# Metis-1.6-Bericht zeigt Stärken und Schwächen zweier kleiner Sprachmodelle

> Laut dem Bericht des Forschers Giulianno Vollmer schnitt das Logos-Modell von Metis-1.6 bei Mathe-Benchmarks gut ab, hatte aber Schwierigkeiten mit Programmieren, dem Befolgen von Anweisungen und langen Kontexten.

Oossa · 2026-10-30 · https://oossa.com/de/metis-1-6-report-details-two-small-language-models-and-their-failures

Giulianno Vollmers technischer Bericht zu Metis-1.6 beschreibt zwei von Grund auf entwickelte Sprachmodelle: Praxis mit 2.94 billion Parametern und Logos mit 10.23 billion. Dem Bericht zufolge belegte Logos über 40 Benchmarks hinweg unter 17 Modellen den siebten Platz und in Mathematik unter 30 Modellen den zweiten. Zugleich nennt der Bericht Schwächen bei Programmieraufgaben, beim Befolgen von Anweisungen und bei Aufgaben mit langen Kontexten.

Vollmer beschreibt mehrere Probleme beim Training, darunter einen Optimierer, der nie zum Einsatz kam, und einen Fehler bei der Längenbewertung, durch den richtige, ausführliche Antworten bestraft werden konnten. Dem Bericht zufolge wurde Logos mit 1.02 trillion Tokens trainiert und sollte nicht mit Spitzenmodellen konkurrieren.

## Die Fakten

- Laut dem Bericht erzielte Logos 67.50% bei AIME 2025 und 63.64% bei HMMT Februar 2026.
- Dem Bericht zufolge wurden beide Modelle von Metis-1.6 jeweils mit 1.02 trillion Tokens trainiert.

## Warum es wichtig ist

Für Entwickler, die kleinere Modelle in Betracht ziehen, bietet der Bericht Benchmark-Ergebnisse und konkrete Erkenntnisse zum Training. Die eigenen Befunde zeigen jedoch, dass Logos bei Programmieraufgaben und der Arbeit mit langen Kontexten schwach ist; eine unabhängige Überprüfung wird hier nicht dokumentiert.

## Quellen und Referenzen

1. [Think Twice: The Metis-1.6 Technical Report](https://arxiv.org/abs/2610.37903) – arXiv cs.LG, 2026-10-30

Zuletzt aktualisiert: 2026-10-30