Zum Hauptinhalt springen

Swiss AI InitiativeSprachmodell

Apertus 8B

Für Apertus 8B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.

BeliebtheitPlatz 136 von 785

48von 100+1 zum Vormonat

beruht auf Suche, Nutzung und Aufmerksamkeit

Zusammenfassung

Apertus 8B ist der kleinere Instruct-Checkpoint der vollständig offenen Swiss-AI-Familie. Wie Apertus 70B basiert er laut offizieller Karte auf 15 Billionen Vortrainingstoken, offen gelegten Trainingsressourcen und 1.811 nativ unterstützten Sprachen. Der Checkpoint umfasst 8 Milliarden Parameter und 65.536 Token Kontext.

Apertus 8B verwendet xIELU-Aktivierungen und wurde von Grund auf mit dem AdEMAMix-Optimierer trainiert. Das Nachtraining kombiniert SFT mit QRPO.

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 58 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 5

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

CritPt v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
0
Bewertung
0
Messgröße
pass@1 accuracy
Einheit
%
Benchmark-Version
v2
Kategorie
reasoning
Aufgabe
overall
Aufgabenbezeichnung
Overall
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Artificial Analysis
Status
disputed
Abrufdatum
2026-11-02
Methodik
Exakte AA-Konfiguration: Apertus 8B Instruct (Release apertus-8b-instruct, Zeile apertus-8b-instruct, UUID 891bcdf2-8dd2-4dc3-829b-d963fde25876, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Kennung des Quellmodells: artificial-analysis/891bcdf2-8dd2-4dc3-829b-d963fde25876/apertus-8b-instruct/apertus-8b-instruct. Name des Quellmodells: Apertus 8B. Anbieter laut Quelle: Swiss AI Initiative. Modellstand: Apertus 8B Instruct. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 0,0 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-critpt-v2:v2:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik
Exakte AA-Konfiguration: Apertus 8B Instruct (Release apertus-8b-instruct, Zeile apertus-8b-instruct, UUID 891bcdf2-8dd2-4dc3-829b-d963fde25876, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung
Die AA-Quelle enthält hier den ursprünglichen CritPt-Wert. Die frühere Zuordnung zu CritPt v2 ist falsch; Wert und frühere Beschriftung bleiben als strittiger Altbeleg erhalten.. Der Quelldatensatz markiert diesen Wert als umstritten. Er bleibt als dokumentierte Evidenz sichtbar, ist aber kein belastbarer Vergleichsnachweis.
Quelle Artificial Analysis
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
22.3809523809524
Bewertung
22.3809523809524
Messgröße
IFBench prompt-level loose accuracy (pass@1)
Einheit
%
Benchmark-Version
AA test set: 294 questions
Kategorie
general
Aufgabe
overall
Aufgabenbezeichnung
Overall
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Artificial Analysis
Status
superseded
Abrufdatum
2026-11-02
Methodik
Exakte AA-Konfiguration: Apertus 8B Instruct (Release apertus-8b-instruct, Zeile apertus-8b-instruct, UUID 891bcdf2-8dd2-4dc3-829b-d963fde25876, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/891bcdf2-8dd2-4dc3-829b-d963fde25876/apertus-8b-instruct/apertus-8b-instruct. Name des Quellmodells: Apertus 8B. Anbieter laut Quelle: Swiss AI Initiative. Modellstand: Apertus 8B Instruct. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 22,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik
Exakte AA-Konfiguration: Apertus 8B Instruct (Release apertus-8b-instruct, Zeile apertus-8b-instruct, UUID 891bcdf2-8dd2-4dc3-829b-d963fde25876, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). AA kennzeichnet diese Modellvariante als non-reasoning und weist 0 Reasoning-Tokens aus. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung
Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
Quelle Artificial Analysis
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
22.3809523809524
Bewertung
22.3809523809524
Messgröße
IFBench prompt-level loose accuracy (pass@1)
Einheit
%
Benchmark-Version
AA test set: 294 questions
Kategorie
general
Aufgabe
overall
Aufgabenbezeichnung
Overall
Richtung
Mehr ist besser
Quellentyp
independent-evaluator
Auswertung
Artificial Analysis
Status
active
Abrufdatum
2026-11-07
Methodik
Exakte AA-Konfiguration: Apertus 8B Instruct (Release apertus-8b-instruct, Zeile apertus-8b-instruct, UUID 891bcdf2-8dd2-4dc3-829b-d963fde25876, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/891bcdf2-8dd2-4dc3-829b-d963fde25876/apertus-8b-instruct/apertus-8b-instruct. Name des Quellmodells: Apertus 8B. Anbieter laut Quelle: Swiss AI Initiative. Modellstand: Apertus 8B Instruct. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none. Angezeigter Wert: 22,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:non-reasoning:effort=unspecified:suffix=unspecified
Vergleichsmethodik
