Ultramarine 1 Flash: el ajuste de 300.000 dólares que planta cara a Fable 5

Durante meses la discusión en modelos abiertos ha sido la misma: competir con los pesos pesados comerciales exige millones de dólares de presupuesto que casi nadie tiene. Por eso llama la atención lo que acaba de publicar un medio coreano, AI타임스, sobre el trabajo de Paper Instruments.

El 14 de octubre presentaron Ultramarine 1 Flash, un modelo enfocado en tareas de oficina complejas (finanzas, legal y consultoría). No lo crearon desde cero, sino que un equipo de apenas cinco personas tomó como base GLM-5.3 Flash y le aplicó un entrenamiento posterior con aprendizaje por refuerzo con un coste de 300.000 dólares. Su CEO, Daanish Khazi, afirma que rinde a la par de Claude Fable 5 reduciendo el coste por tarea a una 63.ª parte.

Al revisar el informe técnico se ven los números reales. En cuatro de seis pruebas profesionales superó a Claude Fable 5: JobBench (62,9 contra 57,4), FrontierFinance (53,3 contra 49,2), AutomationBench (50,2 contra 46,2) y la prueba interna PI Knowledge Work (59,3 contra 57,8). En cambio, perdió en DiligenceBench (50,6 contra 52,9). Hay que notar que al especializarlo sacrificaron código: frente a su propio modelo base, Ultramarine cayó en Terminal-Bench 2.1 (83,2 contra 84,3) y en DeepSWE 1.1 (61,5 contra 63,4).

A mí me parece que el logro técnico es enorme si los números se sostienen, pero conviene no perder la cabeza. La comparación de costes y métricas viene de evaluaciones de la propia empresa combinadas con tablas públicas, no de una auditoría externa independiente. La API ya está activa con el identificador ultramarine-1-flash, y según prometieron, los pesos abiertos deberían llegar dos semanas después del anuncio.

¿Prefieren que un modelo mantenga su rendimiento general en código o ven bien sacrificar esa parte si recorta costes en tareas de oficina?

Fuentes: AI타임스 · Paper Instruments