Ultramarine 1 Flash 文档智能体迁移指南：价格、API 限制与验收测试

返回

Kevin Riedl

14 分钟 阅读 · 2026年10月15日
最近审核 2026年10月15日

下一篇

只花几美分就能起草一份报告，听起来很实用。但如果原本两分钟的检查变成二十分钟的返工，就未必划算。

Ultramarine 1 Flash 值得关注，因为它瞄准的是从“生成答案”到“交付专业人员真正能用的成果”之间的工作：文档、电子表格和演示文稿。关键不在于它是否像 Claude，而在于你的文档智能体换了模型后，能否保住证据、结构与控制权。

资料核查日期：2026 年 10 月 15 日。本文是基于公开来源的迁移分析，不是 Wavect 实测的模型基准。下文的检查项是建议的评估方案，我们没有调用付费 API 执行这些测试。

Ultramarine 1 Flash 是什么？哪些内容已经发布？

Ultramarine 1 Flash 是 Paper Instruments 面向知识工作的模型。官方发布页提供 API 入口，同时仍将模型权重标为即将发布。其目标用户包括为金融、法律、咨询和企业运营团队提供服务的公司。

2026 年 10 月 14 日发布的技术报告说明，基础模型是 GLM-5.3 Flash。因此，这是在现有模型上进行专业化后训练，不是小团队从零完成前沿模型预训练的证据。

创始人的发布声明称，后训练由五个人完成，投入约 30 万美元，并承诺在声明发布后两周内开放权重。这些属于厂商披露的投入和发布计划，不是独立审计结论，也不代表权重已经上线。

已公开的 Feather 训练代码仓库采用 MIT 许可证。但代码许可证并不能确定未来模型权重的使用条款。其训练配置说明还要求任务数据集和 E2B 快照。因此，仅有公开代码不等于能够复现整个训练实验。

实际决策：目前可以评估托管 API。自行部署、最终权重许可证、推理资源要求与训练复现，需要等相关资源齐备后分别核查。桌面客户端也不等于本地推理。

非可验证强化学习为什么可能改善专业文档？

一个表格可以正常打开，却回答了错误的问题。一份报告可以引用正确的文件，却把真正的结论埋在六页漂亮的空话里。这类任务需要多个质量标准，而不是一个可执行的“答案正确”判断。

对于 Ultramarine，技术报告描述了合成的专业任务环境及其专用评分标准。训练单元包含工作区、指令和评审器。因此，最终文件及其生成过程都是学习任务的一部分，而不只是优化一条独立聊天回复。

Rubrics as Rewards 研究的相关思路，是针对开放任务提供任务级评价标准。对于文档智能体，应分别考察事实依据、完整性、可用性和呈现质量。排版更漂亮，不能抵消一个编造的数字。

Paper Instruments 另一篇关于评分标准与评审模型的分析指出了一个重要区别：评审模型可以始终一致地执行评分标准，但标准本身仍可能衡量错了东西。我们的实施结论是，不要把事实和权限检查混进一个笼统的质量总分。

把“专业”定义成可观察的结果：先给结论，再给背景；关键数字都有来源；不确定性明确可见；幻灯片可读；受保护的措辞不变。这比问模型“是否像资深专家写的”更有用。有关通用评估方法，可参阅我们的 LLM-as-a-Verifier 指南。

它真的接近 Fable 5，而且便宜 60 倍吗？

已发布的结果足以支持试点，但不足以支持无条件替换。下列数据选自上方链接的技术报告，属于厂商发布的比较。不同测试集采用不同评估安排，不能视为一次统一、独立复现的实验。

内部测试集报告，Ultramarine 每项任务花费 0.13 美元，最大推理设置下的 Fable 5 为 8.19 美元。用这两个已四舍五入的数字相除，得到 63。这解释了“60 倍”标题的量级，但不能证明你的提示词、输出长度、工具调用和复核流程也能获得相同降幅。

同样，“帕累托前沿”指的是所测成本与质量之间的权衡：在选定维度上，没有被比较的方案同时更便宜且表现更好。它不等于所有任务最强、延迟最低，或生产可靠性有保证。引用这一说法时，应同时保留成本口径和实验条件。

