研究人员Giulianno Vollmer称，Metis-1.6的Logos模型在数学基准测试中表现出色，但在代码、指令遵循和长上下文任务上表现不佳。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
Giulianno Vollmer的Metis-1.6技术报告介绍了两款从零开始构建的语言模型：参数量为2.94 billion的Praxis，以及参数量为10.23 billion的Logos。报告称，Logos在40项基准测试中参与比较的17款模型里排名第七，在30款模型的数学测试中排名第二；报告还指出，它在代码、指令遵循和长上下文任务方面存在短板。
Vollmer详细说明了训练过程中遇到的多个问题，包括一个从未运行的优化器，以及一个可能惩罚正确且较长回答的长度奖励漏洞。报告称，Logos使用1.02 trillion tokens进行训练，其目标并非与前沿模型竞争。
对于正在考虑采用小型模型的开发者来说，这份报告提供了基准测试结果和具体的训练经验；但报告自身的发现也表明，Logos不擅长代码和长上下文任务。文中未说明是否经过独立验证。
模型
Samaya AI称，Sterling在FrontierFinance上的准确率为58.9%，高于Claude Fable 5.1的55.9%，且单题成本更低。
模型
一篇发布在 arXiv 的论文称，基于图像的攻击绕过了多款多模态模型的安全防护，包括 GPT-5.6 和 Gemini 3.1 Pro。
模型
Nemotron 3.5 Super支持文本、图像和视频；较小的Lightning仅支持文本。NVIDIA称，两款模型的上下文长度最高可达100万token，并公布了软件工程测试成绩。
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。
