/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
35,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
9 апр 2026

Metis-8B-RL

Изображение и текст → текст11 профессий

Мультимодальный агент Accio-Lab на базе Metis и Qwen3-VL, который рассуждает по изображениям и тексту и выборочно вызывает инструменты.

64скачиваний за 30 дней6лайковвеса обновлены10 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Metis-8B-RL — мультимодальный агент для рассуждений по тексту и изображениям, разработанный Accio-Lab в рамках фреймворка Metis. Это финальный чекпойнт обучения с подкреплением по алгоритму Hierarchical Decoupled Policy Optimization (HDPO), обученный на основе Metis-8B-ColdStart; метаданные также связывают модель с Qwen3-VL-8B-Instruct. Модель ведёт многоходовый диалог и выбирает, когда задействовать инструменты выполнения кода, текстового поиска и поиска изображений.

Модель предназначена для визуального рассуждения, понимания документов, математических и логических задач с изображениями и текстом, а также для агентных сценариев с выборочным использованием инструментов. В README заявлено снижение доли вызовов инструментов с 98% до 2% и высокие результаты на 13 бенчмарках открытых агентных моделей с 8 млрд параметров. Архитектура — плотная Qwen3-VL для условной генерации; веса опубликованы в safetensors и используются через Transformers. Метаданные указывают английский язык. Лицензия — Apache-2.0. Для полного запуска требуются внешние инструменты и зависимости, описанные в проекте; приведённые в карточке заявления о качестве основаны на бенчмарках разработчиков.

Сценарии применения

  • ответы на вопросы по изображениям и визуальным документам
  • решение математических задач с диаграммами и изображениями
  • логическое рассуждение по визуальному и текстовому контексту
  • извлечение и анализ сведений из документов и графиков
  • многоходовое решение задач с выборочным поиском в интернете
  • вызов инструментов поиска изображений или выполнения кода по необходимости

Ограничения

Для полноценного агентного использования нужны внешние инструменты поиска и выполнения кода и соответствующие зависимости. Заявленные результаты бенчмарков приведены разработчиками; независимая проверка в карточке не описана.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Metis-8B-RL

Act Wisely: Cultivating Meta-Cognitive Tool Use in Agentic Multimodal Models

Metis-8B-RL is the final RL-trained checkpoint of the Metis framework, trained with Hierarchical Decoupled Policy Optimization (HDPO) on top of Metis-8B-ColdStart. It is a strategic multimodal reasoning agent that selectively invokes code execution, text search, and image search tools during multi-turn reasoning.

[Paper (arXiv)] | [GitHub] | [ColdStart Model] | [RL Data] | [ColdStart Data]

Highlights

  • 98% → 2% Tool Calls — Reduces blind tool invocation by orders of magnitude.
  • SOTA Performance — Best accuracy across 13 benchmarks among open-source 8B agentic models.
  • Meta-Cognitive Wisdom — Learns when to use tools, not just how.

Model Details

AttributeValue
Base modelQwen3-VL-8B-Instruct
SFT checkpointMetis-8B-ColdStart
RL algorithmHDPO (Hierarchical Decoupled Policy Optimization)
Training dataMetis-RL (~5K prompts)
LicenseApache-2.0

HDPO Training Hyperparameters

HyperparameterValue
Batch size128
Rollouts per prompt (G)16
Learning rate1e-6
KL coefficient0
Loss weightsw_acc = 1.0, w_tool = 0.15
Max response length16,384 tokens

Method: Hierarchical Decoupled Policy Optimization (HDPO)

Current agentic multimodal models suffer from blind tool invocation — they reflexively call external tools even when queries are directly resolvable from the visual context. Existing RL methods attempt to fix this by coupling accuracy and tool-efficiency into a single scalar reward, but this creates an irreconcilable optimization dilemma.

HDPO resolves this through three key components:

  1. Dual Reward Design — An accuracy reward (r_acc) and a tool-efficiency reward (r_tool) that is conditioned on correctness.
  2. Decoupled Advantage Estimation — Accuracy advantages are computed over all rollouts; tool efficiency advantages are computed exclusively over correct rollouts (conditional GRPO).
  3. Hierarchical Policy Update — Two independent clipped surrogate losses combined as L_HDPO = w_acc · L_GRPO(A_acc) + w_tool · L_GRPO(A_tool).

This naturally induces an implicit curriculum: first learn to be correct, then learn to be efficient.

Evaluation Results

Perception and Document Understanding

ModelV*BenchHR4KHR8KTreeBenchMME-RWSEED2+CharXiv(DQ)CharXiv(RQ)
Qwen3-VL-8B-Instruct86.478.974.640.761.971.083.046.3
DeepEyesV281.877.973.842.564.970.578.648.9
SenseNova-MARS-8B92.283.178.4-67.9---
Skywork-R1V4-30B-A3B88.082.879.8-71.4---
Metis (Ours)91.183.582.045.270.372.583.454.1

Mathematical and Logical Reasoning

ModelMathVistaMathVerseWeMathDynaMathLogicVistaAvg.
Qwen3-VL-8B-Instruct76.361.338.865.554.959.4
DeepEyesV271.952.738.157.248.753.7
Metis (Ours)78.065.965.269.256.266.9

Usage

Please refer to the GitHub repository for full installation and inference instructions.

Installation

git clone https://github.com/Accio-Lab/Metis.git
cd Metis
pip install -e verl
pip install -e ".[vllm,search_tool,python_code_dep]"

Citation

@article{yan2026metis,
  title={Act Wisely: Cultivating Meta-Cognitive Tool Use in Agentic Multimodal Models},
  author={Yan, Shilin and Tong, Jintao and Xue, Hongwei and Tang, Xiaojun and Wang, Yangyang and Shi, Kunyu and Zhang, Guannan and Li, Ruixuan and Zou, Yixiong},
  journal={arXiv preprint arXiv:2604.08545},
  year={2026}
}

Acknowledgments

Metis is built upon verl, verl-tool, and Qwen3-VL.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
5275f2b

0 моделей