# Metis-1.6 : un rapport détaille deux petits modèles et leurs échecs

> Le chercheur Giulianno Vollmer indique que le modèle Logos de Metis-1.6 obtient de bons résultats aux tests de mathématiques, mais peine en programmation, à suivre les instructions et à traiter de longs contextes.

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

Le rapport technique de Giulianno Vollmer sur Metis-1.6 décrit deux modèles de langage développés de zéro : Praxis, avec 2.94 billion paramètres, et Logos, avec 10.23 billion. D’après le rapport, Logos se classe septième parmi 17 modèles sur 40 tests de référence, et deuxième parmi 30 modèles en mathématiques. Il relève aussi des faiblesses en programmation, dans le suivi des instructions et dans les tâches nécessitant un long contexte.

Vollmer détaille plusieurs problèmes d’entraînement, notamment un optimiseur qui n’a jamais fonctionné et un bug lié à la récompense de longueur, susceptible de pénaliser les réponses longues et correctes. Le rapport indique que Logos a été entraîné sur 1.02 trillion tokens et qu’il n’avait pas vocation à rivaliser avec les modèles de pointe.

## Les faits

- Selon le rapport, Logos a obtenu 67.50% à l’AIME 2025 et 63.64% au HMMT February 2026.
- Le rapport indique que chacun des deux modèles de Metis-1.6 a été entraîné sur 1.02 trillion tokens.

## Pourquoi c'est important

Pour les développeurs qui envisagent d’utiliser des modèles plus petits, le rapport fournit des résultats de référence et des enseignements précis sur l’entraînement. Mais ses propres conclusions montrent que Logos est peu performant en programmation et dans le traitement de longs contextes ; aucune validation indépendante n’est documentée ici.

## Sources et références

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

Dernière mise à jour: 2026-10-30