Olmo 3.1 Instruct

Überblick

Olmo 3.1 Instruct ist die Dialog- und Werkzeug-Variante der Olmo-3.1-Reihe von Ai2, veröffentlicht am 12. Dezember 2025. Ai2 hat dafür die Post-Training-Rezeptur des kleineren Olmo 3 Instruct 7B auf die 32B-Größe übertragen. Anders als die Schwestervariante Think arbeitet das Modell ohne sichtbare Gedankenkette und antwortet entsprechend direkter.

Wie die gesamte Olmo-Reihe ist es vollständig offengelegt: Gewichte, Trainingsdaten (Dolma 3), Post-Training-Daten (Dolci), Trainingscode und das Evaluationsframework OLMES sind öffentlich, inklusive Zwischen-Checkpoints.

Architektur

• Dichter Decoder-Transformer mit 64 Layern, 32,2 Mrd. Parametern — kein MoE
• Hybride Attention: volle Attention in jedem vierten Layer, sonst Sliding Window mit 4096 Token
• Kontextfenster 65.536 Token, Hidden Size 5120, 40 Attention-Heads, Vokabular 100.278
• Reines Textmodell (Englisch), kein Vision-Input

Use Cases

• Dialoganwendungen und Anweisungsbefolgung, bei denen keine ausführliche Gedankenkette gebraucht wird
• Werkzeug- und Funktionsaufrufe: Das Chat-Template unterstützt Tool-Schemata und eine eigene environment/tool-Rolle
• Lokaler Betrieb ohne Lizenz- oder Nutzungsbeschränkung
• Grundlage für eigenes Weitertraining — die vollständige Rezeptur liegt offen

Stärken & Grenzen

Stärken

• Apache-2.0 ohne zusätzliche Nutzungsbeschränkung; Datensätze ohne Lizenzauflagen
• Bestes Olmo-Modell in der unabhängigen LMArena-Wertung mit 1330 Elo (Rang 217) — vor Olmo 3.1 Think (1285) und Olmo 3 Think (1305)
• Höchster Safety-Wert der Reihe (89,5 in Ai2s eigener Suite)
• Bestätigte Werkzeugnutzung — im Chat-Template selbst angelegt, nicht nur beworben

Grenzen

• Deutlich schwächer als Think bei Mathematik und Code: AIME 2025 57,9 gegenüber 78,1, LiveCodeBench v3 54,7 gegenüber 83,3
• Artificial Analysis vergibt nur einen Intelligence Index von 12 und merkt an, das Modell sei sehr geschwätzig: 18 Mio. erzeugte Token im Testlauf gegenüber 8,5 Mio. im Durchschnitt
• Kein Vision, keine Multimodalität, primär auf Englisch trainiert
• Ai2 liefert ohne Sicherheitsfilterung aus und benennt das ausdrücklich — Absicherung muss produktiv selbst beigesteuert werden
• Kontextfenster mit 64K klein im Vergleich zu aktuellen offenen Modellen

Benchmarks: Quellenlage

Achtung — zwei Benchmark-Verwechslungen, die hier leicht passieren: Ai2s Zeile „GPQA" ist GPQA main (448 Fragen), nicht GPQA Diamond. Und „MATH" ist der vollständige Hendrycks-MATH-Testsatz (5.000 Aufgaben), nicht MATH-500. Beides ist im Eval-Framework OLMES nachlesbar. Diese Werte dürfen deshalb nicht neben die Diamond- bzw. MATH-500-Werte anderer Modelle gestellt werden und stehen aus diesem Grund nicht in der Score-Tabelle.

Ai2-Angaben (Stand 12/2025), Benchmarks ohne Eintrag in der Score-Tabelle:

Benchmark	Wert
MATH (Hendrycks, voller Testsatz)	93,4
AIME 2024	67,8
OMEGA	42,2
BigBenchHard (CoT)	84,0
ZebraLogic	61,7
AGI Eval English	79,5
HumanEval+ (EvalPlus)	86,7
MBPP+ (EvalPlus)	65,1
MMLU (CoT)	80,9
PopQA	25,0
GPQA (main, nicht Diamond)	48,6
AlpacaEval 2 LC	59,8
Safety (OLMES-Suite, 11 Tests)	89,5

Unabhängig gemessen: Artificial Analysis Intelligence Index 12 (Index-Version v4.0) und LMArena 1330 Elo, Rang 217. Keine der von Ai2 berichteten Zahlen ist bislang von dritter Seite nachgemessen worden.

Hinweis: Der AA-Index der Schwestervariante Think (8) stammt aus Index-Version v4.1 und ist mit den 12 Punkten hier nicht vergleichbar. Dass Instruct höher liegt, ist deshalb kein belastbarer Beleg für Überlegenheit — die LMArena-Werte stützen die Richtung allerdings.

Praxis-Erfahrung

Das Modell ist über den Ai2 Playground ohne Anmeldung testbar. Bemerkenswert ist die Umkehr gegenüber der üblichen Erwartung: In Ai2s eigenen Benchmarks liegt Think durchweg vorn, in der menschlichen Präferenzwertung der LMArena aber Instruct — und zwar mit deutlichem Abstand. Für Dialoganwendungen ist Instruct daher die naheliegendere Wahl, auch wenn die Fachbenchmarks das Gegenteil nahelegen.

Gut zu wissen

• Lizenz: Apache-2.0. Ai2 verweist zusätzlich auf seine Responsible Use Guidelines — das ist eine Empfehlung, keine zusätzliche Lizenzauflage.
• Preise: derzeit keine. Die OpenRouter-Einträge für Olmo 3.1 führen aktuell keine aktiven Anbieter und damit keinen Preis.
• Verfügbar über: Hugging Face, Ollama, Ai2 Playground (kostenlos), OpenRouter sowie die Inferenz-Partner Parasail, Public AI und Cirrascale. Ein eigenes kommerzielles API-Angebot betreibt Ai2 nicht.
• Wissensstand: In keiner Quelle angegeben.