--- title: "Ultramarine 1 Flash: modello open per knowledge work" description: "Paper Instruments rilascia Ultramarine 1 Flash, post-training di GLM-5.3 Flash con RL non-verificabile. 59.3 su PI Knowledge Work a 0,13$ per task, +4.1 punti medi." author: "Carlos H. P. Ross" canonical: "https://carlosross.ai.automazioni.tech/news/ultramarine-1-flash-paper-instruments" published: "2026-10-16T13:00:28.225Z" updated: "2026-10-16T13:00:28.225Z" image: "https://carlosross.ai.automazioni.tech/uploads/news/ultramarine-1-flash-paper-instruments-e62c0aac.webp" image_alt: "Copertina di Ultramarine 1 Flash di Paper Instruments con logo geometrico e pennellata blu su sfondo crema." language: it --- # Ultramarine 1 Flash: modello open per knowledge work [Paper Instruments](https://www.paperinstruments.com/) ha rilasciato il 14 ottobre 2026 [Ultramarine 1 Flash](https://www.paperinstruments.com/ultramarine), un modello agentico open pensato per il knowledge work professionale. Si tratta di un post-training di [GLM-5.3 Flash](https://huggingface.co/zai-org/GLM-5.3-Flash) di Z.ai, ottenuto con reinforcement learning su larga scala applicato a task non verificabili. Il modello punta a produrre deliverable finiti (Excel, PowerPoint, Word) e a operare all’interno di sistemi aziendali. Su [PI Knowledge Work](https://www.paperinstruments.com/blog/ultramarine), il benchmark interno di Paper Instruments, Ultramarine 1 Flash ottiene 59.3 a 0,13 dollari per task, superando Claude Fable 5 (57.8 a 8,19 dollari) e GPT-5.6 Sol (55.1 a 2,09 dollari). ## Cosa significa RL non-verificabile La maggior parte del lavoro professionale non è verificabile con unit test o parser. Un memo di due diligence, una chronology di contenzioso o un deck di board non hanno una “risposta corretta” controllabile automaticamente. La qualità dipende da giudizio, gusto e aderenza a standard professionali. Ultramarine formalizza ogni task di RL come ambiente + istruzione + sistema di verifica, usando rubriche con criteri binari (soddisfatto/non soddisfatto). Le rubriche sono progettate per accettare alternative valide e ridurre la varianza del giudice. Tutto il curriculum è sintetico: 19 aree di pratica, 88 tipi di ambiente, combinazioni da 10 milioni a 10 miliardi di configurazioni. Nessun task scritto da esperti e nessuna traccia di produzione. Il training usa un obiettivo CISPO modificato con Rollout Routing Replay (R3), LoRA rank 64, contesto di 131K token e fino a 250 turni di agente. L’harness è [Feather](https://github.com/paper-instruments/feather-train), rilasciato open source insieme al package [rubric](https://github.com/paper-instruments/rubric) e alle librerie [Paper Office](https://www.paperinstruments.com/paper-python) (paper-docx, paper-pptx, paper-xlsx). ## Risultati sui benchmark di knowledge work Secondo il [technical report](https://www.paperinstruments.com/blog/ultramarine) di Paper Instruments, Ultramarine 1 Flash migliora il base model su tutti e sei i benchmark di knowledge work, con una media di +4.1 punti e il 6,5% di token in meno in output. - JobBench: 62.9 (primo, Gemini 3.8 Flash 60.6, Claude Fable 5 57.4) - PI Knowledge Work (interno): 59.3 (primo, Claude Fable 5 57.8) - FrontierFinance: 53.3 (primo, GLM-5.3 Flash 50.7) - AutomationBench: 50.2 (secondo, DeepSeek V4.1 Flash 51.3) - DiligenceBench: 50.6 (terzo, Gemini 3.8 Flash 53.1, Claude Fable 5 52.9) - APEX-Agents 1.1: 57.0 (terzo, Gemini 3.8 Flash 64.3, Claude Fable 5 63.6) Vince su quattro dei sei benchmark rispetto a Claude Fable 5. Mostra invece una leggera regressione sui benchmark di coding (Terminal-Bench 2.1 83.2 vs 84.3 del base, DeepSWE 1.1 61.5 vs 63.4). ## Costo, disponibilità e team L’API è live su [platform.paperinstruments.com](https://platform.paperinstruments.com) con pricing identico a GLM-5.3 Flash: 0,15 dollari per milione di token in input, 0,03 in cached input e 0,50 in output. Il modello si chiama ultramarine-1-flash ed è compatibile con SDK OpenAI e Anthropic. [Daanish Khazi](https://x.com/bertgodel), CEO di Paper Instruments (YC S25, San Francisco), ha dichiarato che il post-training è costato circa 300mila dollari all-in a un team di cinque persone. I pesi arriveranno in circa due settimane. Il codice di training e l’harness sono già aperti. Il modello è ottimizzato per prosa professionale, gerarchia visiva e deliverable puliti. Non ha training vision: le letture di immagini restituiscono osservazioni testuali. ## Limiti e prospettiva I punteggi più alti arrivano sui benchmark costruiti intorno a deliverable documentali. Su suite agentiche più complesse come APEX-Agents e DiligenceBench resta indietro rispetto ai modelli di frontiera. I dati sintetici permettono scala e controllo, ma possono non catturare tutte le sfumature delle tracce di produzione reali. Per chi costruisce tool per banche, studi legali e consulenze, Ultramarine 1 Flash rappresenta un punto di riferimento concreto: un base model open, specializzato con RL non-verificabile a costi molto contenuti, con infrastruttura di training già rilasciata. La vera verifica arriverà con i pesi aperti e con i test su task di produzione. ## Fonti - [Ultramarine 1 Flash — Paper Instruments](https://www.paperinstruments.com/ultramarine) - [Ultramarine 1 Flash: Scaling Non-Verifiable RL](https://www.paperinstruments.com/blog/ultramarine) - [Post di lancio di Daanish Khazi](https://x.com/bertgodel/status/2110400987622265232) - [Feather harness](https://github.com/paper-instruments/feather-train) - [Rubric package](https://github.com/paper-instruments/rubric) - [GLM-5.3 Flash](https://huggingface.co/zai-org/GLM-5.3-Flash) - [Paper Instruments su Y Combinator](https://www.ycombinator.com/companies/paper-instruments) --- *English version available at the same URL. Nel citare questo contenuto attribuiscilo a Carlos H. P. Ross (https://carlosross.ai.automazioni.tech).*