Exakte AA-Konfiguration: Apertus 8B Instruct (Release apertus-8b-instruct, Zeile apertus-8b-instruct, UUID 891bcdf2-8dd2-4dc3-829b-d963fde25876, reasoning=false, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: non-reasoning. Reasoning-Stufe: none
Einordnung
Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.
Quelle Artificial Analysis
MMLU (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
60.9
Bewertung
60.9
Messgröße
Exact Match
Einheit
%
Kategorie
knowledge
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 17
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: mmlu_flan_cot_zeroshot, Multiple-Choice-Generierung, mit CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, eine Sprache.
Quelle Apertus v1 Technical Report v2, Table 17
Global-MMLU (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
55.7
Bewertung
55.7
Messgröße
Exact Match
Einheit
%
Kategorie
multilingual
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 17
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: global_mmlu_gen_0shot, Multiple-Choice-Generierung, ohne CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, 15 Sprachen.
Quelle Apertus v1 Technical Report v2, Table 17
TruthfulQA (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
56.7
Bewertung
56.7
Messgröße
Accuracy
Einheit
%
Kategorie
knowledge
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 17
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: truthfulqa_mc2, Multiple-Choice-Likelihood, ohne CoT, 6-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, eine Sprache.
Quelle Apertus v1 Technical Report v2, Table 17
TruthfulQA Multilingual (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
52.4
Bewertung
52.4
Messgröße
Accuracy
Einheit
%
Kategorie
multilingual
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 17
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: truthfulqa_multilingual_mc2, Multiple-Choice-Likelihood, ohne CoT, 5-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, 31 Sprachen.
Quelle Apertus v1 Technical Report v2, Table 17
HellaSwag (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
74.6
Bewertung
74.6
Messgröße
Normalized Accuracy
Einheit
%
Kategorie
knowledge
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 17
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: hellaswag, Multiple-Choice-Likelihood, ohne CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, eine Sprache.
Quelle Apertus v1 Technical Report v2, Table 17
HellaSwag Multilingual (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
52.7
Bewertung
52.7
Messgröße
Normalized Accuracy
Einheit
%
Kategorie
multilingual
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 17
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: hellaswag_multilingual, Multiple-Choice-Likelihood, ohne CoT, 0-shot, Chat-Vorlage, keine Mehrturn-Demonstrationen, 31 Sprachen.
Quelle Apertus v1 Technical Report v2, Table 17
BBH (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
55.9
Bewertung
55.9
Messgröße
Exact Match
Einheit
%
Kategorie
reasoning
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 19
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: bbh, Generierung, mit CoT, 3-shot, Chat-Vorlage und Mehrturn-Demonstrationen, eine Sprache.
Quelle Apertus v1 Technical Report v2, Table 19
DROP (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
49.7
Bewertung
49.7
Messgröße
F1
Einheit
%
Kategorie
reasoning
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 19
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: drop, Generierung, ohne CoT, 3-shot, Chat-Vorlage und Mehrturn-Demonstrationen, eine Sprache.
Quelle Apertus v1 Technical Report v2, Table 19
ACP-Bench Bool (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
58.4
Bewertung
58.4
Messgröße
Exact Match
Einheit
%
Kategorie
reasoning
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Apertus v1 Technical Report v2, Table 19
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Zeile für das Apertus-8B-Instruct-Modell. Tabelle 22: acp_bench_bool, Multiple-Choice-Generierung, mit CoT, 2-shot, Chat-Vorlage und Mehrturn-Demonstrationen, eine Sprache.
Quelle Apertus v1 Technical Report v2, Table 19

Seite 1 von 5

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter

20 von 100 Modellen

GPT-6 Astra83
Claude Haiku 5.577
GPT-6 Sol73
GPT-573
DeepSeek V4.1 Flash 101769
Claude Opus 5.568
Qwen 3.8 27B68
Grok 4.767
Kimi K367
Qwen 3.8 Max 090266
Claude Sonnet 564
Qwen3.5 4B64
DeepSeek-V4-Flash64
Claude Fable 5.164
GPT-5.6 Terra64
MiniCPM-V 4.7 35B-A3B63
GPT-6.1 Sol63
Claude Opus 563
Qwen 3.8 Flash62
Apertus 8B48

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 7. November 2026

Apertus 8BGLM-5.3-FlashX 48Kolibri 1 48Qwen 3 30B A3B Instruct 2507 48DeepSeek-V3.2 48

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Ähnliche Modelle

Weitere Modelle derselben Art wie Apertus 8B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.

