Apertus翻译站点

Apertus 是瑞士 EPFL、ETH Zurich 与瑞士国家超算中心（CSCS）联合开发的完全开放大模型家族，名称源自拉丁语”开放”。当前最新开放权重主线 Apertus 1.5 于 2026 年 7 月发布，含 8B 与 70B 稠密模型，Apache-2.0 许可，262K 上下文，新增原生图像/音频理解与可选思考模式。家族秉持”开放权重+开放数据+开放科学”理念，是欧洲数据主权 AI 的核心基座。

 

产品概述

Apertus 由瑞士 AI 倡议组织（Swiss AI Initiative）开发，该倡议由苏黎世联邦理工学院（ETH Zurich）与洛桑联邦理工学院（EPFL）于 2023 年 12 月联合发起，是瑞士国家级科研项目 。Apertus 是瑞士首个大规模完全开放多语种大模型，其名称取自拉丁语”开放”，凸显其核心特征：架构、权重、训练数据与训练方法完全公开可审计 。

 

版本演进（具体以官网实时信息为准）：

• Apertus 1.0（2025 年 9 月）：8B 与 70B 稠密模型，Apache-2.0 许可，15T tokens 预训练，覆盖 1000+ 语言，65K 上下文，是当时最大规模的完全开放模型之一
• Apertus 1.1 Mini（2026 年 5-6 月）：从 8B 蒸馏出 0.5B/1.5B/4B 小模型系列，面向移动端与浏览器部署，多语种基准上匹配或超过同尺寸 Qwen3、Mistral
• Apertus 1.5（2026 年 7 月 24 日）：当前最新开放权重主线。在 Apertus 1.0 基础上继续预训练——8B 追加 4T tokens、70B 追加 2T tokens 的文本与多模态数据，Apache-2.0 许可，262K 上下文（4 倍提升），新增原生图像/音频理解、可选思考模式、增强工具调用
• Apertus 2.0（计划 2027 年 Q1）：参数规模提升一个数量级，多模态理解，更公平的全球词表
• Apertus 2.5（计划 2027 年 Q3）：基于开发者反馈进一步优化

 

当前主线 Apertus 1.5 核心参数​ ：

 

架构特点：

• 标准 Decoder-only Transformer 架构，分组查询注意力（GQA）
• xIELU 激活函数（Apertus 自研）
• AdEMAMix 优化器从头训练
• 后训练采用 SFT + QRPO 对齐
• 训练基础设施：CSCS Alps 超算，最高 4096 块 GPU

 

“完全开放”的具体含义（Apertus 与仅”开放权重”模型的根本区别）：

• 开放权重：8B/70B 各变体 Apache-2.0 许可
• 开放数据：15T tokens 训练语料，1000+ 语言，40% 非英语；Dolma 风格的数据配方与预处理管道全公开
• 开放代码：OLMo-core 风格的完整训练代码、评估脚本、中间检查点
• 开放方法：训练配方、超参、对齐原则（Apertus Charter）全部文档化
• 合规文档：EU AI Act 合规的 Public Summary、Code of Practice 等治理文档随模型仓库发布

 

许可策略（关键）：

Apertus 1.5 采用 Apache-2.0 许可​ + Apertus 1.5 Acceptable Use Policy（AUP）：

• 权重与代码：Apache-2.0，允许商用、修改、再分发
• 训练数据：开放许可，允许研究、教育与商用
• 需同意 AUP 并完成 Hugging Face 登录与联系信息共享才能下载权重
• 与 DeepSeek V4（MIT）、Qwen3.8-27B（Apache-2.0）、Gemma 4（Apache-2.0）、Phi-4（MIT）、OLMo 3（Apache-2.0）并列”最干净许可”阵营
• 与 Llama 4（Custom License）、Kimi K3（自定义许可）、MiniMax M3（自定义社区许可）形成最本质差异：Apertus 是”open-weight + open-data + open-science”三位一体的真正完全开放

💡 Apertus 的独特性不在基准跑分，而在”完全开放”的承诺——当 Meta（Llama）、Mistral、Kimi、MiniMax 纷纷采用”开放权重但保留训练数据私有”策略时，Apertus 把权重、数据、代码、方法、治理文档全部公开，是欧洲”主权 AI”理念的技术载体。其技术论文被 ACL 2026 接收（NLP 领域接受率约 20% 的顶级会议），是少数经过同行评审的大模型发布 。

 

