Apertus 1.5: Die Schweiz gibt ihrem offenen KI-Modell Augen

Apertus konnte bisher lesen und schreiben. Ab jetzt kann es auch schauen. ETH Zürich, EPFL und das Schweizer Nationale Supercomputing-Zentrum CSCS haben am 24. Juli Apertus 1.5 veröffentlicht – ein grosses Update des vollständig offenen Sprachmodells, das im September 2025 als erstes gross angelegtes offenes KI-Modell der Schweiz gestartet ist. Und der Sprung ist grösser, als die Versionsnummer vermuten lässt.

Vom Textmodell zum Augenpaar

Die auffälligste Neuerung: Apertus 1.5 ist multimodal. Das Modell nimmt jetzt Bilder zusammen mit Text entgegen – Dokumente, Diagramme, Fotos. Du kannst ihm also die Schnittzeichnung eines Wasserkraftwerks vorlegen, und es beschreibt dir, was darauf zu sehen ist. Auch gesprochene Sprache kann es verarbeiten, das allerdings noch im Experimentierstadium.

Dazu kommt ein optionaler Thinking Mode: Auf Wunsch überlegt das Modell erst sichtbar über die Aufgabe nach, bevor es antwortet – das verbessert die Leistung bei kniffligen Reasoning-Aufgaben spürbar. Ergänzt wird das durch bessere Instruktionsbefolgung (das Modell hält sich zuverlässiger an das, was du verlangst) und eine verbesserte Tool-Nutzung, also die Fähigkeit, externe Werkzeuge und APIs anzusteuern.

4 Billionen Tokens obendrauf

Technisch ist Apertus 1.5 kein komplett neues Modell, sondern ein Continued Pretraining der bestehenden 1.0-Version – das Team hat also weitertrainiert statt bei null angefangen. Dem 8-Milliarden-Modell wurden dabei 4 Billionen zusätzliche Tokens an Text- und Multimodal-Daten verpasst, dem grossen 70-Milliarden-Modell 2 Billionen. Zur Einordnung: Ein Token ist ungefähr ein Wortteil, und Apertus 1.0 war bereits auf 15 Billionen Tokens über mehr als 1'000 Sprachen trainiert – Schweizerdeutsch und Rätoromanisch inklusive.

Gewachsen ist auch das Gedächtnis: Das Kontextfenster – also die Menge Text, die das Modell auf einmal überblickt – steigt auf 262'144 Tokens, viermal so viel wie zuvor. Damit lassen sich ganze Aktenbündel oder lange Vertragswerke am Stück verarbeiten. Es bleibt bei den zwei bekannten Grössen: 8B für den Einsatz auf bescheidener Hardware, 70B für mehr Leistung.

Gebaut auf dem Alpen-Supercomputer

Trainiert wurde Apertus auf «Alps», dem Supercomputer des CSCS in Lugano – Schweizer Rechenkraft für ein Schweizer Modell. Und «offen» heisst hier wirklich offen: Nicht nur die Modellgewichte sind frei, sondern auch die Trainingsdaten, der Code und der gesamte Entwicklungsprozess liegen transparent vor, inklusive Zwischen-Checkpoints. Das Ganze steht unter der Apache-2.0-Lizenz und darf damit auch kommerziell genutzt werden.

«Apertus geht es nicht darum, mit den Frontier-Modellen privater Firmen zu konkurrieren, sondern darum, vertrauenswürdige, transparente KI zu bieten, auf die Organisationen mit Zuversicht aufbauen können», sagt ETH-Forscher Imanol Schlag, der das Projekt zusammen mit den EPFL-Professoren Martin Jaggi und Antoine Bosselut leitet.

Zeitgleich stellt das Team «Apertus Mini» vor – eine Suite von 16 kompakten Modellen für ressourcenarme Umgebungen. Und das CSCS lanciert einen Inference-Dienst, über den die Schweizer Forschungsgemeinschaft das Modell direkt per API ansprechen kann.

Von Tessiner Amtsstuben bis in die Basler Redaktion

Dass offene Modelle mehr sind als ein Forschungsspielzeug, zeigt der Einsatz in der Praxis. Der Kanton Tessin übersetzt mit Apertus sensible Behördendokumente hausintern – ohne die Daten an einen kommerziellen Anbieter zu geben. An der EPFL dient das Modell als Basis für MeditronFO, das erste vollständig offene Framework für medizinische Sprachmodelle. Und das Basler Online-Medium Bajour betreibt Apertus lokal im Newsroom und hat damit ein Werkzeug gebaut, das jahrelange Parlaments-Transkripte durchforstet, Positionen von Politikern über die Zeit nachzeichnet und Widersprüche aufspürt – Recherchen, die von Hand Tage dauern würden.

Warum offen hier mehr zählt als Spitzenplatz

Apertus 1.5 wird ChatGPT oder Gemini nicht vom Thron stossen, und das ist auch gar nicht das Ziel. Der Wert liegt woanders: in einem Modell, das Behörden, Spitäler, Redaktionen und KMU komplett selbst kontrollieren, prüfen und anpassen können – ohne Abhängigkeit von einem US-Konzern und ohne dass ihre Daten das Haus verlassen. Mit Bildverständnis und Reasoning ist diese offene Basis nun deutlich alltagstauglicher geworden. Ein detaillierter Technik-Report mit Benchmarks folgt in den kommenden Wochen – dann wird sich zeigen, wie nah die Offenheit an die Leistung der geschlossenen Konkurrenz heranreicht.