Paper Instruments presenta Ultramarine 1 Flash, un modello linguistico specializzato nell’esecuzione di attività professionali complesse, sviluppato da un gruppo di cinque ricercatori attraverso un programma di post-addestramento del valore complessivo di circa 300.000 dollari. Il modello deriva da GLM-5.3 Flash, una base open source sulla quale è stato applicato un processo di apprendimento per rinforzo destinato a migliorare la produzione di documenti, le analisi economico-finanziarie e lo svolgimento di incarichi specialistici. La cifra comunicata dall’azienda riguarda esclusivamente l’addestramento successivo del modello esistente e non comprende il costo necessario a sviluppare da zero il sistema linguistico di partenza. Ultramarine 1 Flash è già disponibile attraverso API, mentre il rilascio pubblico dei pesi è previsto due settimane dopo la presentazione. Secondo le valutazioni interne pubblicate da Paper Instruments, il modello ha superato Claude Fable 5 in quattro dei sei benchmark dedicati al lavoro professionale utilizzati nel confronto, ottenendo inoltre un costo operativo per attività significativamente inferiore nelle specifiche condizioni sperimentali considerate.
L’architettura di addestramento è stata progettata per affrontare attività nelle quali la correttezza della risposta non può essere verificata mediante un semplice controllo binario. Nei compiti di programmazione è possibile valutare automaticamente il superamento di test prestabiliti, mentre la preparazione di una relazione di due diligence, di un’analisi finanziaria o di una revisione legale richiede la valutazione di numerosi aspetti, tra cui completezza, accuratezza dei fatti, coerenza del ragionamento e rispetto delle richieste del committente. Per affrontare questa difficoltà, il gruppo ha costruito ambienti di apprendimento distribuiti su 19 aree professionali, comprendenti finanza, diritto, consulenza e attività operative, articolate in 88 differenti tipologie di contesto. Il sistema genera compiti sintetici accompagnati da criteri di valutazione dettagliati, assegnando ricompense in funzione del soddisfacimento dei requisiti previsti. L’approccio consente di riconoscere come valide anche soluzioni formulate diversamente rispetto a una risposta di riferimento, purché rispettino le condizioni sostanziali dell’incarico.
Il processo di post-addestramento utilizza LoRA per modificare un insieme limitato di parametri aggiuntivi e una versione adattata di CISPO per controllare l’influenza dei dati e stabilizzare l’ottimizzazione mediante apprendimento per rinforzo. Durante l’addestramento è stata utilizzata una finestra di contesto di 131.072 token, con un limite massimo di 250 passaggi operativi per l’esecuzione degli agenti. La funzione di ricompensa considera anche l’efficienza di esecuzione, introducendo penalizzazioni per risposte eccessivamente lunghe, sequenze operative inutilmente estese e chiamate errate agli strumenti. Nei sei benchmark professionali utilizzati, Ultramarine 1 Flash ha migliorato i risultati di GLM-5.3 Flash, registrando un incremento medio di 4,1 punti e una riduzione del 6,5% dei token generati, compresi quelli utilizzati durante il ragionamento. Nei due benchmark di programmazione presentati come riferimento aggiuntivo, invece, il modello ha ottenuto risultati inferiori rispetto alla base originale, evidenziando la specializzazione introdotta durante il processo di ottimizzazione.
Il confronto con Claude Fable 5 ha evidenziato risultati differenti a seconda delle attività considerate. Nel benchmark JobBench, Ultramarine 1 Flash ha raggiunto 62,9 punti rispetto ai 57,4 di Fable 5, mentre nella valutazione FrontierFinance, dedicata alle operazioni finanziarie, ha ottenuto 53,3 punti contro 49,2. Nei test DiligenceBench e APEX-Agent 1.1, il modello di Paper Instruments è invece rimasto al di sotto di Fable 5. Le misurazioni derivano da sperimentazioni interne dell’azienda e dal confronto con risultati precedentemente pubblicati, senza costituire una valutazione indipendente condotta in condizioni necessariamente identiche. Nel benchmark proprietario PI Knowledge Work, dedicato alla realizzazione di documenti Word, presentazioni PowerPoint, fogli Excel e attività operative all’interno di sistemi professionali, Ultramarine ha ottenuto 59,3 punti con un costo medio di 0,13 dollari per incarico. Claude Fable 5, nella configurazione con ragionamento massimo, ha registrato 57,8 punti a un costo di 8,19 dollari, mentre GPT-5.6 Sol ha ottenuto 55,1 punti a 2,09 dollari. La differenza di costo rispetto a Fable 5 è risultata pari a circa 63 volte nelle condizioni di valutazione adottate.
Nello stesso benchmark, Ultramarine 1 Flash si è collocato a 2,6 punti da Claude Opus 5.5, che presentava un costo medio di 6,96 dollari per attività, e a 2 punti da GPT-6 Sol, il cui costo era pari a 1,26 dollari. I valori espressi per singolo incarico dipendono dalle caratteristiche delle prove e non rappresentano tariffe fisse applicabili a qualsiasi attività professionale. Per l’accesso tramite API, Paper Instruments ha indicato prezzi di 0,15 dollari per milione di token in ingresso, 0,03 dollari per milione di token di input recuperati dalla cache e 0,50 dollari per milione di token in uscita, mantenendo la stessa struttura tariffaria del modello di base. La società intende inoltre distribuire Paper Office, un pacchetto di strumenti progettato per manipolare in sicurezza documenti e file delle applicazioni da ufficio, insieme al codice di addestramento, all’infrastruttura di esecuzione degli agenti e ai sistemi di valutazione. Per gli utenti non specializzati nello sviluppo software è prevista anche Feather, un’applicazione desktop che permette di utilizzare il modello attraverso un’interfaccia dedicata. Il progetto è rivolto principalmente all’automazione delle attività svolte da banche, studi legali, società di consulenza e operatori del private equity, attraverso agenti capaci di produrre documenti e utilizzare strumenti professionali con costi di inferenza contenuti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)