Paper Instruments 用强化学习训练出 Ultramarine 1 Flash，推理成本降约 98%
Paper Instruments 基于 GLM-5.3 Flash 用强化学习训练出 Ultramarine 1 Flash，在内部知识工作基准上得分 59.3，超过 Fable 5 的 57.8，单任务成本 0.13 美元对 8.19 美元，低约 98%。训练使用 Fireworks Training API，团队保留对数据、采样、损失函数和训练循环的控制。该模型在 6 个知识工作基准上平均比基座模型高 4.1 分，现已通过 Fireworks 无服务器推理开放试用。
推荐理由单任务 0.13 美元对 8.19 美元，做金融、法律类 Agent 可先测这个开源替代