Модель Hugging Face

swiss-ai/Apertus-v1.5-70B

Скачать через AIhoster Оригинал на Hugging Face ↗

Обзор модели

Данные относятся к ревизии b212ebf8758b.

Ограниченный доступПонадобятся права Hugging Face.

Размер текущей ревизии134.7 ГБ29 файлов

Место с запасом168.4 ГБМинимум 148.2 ГБ

ДоступПо заявкеНужна авторизация HF

Хранилище HFXetXet-файлов: 10

Самый большой файл46.4 ГБmodel-apertus-model-00001-of-00003.safetensors

Популярность на HF8 184146 отметок «нравится»

Форматы и запуск

SafetensorsБезопасная сериализация весов · файлов: 5
134.7 ГБ

TransformersБиблиотека заявлена автором модели.

Лицензия

apache-2.0

Файл LICENSE.txt

Открыть условия ↗

AIhoster не меняет лицензию и не даёт юридического заключения о допустимости использования.

Быстрая проверка

Только публичные метаданные HF и дерево файлов — без скачивания и запуска модели.

Источник HF + правила AIhoster

Проверка Hugging FaceНе завершенаСканирование может выполняться, ожидать очереди или завершиться ошибкой.

Форматы весовБез pickleРаспознано безопасных форматов: 5.

Пользовательский кодНе обнаруженВ дереве файлов и конфигурации нет явных признаков remote code.

Состав репозиторияЯвных рисков нетИсполняемые файлы и архивы не обнаружены.

Результат не гарантирует безопасность: архивы не раскрываются, веса не исполняются, содержимое пользовательского кода не аудируется.

Технические сведения и теги

Автор: swiss-ai
Задача: image-text-to-text
Библиотека: transformers
Создана: 24.07.2026 06:07
Обновлена: 03.11.2026 15:20
Ревизия: b212ebf8758bcd8200cc26b83a3f14759a94aa56

transformerssafetensorsapertus1p5text-generationmultilingualmultimodalswitzerlandswiss-aiapertusimage-text-to-textconversationalarxiv:2610.15542license:apache-2.0eval-resultsendpoints_compatibleregion:us

Опубликованные бенчмарки

Результаты привязаны к точному ID модели. Условия запуска и ревизия указаны первичным источником и могут отличаться от текущей ревизии.

Научное рассуждение

GPQA

35,9%

точность · 20.07.2026
Swiss AI lm-evaluation-harness 0.4.11.dev0; gpqa_main_cot_zeroshot; exact_match/ordered-extract; thinking disabled; num_fewshot=0; repeats=1; temperature=0.0; max_tokens=2048; n=448; accuracy on a 0-100 scale; full setup and uncertainty in source

Методика ↗EvalEval ↗

Математика

GSM8K

85,0%№ 19 в рейтинге

точность · 20.07.2026
Swiss AI lm-evaluation-harness 0.4.11.dev0; gsm8k_cot; exact_match/numeric-fallback; thinking disabled; num_fewshot=8; repeats=1; temperature=0.0; max_tokens=2048; n=1319; accuracy on a 0-100 scale; full setup and uncertainty in source

Методика ↗EvalEval ↗

prompt_level_loose

IFBench_test

результат · 20.07.2026
Swiss AI lm-evaluation-harness 0.4.11.dev0; ifbench; prompt_level_loose_acc/none; thinking disabled; num_fewshot=0; repeats=1; temperature=0.0; max_tokens=2048; n=300; prompt-level loose accuracy on a 0-100 scale; full setup and uncertainty in source

Методика ↗EvalEval ↗

prompt_level_loose

IFBench_test

36,7

результат · 20.07.2026
thinking enabled (enable_thinking=True); Swiss AI lm-evaluation-harness 0.4.11.dev0; ifbench; prompt_level_loose_acc/none; num_fewshot=0; repeats=1; do_sample=True; temperature=0.6; top_p=0.95; max_tokens=8192; n=300; prompt-level loose accuracy on a 0-100 scale

Методика ↗Swiss AI evaluation run ↗

lexam_hard

LEXam-hard

24,4

результат · 28.07.2026
lighteval, LEXam paper prompts, one response per question, no tools; DeepSeek-R1-0528 judge; mean of the German and English means over the 518 questions, 0-100

Методика ↗SwissLegalEvals per-sample details (lighteval) ↗

Знания и рассуждение

MMLU-Pro

56,4%

точность · 20.07.2026
Swiss AI lm-evaluation-harness 0.4.11.dev0; mmlu_pro; exact_match/ordered-extract; thinking disabled; max_tokens=2048; accuracy on a 0-100 scale; full setup and uncertainty in source

Методика ↗EvalEval ↗

Оценки разных бенчмарков напрямую не сравниваются и не являются гарантией качества в вашем сценарии. Открыть все рейтинги →

Проверить и скачать

Обе команды закреплены на одной ревизии. Свежий huggingface_hub автоматически использует Xet, Range-запросы и продолжение загрузки.

Узнать объём без скачивания

export HF_ENDPOINT=https://hf.aihoster.ru
hf download swiss-ai/Apertus-v1.5-70B --revision b212ebf8758bcd8200cc26b83a3f14759a94aa56 --dry-run

Скачать всю модель

export HF_ENDPOINT=https://hf.aihoster.ru
hf download swiss-ai/Apertus-v1.5-70B --revision b212ebf8758bcd8200cc26b83a3f14759a94aa56 --local-dir Apertus-v1.5-70B

Файлы модели

Можно скачать весь репозиторий командой выше или выбрать отдельный файл.

Показать все файлы (29)

Файл	Размер	Действия
LICENSE.txt	11.1 КБ	Скачать
.eval_results/evaleval-gpqa.yaml	555 Б	Скачать
.eval_results/evaleval-gsm8k.yaml	548 Б	Скачать
.eval_results/evaleval-ifbench.yaml	575 Б	Скачать
.eval_results/evaleval-mmlu-pro.yaml	500 Б	Скачать
.eval_results/lexam-hard.yaml	487 Б	Скачать
.eval_results/swiss-ai-ifbench-thinking.yaml	585 Б	Скачать
.gitattributes	1.8 КБ	Скачать
Apertus_1_5_EU_Code_of_Practice.pdf	148.4 КБ	Скачать
Apertus_1_5_EU_Public_Summary.pdf	298.8 КБ	Скачать
assets/text_performance_plot.png	263.9 КБ	Скачать
assets/visual_performance_plot.png	133.1 КБ	Скачать
chat_template.jinja	16.2 КБ	Скачать
config.json	2.5 КБ	Скачать
evaluation_reports/ifbench-thinking.json	2.2 КБ	Скачать
generation_config.json	157 Б	Скачать
model-apertus-model-00001-of-00003.safetensors	46.4 ГБ	Скачать
model-apertus-model-00002-of-00003.safetensors	43.9 ГБ	Скачать
model-apertus-model-00003-of-00003.safetensors	43.2 ГБ	Скачать
model-vision_tokenizer-model.safetensors	832.2 МБ	Скачать
model-wavtokenizer-model.safetensors	291.1 МБ	Скачать
model.safetensors.index.json	170 КБ	Скачать
PRIVACY_POLICY.pdf	72.4 КБ	Скачать
processor_config.json	763 Б	Скачать
README.md	21.6 КБ	Скачать
special_tokens_map.json	552 Б	Скачать
tokenizer.json	42 МБ	Скачать
tokenizer_config.json	2 КБ	Скачать
USAGE_POLICY.pdf	52.5 КБ	Скачать