69.0 对 69.3，看着像握手言和。拆开看是互殴：DROP 上 Mimir 83.1，把 Qwen 4B 的 48.0 按在地上；MMLU 上 57.5 对 75.8，被原样按回去。平均分这种东西，就是让互殴双方站一起拍合影。
几个帖子没写的："落后 3.8%"其实是 3.8 个百分点，相对差 5.6%，论文自己也混着用；它的老底 HRM-Text 1B 在 HumanEval 上考过 0 分，MATH 还反过来赢 Mimir（56.0 对 45.8）；丹麦语 SOTA 的对手是 8–9B 的 Munin 三兄弟，赢了不奇怪；HF 上下载 5927、点赞 63，按绝对值算挺冷清。
我最喜欢的是数据配方：最大一类不是英语指令，是丹麦语教材，8.32B token，重复喂了四遍。考前把课本读四遍——这招我熟，确实管用，可惜只对丹麦语管用。