本文负责文档工作流迁移这一问题。编程场景请参阅 Fable 编程工作流指南，不要把知识工作分数当作代码能力排行榜。

Ultramarine 1 Flash API 如何收费？

公开价格接口在 2026 年 10 月 15 日返回了以下美元费率。制定预算前，应重新检查实时价目表。

计费文档确认，推理内容按输出计费。使用量中的缓存输入属于总输入的子集，推理 token 属于总输出的子集。不要重复计算。

以下是算例，不是实测：假设完整流程消耗 100,000 个输入 token，其中 60,000 个命中缓存；另有 25,000 个输出 token，已经包含推理。模型费用为 (40,000 × 0.15 + 60,000 × 0.03 + 25,000 × 0.50) / 1,000,000 = 0.0203 美元。其中不含工具服务、基础设施和人工复核。

如果假设审核人员成本为每小时 30 美元，仅多花两分钟复核就增加 1.00 美元。极低的推理账单，完全可能对应一个昂贵的业务流程。因此，应按“每份验收通过的交付物”计算总成本，并纳入失败尝试。通用核算方法请看 AI 智能体每次有效行动成本指南。

它能直接替换 GPT 或 Claude API 吗？

请求格式层面部分兼容，完整工作流层面仍需测试。Chat Completions 文档、Responses 文档和 Messages 文档描述了不同的功能子集。先选择接口，再验证其实际契约。

需要区分研究训练与线上接口：报告写明没有进行视觉训练，但 Chat Completions 和 Messages 文档接受图像输入。能够接收图片，并不证明具有可靠的视觉理解能力。Responses 则拒绝图片。扫描页和幻灯片截图都应在计划上线的具体接口上实测。

不要把一个客户端的对话历史原封不动搬到另一个格式。保留完整的工具调用与结果配对，使用端点对应的推理字段，并拒绝被截断的工具参数。文档列出的输出上限为 32,768 个 token，推理会占用其中一部分。训练或基准使用的上下文设置，不等于 API 的合同承诺。

如何发出第一条 API 请求？

官方快速入门使用模型标识 ultramarine-1-flash，OpenAI 兼容客户端的基础地址为 https://api.paperinstruments.com/v1。Anthropic SDK 客户端则使用 https://api.paperinstruments.com。不要重复追加 /v1。

以下 Bash 示例需要有余额的 API 密钥，以及支持 --fail-with-body 的 curl。它只发送合成事实，是一个不启用流式输出的小型连通性测试，不是完整的文档生成运行环境。我们没有执行这条请求。

set -eu
: "${PAPERINSTRUMENTS_API_KEY:?Set your API key in the environment}"
curl --fail-with-body --silent --show-error \
  --connect-timeout 10 --max-time 180 \
  https://api.paperinstruments.com/v1/chat/completions \
  -H "Authorization: Bearer ${PAPERINSTRUMENTS_API_KEY}" \
  -H 'Content-Type: application/json' \
  --data-binary @- <<'JSON'
{
  "model": "ultramarine-1-flash",
  "messages": [
    {"role": "system", "content": "Use only the supplied facts. Flag missing evidence."},
    {"role": "user", "content": "Synthetic fixture: approved revenue is 120; a draft says 150. Write one sentence that uses the approved value and flags the conflict."}
  ],
  "reasoning_effort": "max",
  "max_completion_tokens": 4096,
  "stream": false
}
JSON

检查 choices[0].message.content、reasoning_content、finish_reason 和 usage。HTTP 成功不代表已经生成最终答案。若结束原因为 length，可能是任务完成前预算已耗尽。4,096 个 token 的上限仅用于限制本次测试，不是生产配置建议。

不要把密钥写进代码仓库或日志。示例不自动重试：超时不能证明服务端没有执行工作。评估真实文档前，应为长任务增加流式处理、完成状态检查和应用层重试机制。

Word、Excel 和 PowerPoint 工作流应该怎样设计？

API 响应并不会自动成为有效的 DOCX、XLSX 或 PPTX 文件。应用仍需受控工具来读取、修改、保存和验证交付物。Paper Office提供面向智能体的文档库，但有这些库，并不证明你的模板在模型更换后仍能完整保留。