核心能力

• 超大规模多语种：1000+ 语言覆盖（Apertus 1.0）/ 1811 种原生支持语言（技术报告数据），40% 训练数据为非英语，瑞士德语、罗曼什语等低资源语言有实质覆盖
• 262K 长上下文（1.5）：较 1.0 的 65K 提升 4 倍，可处理长文档与多轮对话
• 原生多模态（1.5）：首次支持图像与音频输入，文本输出；图像理解能力对标同尺寸领先开放权重模型
• 可选思考模式（1.5）：可通过开关启用推理模式，在推理任务上提升表现
• 工具调用与 Agent：原生 function calling，1.5 版本工具调用能力显著增强
• 完全可复现：权重+数据+代码+方法+中间检查点五重开放，可从头复现训练全流程
• 合规与数据主权：在训练管线中嵌入 Swiss 数据保护法与 EU AI Act 合规要求，尊重数据所有者 opt-out 同意（含追溯），并采用已发表、同行评审的机制有效防止训练数据记忆
• 全平台部署：Transformers 4.56.0+、vLLM、SGLang、MLX 均已支持，可在多种设备上运行

 

优势亮点

• 真正的完全开放：权重+数据+代码+方法+治理文档五重开放，是 ACL 2026 同行评审认可的科研级开放
• Apache-2.0 最宽松许可：商用、修改、再分发无门槛，与 DeepSeek V4（MIT）并列”最干净许可”阵营
• 欧洲数据主权标杆：在 Swiss 数据保护法与 EU AI Act 合规下训练，是欧洲”主权 AI”理念的技术载体
• 1000+ 语言覆盖：多语种广度超越 Qwen（200+）、Mistral（80+），瑞士德语、罗曼什语等低资源语言有实质覆盖
• 262K 上下文 + 多模态（1.5）：在同尺寸完全开放模型中率先实现长上下文+原生多模态
• 生产环境验证：瑞士 Ticino 州政府用 Apertus 运行内部 AI 翻译服务，避免敏感政府文档流向商业 API；EPFL 基于 Apertus 构建 MeditronFO（全球首个完全开放医疗 LLM 框架）；巴塞尔新闻机构 Bajour 用本地 Apertus 实例分析州议会记录
• 蒸馏小模型系列（1.1 Mini）：0.5B/1.5B/4B 蒸馏模型，在多语种基准上匹配或超过同尺寸 Qwen3、Mistral，ICML 2026 发表
• 公共 AI 推理网络：Public AI 作为 Apertus 官方国际部署方，提供 chat.publicai.co 与 platform.publicai.co 推理服务

 

局限

• 前沿性能不及顶级模型：第三方基准显示 Apertus 在标准智能基准上落后于 NVIDIA Nemotron-3-Ultra-550B、Super-120B 等同尺寸或更大开放权重模型 ；多语种实际测试中，对于”如何在语言 Y 中说 X”等简单多语种问题仍存在幻觉
• 下载需同意 AUP 并共享联系信息：Hugging Face 上 Apertus 1.5 仓库要求用户登录并同意 Apache-2.0 + Acceptable Use Policy，共享邮箱与用户名后才能访问权重 ——这与”无门槛 Apache-2.0″体验有差异
• 纯文本输出：1.5 支持图像/音频输入，但输出仅为文本，不支持图像/视频生成
• 规模天花板 70B：最大开放权重模型为 70B 稠密，在综合基准上与 DeepSeek V4 Pro（1.6T）、Kimi K3（2.8T）、GLM-5.3（744B）等开放权重旗舰有明显差距
• 训练数据仍含 Common Crawl 衍生：Simon Willison 指出 Apertus 使用 FineWeb（源自 Common Crawl），”主权 AI”伦理高地受到社区质疑
• 自托管 70B 仍需中高端硬件：BF16 全精度 70B 需单卡 A100 80GB 或多卡消费级 GPU；8B 版本消费级硬件可运行
• Apertus 2.0 尚未发布：计划 2027 年 Q1 才发布”参数规模提升一个数量级”的下一代，当前 70B 天花板短期内不会突破

 

