Ultramarine 1 Flash: Аваргуудаас 60 дахин хямд нээлттэй загвар

Энэ долоо хоногийн дөрөв дэх нээлттэй жинтэй загвар нь Paper Instruments компанийн танилцуулсан Ultramarine 1 Flash байлаа. Санхүү, хууль эрх зүй, зөвлөх үйлчилгээ (consulting) болон байгууллагын үйл ажиллагааны нарийн мэргэжлийн ажилд зориулагдсан тус загвар нь Claude Fable 5 ангиллын чанарыг түүнээс 60 дахин хямд өртгөөр үзүүлж чадна хэмээн мэдэгдэж байна.

Paper Instruments-ийн нийтэлсэн техникийн тайлан дахь зургаан сорилын үр дүнг авч үзвэл:

• JobBench: Ultramarine 1 Flash — 62.9 (Gemini 3.8 Flash: 60.6, DeepSeek V4.1 Flash: 60.4, Claude Fable 5: 57.4, GLM-5.3 Flash: 56.3, Kimi K3: 54.3, GPT-5.6 Sol: 45.4).
• PI Knowledge Work: Ultramarine 1 Flash — 59.3 (Claude Fable 5: 57.8, GPT-5.6 Sol: 55.1, GLM-5.3 Flash: 52.0, Kimi K3: 51.2, Gemini 3.8 Flash: 49.4).
• FrontierFinance (Санхүүгийн шинжилгээ): Ultramarine 1 Flash — 53.3 (GLM-5.3 Flash: 50.7, Gemini 3.8 Flash: 50.0, Claude Fable 5: 49.2, GPT-5.6 Sol: 46.8).
• AutomationBench: DeepSeek V4.1 Flash (51.3) загварын араас 50.2 оноогоор 2-р байр (Claude Fable 5: 46.2).
• DiligenceBench & APEX-Agents 1.1: DiligenceBench дээр 50.6, APEX-Agents 1.1 дээр 57.0 оноо авч, GLM-5.3 Flash болон GPT-5.6 Sol-ыг ардаа орхив.

GLM-5.3 Flash суурь загвар дээр тулгуурлан сайжруулсан Ultramarine 1 Flash нь дээрх 6 сорилын нийлбэр дүнгээр суурь загвараасаа 6.5 хувиар цөөн токен (32.7 саяын оронд 30.5 сая токен) зарцуулж, илүү богино эргэцүүллээр илүү өндөр чанартай хариу гаргадаг байна. API үнэ нь оролтын 1 сая токен тутамд ердөө $0.15, гаралтын 1 сая токен тутамд $0.50 буюу нэг бүтэн мэргэжлийн даалгаврыг дунджаар $0.13 зардлаар гүйцэтгэдэг бөгөөд загварын нээлттэй жин (model weights) удахгүй татахаар нээгдэнэ.