Paper Instruments 推出了 Ultramarine 1 Flash，这是一款专门为金融、法律、咨询和运营等领域的专业知识工作而设计的智能体模型。Ultramarine 1 Flash 基于 GLM-5.3 Flash 开源基础模型构建，旨在生成专业级产出，包括完整的 Excel 工作簿、PowerPoint 演示文稿和 Word 文档。该模型针对“客户就绪”状态进行了优化，专注于简洁明了的文字，并具备强烈的视觉和信息层级感，以满足专业服务分析师所需的标准。
这张图片展示了模型生成具有清晰信息层级的 PowerPoint 演示文稿等专业级产出的能力。
这张图片是 Paper Instruments 推出的 Ultramarine 1 Flash 模型的主要视觉标识。
该模型的主要技术区别在于其将大规模强化学习（RL）应用于不可验证的任务。与许多专注于可验证任务（如代码编写，其成功可通过单元测试或正则表达式解析器检查）的 RL 应用不同，专业工作往往依赖于人类的判断和审美。为了进行此类训练，Paper Instruments 开发了一个自定义的合成流水线来创建真实的开放式任务，并建立了一套复杂的基于评分标准的评分系统。评分标准中的每个准则旨在定义可接受答案的特定边界，确保模型学会提供实质性、准确的结果，而不会过度拟合到单一的“黄金”参考答案上，也不会因模糊但听起来合理的错误而获得奖励。
在性能基准测试中，Ultramarine 1 Flash 展示了极高的成本效益比。它在 JobBench 上获得了 62.9 的分数，表现优于 Gemini 3.8 Flash 和 DeepSeek V4.1 Flash 等模型。值得注意的是，它被定位为“Fable 级”模型——即高能力知识工作模型类别——但价格显著更低。虽然 Claude Fable 5 和 GPT-5.6 Sol 等竞争对手的每项任务成本在 2.09 美元到 8.19 美元之间，而 Ultramarine 1 Flash 的每项任务成本仅约为 0.13 美元。此外，该模型在比基础模型提高了 Token 效率，在六项基准测试中生成的 Token 减少了 6.5%，同时平均得分提高了 4.1 分，这表明其在完成复杂任务时路径更直接。然而，虽然该模型在这些基准测试中表现出色，但其在现实世界中的表现取决于它与 ERP 和 MES 等业务系统的集成，因为它旨在作为智能体工具在这些系统中运行。