Модель для профессиональной работы

Ultramarine 1 Flash создана специально для сложных бизнес-задач. Её тестировали на шести бенчмарках, отражающих реальные сценарии: финансовый анализ, юридическое сопровождение, операционные процессы.

JobBench — универсальный тест на знания: 62,9 балла. Это выше, чем Gemini 3.8 Flash (60,6) и DeepSeek V4.1 Flash (60,4), хотя ниже Claude Fable 5 (57,4).

PI Knowledge Work — внутренний бенчмарк Paper Instruments: 59,3 балла. На первом месте вновь Ultramarine 1 Flash, за ней Claude Fable 5 (57,8) и GPT-5.6 Sol (55,1).

FrontierFinance — задачи финансового анализа: 53,3 балла. Модель показывает стабильность в финансовом сегменте, опережая GLM-5.3 Flash (50,7) и Gemini (50,0).

AutomationBench — операционная автоматизация: 50,2 балла. Здесь DeepSeek немного впереди (51,3), но Ultramarine держится на уровне конкурентов.

DiligenceBench — due diligence и аналитика: 50,6 балла. На этом тесте лидируют Gemini (53,1) и Claude (52,9), но разница минимальна.

APEX-Agents — сложные агентские сценарии: 57,0 балла. Gemini (64,3) и Claude (63,6) на первых местах; Ultramarine показывает приличный результат, но явно слабее на агентских задачах.

Эффективность по токенам

Ultramarine 1 Flash обучена на основе GLM-5.3 Flash, но производит на 6,5% меньше токенов при лучшем качестве ответов. Это означает не только более быстрое выполнение задач, но и прямую экономию в API-счётах.

Тестирование на всех шести бенчмарках показало: GLM-5.3 Flash генерирует в среднем 32,7М токенов, Ultramarine — 30,5М. Это не просто оптимизация — это переучивание с фокусом на точность при меньшем объёме выхода.

Цена: центы вместо долларов

Ultramarine 1 Flash занимает уникальную позицию на кривой цена-качество. При $0,13 за задачу на внутреннем бенчмарке PI Knowledge Work (r = 0,81 с индексом Artificial Analysis) она обгоняет:

  • Claude Fable 5 (max) — $8,19 за задачу
  • GPT-5.6 Sol (max) — $2,09 за задачу

От Claude Opus 5.5 и GPT-6 Sol отделяют всего три пункта, но цены там $6,96 и $1,26 соответственно.

Тариф на Ultramarine API (за миллион токенов):

  • Входящие токены: $0,15
  • Кэшированные входящие: $0,03
  • Выходящие токены: $0,50

Это ровно те же цены, что и у GLM-5.3 Flash, на основе которой обучена Ultramarine.

PI Knowledge Work — инструмент тестирования, разработанный специально для оценки качества работы с реальными профессиональными задачами: создание Excel-таблиц, PowerPoint-презентаций, Word-документов, интеграция с ERP и MES системами. Результаты затем оценивают по содержанию, точности и оформлению. Каждую модель проверяют в единой среде с использованием официальных API-цен.

Готовность к использованию в компаниях

Модель создана с расчётом на применение в профессиональной среде. Она пишет ясно, структурированно, соблюдает правила оформления документов, которые требуют аналитики в консалтинге и инвестициях.

Примеры из генерируемых документов:

  • Анализ Nucor через цикл стали: пять периодов продаж и прибыли в одной таблице, где все суммы сверяются. Заработки сталелитейного подразделения упали с $7,2млрд (2022) до $2,4млрд (2025), но их доля в продажах выросла с 58% до 62%.
  • Операционная модель Ryanair: чистые, читаемые диаграммы процессов без визуального шума.
  • Анализ международных операций Costco: таблицы с правильной иерархией информации.
  • Инвестмемо Reddit: структурированный аналитический документ с ключевыми выводами.
  • DCF-модель Costco: корректные расчёты с полной детализацией.
  • Структура подразделений Airbus: наглядное представление организационных иерархий.

Всё это — результат целенаправленного обучения на данных профессиональных аналитиков, а не переобучение универсальной модели на узком датасете.