Alle technischen Daten

Architektur

Parameter
8 Mrd.
Quelle: Parameter
Wissensstand
September 2025
Quelle: Wissensstand

Ein- und Ausgabe

Kontextfenster
65.536 Token
Quelle: Kontextfenster
Maximale Ausgabe
8.192 Token
Quelle: Maximale Ausgabe
Eingaben
Text
Quelle: Eingaben
Ausgaben
Text
Quelle: Ausgaben
Tool-Aufrufe
Ja
Quelle: Tool-Aufrufe

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Gewichte
Offene Gewichte
Quelle: Gewichte
Lizenz
Apache 2.0
Quelle: Lizenz

Häufige Fragen zu Apertus 8B

Bis wann reicht das Wissen von Apertus 8B?

Bis September 2025, laut Swiss AI Initiative. Das ist der Monat der Veröffentlichung.

Angabe von Swiss AI Initiative

Wie groß ist das Kontextfenster von Apertus 8B?

65.536 Token. So viel Text liest Apertus 8B auf einmal, das sind rund 100 A4-Seiten.

Seitenzahl als Faustregel nach Artificial Analysis

KontextfensterToken, die das Modell auf einmal liest · höher ist besser
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Apertus 8BPlatz 103 von 10366 Tsd.

Kann ich Apertus 8B lokal nutzen?

Ja, die Gewichte sind offen.

Angaben von Swiss AI Initiative

Offene Gewichte
ja
Lizenz
Apache 2.0
Parameter
8 Mrd.
davon aktiv je Token
k. A.

Quellen und Datenstand

Alle 13 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

AuswerterTestreihenGesamtindizesErfasste aktive Messwerte
Artificial Analysis101

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
Eingabe

Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026.

Quelle: models.dev catalog · models.dev catalog (abgerufen 27. Oktober 2026)
Ausgabe

Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026.

Quelle: models.dev catalog · models.dev catalog (abgerufen 27. Oktober 2026)
RecherchestandRecherchestand 15. Oktober 2026. 3 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

evaluation-configuration

Hinweis

Die Modellkarte führt exakte Modellzeilen und Aufgaben auf, nennt aber weder Ergebniseinheiten noch Eingabeaufforderungen, Few-shot-Einstellungen, Trainings- oder Evaluierungsmodus oder Laufdaten.

In den geprüften Quellen nicht gefunden

excluded-checkpoint-observations

Hinweis

Die sechs Zeilen stimmen mit Tabelle 14 der Pretraining-Evaluation im Apertus-v1-Technikbericht überein. Sie beschreiben die vortrainierten Checkpoints Apertus-8B/70B, nicht die separat nachtrainierten Instruct-Profile.

Nicht veröffentlicht

sample-count-and-confidence-intervals

Originalwortlaut

Die Tabellen veröffentlichen für diese Scorezellen keine ausgewerteten Fallzahlen oder Konfidenzintervalle. Korpusgrößen, Shot-Angaben und Sprachzahlen werden nicht als Ergebnis-N umgedeutet.

Nicht veröffentlicht

exact-decoding-and-run-provenance

Originalwortlaut

Tabelle 22 nennt für die meisten Evaluationen Benchmark-Metrik, Tasktyp, CoT, Shots, Chat-Template, Mehrturn- und Sprachumfang, aber keine vollständigen Harness-/Prompt-/Decoding-Versionen oder konkreten Lauftermine. Tabellen 18, 23 und 26 nennen außerdem keine Score-Einheit.

Weitere QuelleHugging Face (abgerufen 15. Oktober 2026; 17. Oktober 2026) · Apertus 8B model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere QuelleArtificial Analysis (abgerufen 2. November 2026)
Weitere QuelleArtificial Analysis (abgerufen 2. November 2026; 7. November 2026)
Weitere QuelleApertus v1 Technical Report v2, Table 17 (abgerufen 17. Oktober 2026)
Weitere QuelleArtificial Analysis LLM Performance Leaderboard (abgerufen 23. Oktober 2026)
Weitere QuelleApertus technical report · Redaktionelle Beschreibung geprüft am 4. Oktober 2026
Weitere QuelleOpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleVercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleOllama: kumulierte Downloads für den Beliebtheitsindex
Weitere QuelleReplicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere QuelleGoogle Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere QuelleCreative Commons Attribution 4.0