Paper Instruments ha presentado Ultramarine 1 Flash, un modelo agéntico diseñado específicamente para el trabajo profesional de conocimiento en sectores como las finanzas, el derecho, la consultoría y las operaciones. Construido sobre el modelo base abierto GLM-5.3 Flash, Ultramarine 1 Flash está diseñado para producir artefactos de grado profesional, incluyendo libros de trabajo de Excel terminados, presentaciones de PowerPoint y documentos de Word. El modelo está optimizado para la 'preparación del cliente', centrándose en una prosa limpia y directa, así como en un fuerte sentido de jerarquía visual e informativa para cumplir con los estándares exigidos por los analistas de servicios profesionales.
Esta imagen ilustra la capacidad del modelo para producir artefactos de grado profesional, como presentaciones de PowerPoint con una jerarquía de información clara.
Esta imagen sirve como el identificador visual principal para el modelo Ultramarine 1 Flash introducido por Paper Instruments.
La principal distinción técnica del modelo reside en el uso de aprendizaje por refuerzo (RL) a gran escala aplicado a tareas no verificables. A diferencia de muchas aplicaciones de RL que se centran en tareas verificables como la programación —donde el éxito puede comprobarse mediante pruebas unitarias o analizadores de expresiones regulares—, el trabajo profesional a menudo depende del juicio y el gusto humano. Para entrenar esto, Paper Instruments desarrolló un flujo de síntesis personalizado para crear tareas abiertas y realistas, junto con un sofisticado sistema de calificación basado en rúbricas. Cada criterio en la rúbrica está diseñado para definir un límite específico de respuestas aceptables, asegurando que el modelo aprenda a proporcionar resultados sustanciales y precisos sin sobreajustarse a una única referencia 'dorada' ni ser recompensado por errores vagos que suenen plausibles.
En las pruebas de rendimiento, Ultramarine 1 Flash demuestra una alta relación costo-calidad. Logró una puntuación de 62.9 en JobBench, superando a modelos como Gemini 3.8 Flash y DeepSeek V4.1 Flash. Notablemente, se posiciona como un modelo de 'clase Fable' —una categoría de modelos de trabajo de conocimiento de alta capacidad— pero a un precio significativamente menor. Mientras que competidores como Claude Fable 5 y GPT-5.6 Sol cuestan entre $2.09 y $8.19 por tarea, Ultramarine 1 Flash cuesta aproximadamente $0.13 por tarea. Además, el modelo mejoró la eficiencia de los tokens respecto a su modelo base, generando un 6.5% menos de tokens en seis pruebas de referencia mientras mejoraba las puntuaciones promedio en 4.1 puntos, lo que sugiere una ruta más directa para completar tareas complejas. Sin embargo, aunque el modelo destaca en estas pruebas, su rendimiento en el mundo real depende de su integración en sistemas empresariales como ERP y MES, donde está destinado a operar como una herramienta agéntica.