Paper Instruments 放出 Ultramarine 1 Flash 权重：金融法律咨询场景，号称单任务成本低 98%

让开源模型去做分析师、律师、咨询顾问的活，还要和闭源旗舰比成绩、比价格，这是 Paper Instruments 想讲的故事。这家公司刚放出了 Ultramarine 1 Flash 的开源权重，同时上线 Fireworks 和 Baseten。

一个专攻知识工作的开源模型

Ultramarine 1 Flash 基于智谱的 GLM-5.3 Flash 做强化学习后训练，总参数 320B、激活参数 18B，支持文本、图像和视频输入。Baseten 页面标注的许可证是修改版 MIT。

训练思路是让模型学会「专业人士眼里的好活儿」：团队自己设计了覆盖 19 个专业领域、88 种环境的合成任务，配上按任务定制的评分细则，重点放在分析判断、行文清晰和呈现得体上。官方称，配上合适的智能体框架和代码执行环境，它能产出 Excel、PowerPoint 和 Word 文件。

两种用法，对应两种预算

Fireworks 提供按 token 计费的共享算力，页面上写的价格是每百万 token 输入 0.15 美元、缓存输入 0.03 美元、输出 0.50 美元，上下文窗口约 1M；Baseten 则提供专属部署，适合对延迟和隔离有要求的团队。

98% 的成本差，要放在语境里看

公司给出的数字很抢眼：在自家的 PI Knowledge Work 基准上，Ultramarine 得分 59.3，Claude Fable 5 是 57.8；每个任务的推理成本是 0.13 美元对 8.19 美元，低约 98%。官方还称，在六个知识工作基准上，它平均比基座模型高 4.1 分。

不过，这个基准是 Paper Instruments 自己做的，Fireworks 的案例文章里写得明白：是「公司内部知识工作基准」。换句话说，59.3 对 57.8 说明它在这家公司选定的任务上很能打，但不等于在你的业务上同样能赢。

这类模型值得看的原因

开源模型在编程和推理上追得很快，专业服务这类讲究「品味」的工作，却多半还是闭源模型的地盘。Paper Instruments 的做法是拿现成的开源基座，用针对性的数据和评分细则去训，成本只有闭源旗舰的零头。如果这条路径被更多团队验证，专业服务软件的定价逻辑会受到压力。

想试的团队，建议拿自己行业里的几份真实文档，比如尽调材料、合同或研究报告，让它和现用模型各做一遍，对比质量和单任务成本，再判断值不值得换。