成基础设施，而由公共机构在公开数据上建设的开放基础设施，可以成为依赖少数供应商之外的另一种选择。这次从纯文本扩展到多模态推理，说明这条路线在更大规模上仍然可行。它只使用公开可得数据训练，追溯尊重爬虫退出选项，并排除限制性许可材料，权重、数据准备、训练配方和评测套件都以宽松许可发布。对开源生态而言，如果这些结果能在更广泛评测中复现，会进一步增强开放权重模型在知识、指令遵循和多模态任务上的竞争力，同时把对齐价值观和章程也纳入公开范围。
对用户/开发者/创作者的影响
目前公开信息显示，开发者可以获得模型权重、数据处理和训练方案，适合做本地部署、长文档问答、低资源语音识别等方向的实验。由于思考模式只是聊天模板的开关，集成时不需要单独加载推理模型。创作者和研究人员可重点关注其文档理解与长上下文能力，而英文语音转录或高资源语言感知任务，仍可能更适合专用模型。企业采购方若重视数据合规和许可透明度，可以把 Apertus 1.5 作为开源候选之一，但仍需自行评测实际任务表现。
值得关注的后续
一是论文全文和评测套件公开后，第三方能否复现摘要中的基准结果；二是模型权重和训练配方在 Hugging Face 等平台的实际可用性及社区反馈；三是其他开源与闭源模型是否会跟进长上下文加多模态的组合。
