Blog

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

Ultramarine 1 Flash: مدل متن‌باز Paper Instruments برای کار حرفه‌ای

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.

کاور Ultramarine 1 Flash
کاور محصول Ultramarine 1 Flash — paperinstruments.com

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.

نمودار JobBench
رتبه‌بندی JobBench از صفحهٔ محصول — quickchart

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.

مقایسه امتیاز و هزینه هر تسک
امتیاز در برابر هزینهٔ تقریبی هر تسک روی PI Knowledge Work — quickchart از اعداد صفحهٔ محصول

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:

نمونه خروجی تحلیل Nucor
نمونه خروجی: Nucor در چرخه فولاد — paperinstruments.com
نمونه مدل عملیاتی Ryanair
نمونه خروجی: مدل عملیاتی Ryanair — paperinstruments.com
نمونه ساخت DCF برای Costco
نمونه خروجی: ساخت DCF برای Costco — paperinstruments.com
نمونه ممو سرمایه‌گذاری Reddit
نمونه خروجی: ممو سرمایه‌گذاری Reddit — paperinstruments.com

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.

Comments0

Comments +

00

No comments yet — be the first. هنوز نظری ثبت نشده؛ اولین نفر باش.

Leave a comment

0 / 2000