# Metis-1.6报告详述两款小型语言模型及其短板

> 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。

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

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。

## 事实

- 报告称，Logos在AIME 2025中的得分为67.50%，在HMMT February 2026中的得分为63.64%。
- 报告称，Metis-1.6的两款模型各使用1.02 trillion tokens进行训练。

## 为什么重要

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。

## 来源与参考

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

最后更新: 2026-10-30