适用人群

• 需数据主权与合规的企业：Swiss 数据保护法 + EU AI Act 合规训练管线，是医疗、金融、政企、政府机构的最优选择——Ticino 州政府、MeditronFO 医疗框架均已采用
• 多语种应用开发者：1000+ 语言覆盖，瑞士德语、罗曼什语等低资源语言有实质支持，是欧洲多语种业务的最佳选择
• 需 Apache-2.0 合规的商业产品：与 DeepSeek V4、Qwen3.8-27B、Gemma 4、Phi-4、OLMo 3 并列”最干净许可”阵营，法务审核零障碍
• AI 安全与审计研究者：完全开放的权重+数据+代码，是可审计、可复现、可挑战的训练管线
• 端侧与边缘部署：Apertus 1.1 Mini 的 0.5B/1.5B/4B 蒸馏模型可在笔记本、移动端运行
• 学术机构与教学：ACL 2026 同行评审的完全开放模型，是大模型课程的理想教材
• 去中心化 AI 基础设施倡导者：Public AI 推理网络提供非商业云替代方案

 

安装与部署

 

1. 硬件需求参考

 

2. 下载权重（需同意 AUP）

# 登录 Hugging Face 并接受 Apertus 1.5 的 Apache-2.0 + AUP
huggingface-cli login
huggingface-cli download swiss-ai/Apertus-v1.5-8B
huggingface-cli download swiss-ai/Apertus-v1.5-70B

# Apertus 1.1 Mini 蒸馏系列
huggingface-cli download swiss-ai/Apertus-v1.1-4B-Instruct

⚠️ 下载 Apertus 1.5 需在 Hugging Face 同意 Apache-2.0 许可与 Acceptable Use Policy，并共享邮箱与用户名

 

3. 通过 Transformers 推理（需 transformers>=4.56.0）

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "swiss-ai/Apertus-v1.5-8B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name, torch_dtype="auto", device_map="auto"
)

# 多模态输入（图像+文本）
messages = [{
    "role": "user",
    "content": [
        {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}},
        {"type": "text", "text": "用一句话描述这张图片"}
    ]
}]

text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
outputs = model.generate(**model_inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][model_inputs.input_ids.shape[-1]:]))

 

4. 通过 vLLM 部署（推荐生产环境）

# 安装 vLLM
pip install vllm

# 启动 Apertus 1.5 8B 服务
vllm serve swiss-ai/Apertus-v1.5-8B \
  --tensor-parallel-size 1 \
  --max-model-len 262144

# 启动 Apertus 1.5 70B 服务（需多卡）
vllm serve swiss-ai/Apertus-v1.5-70B \
  --tensor-parallel-size 4 \
  --max-model-len 262144

 

5. 通过 SGLang 部署

sglang serve --model-path swiss-ai/Apertus-v1.5-8B \
  --tp 1 \
  --context-length 262144

 

6. 通过 MLX 部署（Apple Silicon 专属）

# MLX 是 Apple Silicon 统一内存最优解
mlx_lm generate --model swiss-ai/Apertus-v1.1-4B-Instruct-4bit-mlx \
  --prompt "用简单的术语解释主权 AI 的含义"

 

7. 通过 LM Studio 部署（端侧推荐）

LM Studio 中搜索 swiss-ai/Apertus-v1.1：

• 8GB RAM：0.5B Q4 或 1.5B Q4
• 16GB RAM：4B Q4 或 Q5
• 32GB+ RAM：4B Q8（接近全精度）

 

8. 通过 Public AI 云端调用（不想自托管）

Public AI 是 Apertus 官方国际部署方 ：

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["HF_TOKEN"],
    base_url="https://router.huggingface.co/v1"
)

# 调用 Apertus 1.5 8B（Public AI 部署）
response = client.chat.completions.create(
    model="swiss-ai/Apertus-v1.5-8B:publicai",
    messages=[{
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": "https://example.com/image.jpg"}},
            {"type": "text", "text": "用一句话描述这张图片"}
        ]
    }]
)

 

9. 启用思考模式

Apertus 1.5 支持可选思考模式：

# 通过系统提示或特殊标记启用 thinking mode
messages = [
    {"role": "system", "content": "Enable reasoning mode."},
    {"role": "user", "content": "证明根号2是无理数"}
]

 

10. 部署前必检清单

• 确认仓库位于 huggingface.co/swiss-ai（官方组织）
• 下载 1.5 权重前需在 Hugging Face 同意 Apache-2.0 + AUP，并共享联系信息
• 确保 transformers>=4.56.0（Apertus 1.5 最低要求）
• 8B 模型消费级硬件可运行；70B BF16 全精度需单卡 A100 80GB
• 多语种应用建议直接使用 1.5 系列，多语种能力较 1.0 显著提升
• 商业部署审阅 Acceptable Use Policy 具体条款