已批准来源 + 版本化模板
  -> 对应端点的请求适配器
  -> 模型提出工具调用
  -> 权限检查 + 隔离的文档工具
  -> 保存 DOCX / XLSX / PPTX
  -> 结构校验 + 重算 / 渲染
  -> 证据复核 + 人工批准
  -> 验收交付物 + 记录总成本

固定模板和文档库版本。比较修改后的文件与原文件，不要只相信模型的成功提示。电子表格需要检查公式，并在目标应用中重新计算。演示文稿需要逐页渲染，检查裁切和可读性。Word 则需要同时验证结构与外观。

目标应用本身也是测试条件。“ZIP 容器能打开”与“客户能继续编辑且不会破坏文件”是两种验收标准。应记录实际测试的 Office 版本或替代编辑器版本。

文档智能体应通过哪十二项验收测试？

以下是 Wavect 建议的迁移检查表，不是已经发布的 Ultramarine 基准。使用经过脱敏处理的测试材料，并为每项通过或失败保留证据。

把必须通过的发布门槛与可打分的质量维度分开。更漂亮的幻灯片不能抵消一次未授权上传，措辞更流畅的报告不能抵消一个伪造来源。专业适用性需要人工复核，而不只是让另一个模型打分。

一个有价值的 20 项任务迁移试点是什么样的？

从一个真实流程中选择 20 项已脱敏任务。二十项用于发现问题，不构成统计保证。比较现有模型与 Ultramarine 之前，先固定输入、预期产出与验收条件。

每个模型都完成每项任务，最好各运行三次，以观察波动。使用相同文档工具、权限和期限。允许两个模型各自用少量、已记录的预算，在独立样例上调整提示词；随后冻结提示词，再运行保留测试集。迁移测试应比较合理配置，而不是因为某个模型沿用了另一模型的提示词就判它失败。

让复核人员在不知道模型名称的情况下评估保存后的文件。记录验收通过率、关键故障、复核分钟数、端到端时延、工具错误和总成本。失败运行与重试都要计入，不能只挑最便宜的一次成功结果。

提前确定采用规则。例如：试点集中没有关键失败，验收率没有实质下降，而且每份通过验收的文档总成本更低。这些是建议条件，不是 Ultramarine 已经实现的结果。小规模试点即使表现正常，也仍需分阶段上线和持续抽样。更广泛的投入决策，可参考 AI 试点停止或扩展评分卡。

哪些权限必须保留在模型之外？

发布、外部上传、付款和破坏性修改，都应由应用层授权。Feather 仓库提醒，本地 shell 工具具有运行进程的操作系统权限。本地智能体环境不等于自动隔离，也可能继续调用远程模型。

Responses 文档还将托管 MCP 的设置限制为 require_approval: "never"。不要把这个字段当成审批流程。敏感操作应通过你自己的审批式工具网关，或者根本不向模型开放。限制凭据、可写路径与网络目的地。

容量也是迁移变量。速率限制文档说明，API 与 Feather 共用组织级额度。较大的输出预留可能减少可接纳的并发请求。应读取实际账户额度，而不是把文档示例当作服务保证。

输入机密材料前，应向供应商确认数据处理、保留期限、处理地点及合同条款。公开的模型成绩不能回答这些问题。我们的 AI 供应商安全问卷用于这项独立尽调。

什么时候值得评估 Ultramarine？

当流程可重复、来源受控，而且你能检查保存后的交付物时。不要因“60 倍”标题就替换整个文档系统。从边界清楚、故障可见且容易回退的流程开始。

Wavect 的 AI 集成与工程服务可以帮助把评估转化为受控实现。Twinsoft AI 案例提供的是相邻领域交付经验，不是 Ultramarine 部署证明。我们的上线前软件质量检查表可把模型评估与发布准备连接起来。

准备一份已脱敏来源包、一份目标模板，以及现有复核流程，与 Wavect 讨论文档智能体迁移。最终依据应是验收通过的工作成果，而不是更便宜的 token 计数器。