Ornith 1.5

基于 Qwen3.5 后训练的智能体编程模型,有 9B、35B-A3B、122B 和 397B 四种尺寸,MIT 许可证。所有基准均为官方自报。

一句话概括. Ornith 1.5 是一组调校为编程智能体的开放 AI 模型:它们能阅读代码库、运行命令、修复 bug 并调用工具。它们是阿里 Qwen3.5 的后训练版本,有四种尺寸,从单卡可用的 9B 到需要多卡服务器的 397B。全部采用 MIT 许可证。

概述

Ornith 由 DeepReinforce 开发,这是一家位于加州的 AI 研究创业公司,此前以 GPU 代码的强化学习闻名。Ornith 1.0 于 2026 年 6 月发布,基于 Qwen3.5 和 Gemma 4,经过继续预训练、中期训练和强化学习后训练。Ornith 1.5 于 2026 年 8 月 19 日发布,包括 9B 稠密模型和 35B-A3B、397B 两个混合专家模型,10 月又加入了 122B 混合专家模型。四个检查点的上下文都是 256K token,回答前会先在推理块中思考。35B-A3B、122B 和 397B 的配置文件与 Qwen3.5-35B-A3B、Qwen3.5-122B-A10B 和 Qwen3.5-397B-A17B 一致,后三者每个 token 分别激活约 3B、10B 和 17B 参数。Ornith 自己只写明了 3B 这一项。

DeepReinforce 的训练方法让模型自己提出训练任务,为每个任务写出由指令、工具和编排组成的脚手架,再去解题,强化学习对这三步都给奖励。对 397B 模型,博客报告 Terminal-Bench 2.1 为 86.1、DeepSWE 为 56.0,Claude Opus 4.8 为 85.0 和 59.0,并领先于 GLM-5.2 和 DeepSeek-V4-Flash-0731。同一张表里,Kimi K3 以 88.3 和 67.5 更高。35B-A3B 模型的 Terminal-Bench 2.1 为 67.8、SWE-bench Verified 为 79.0,Qwen3.6-35B-A3B 为 52.5 和 73.4。9B 模型为 46.2 和 70.6。

所有结果都是 Ornith 自己的,取五次运行的平均值,模型卡还说 Terminal-Bench 评测时调整了 Qwen 的聊天模板。122B 的模型卡显示,在 Terminal-Bench 2.1 上 Qwen3.8-Flash-Next 更高,83.4 对 81.2。部署需要 Transformers 5.8.1 或更高、vLLM 0.19.1 或更高,或 SGLang 0.5.9 或更高,并使用模型卡列出的推理和工具调用解析器。Ornith 还发布了 FP8、NVFP4、GGUF、MLX 和 DFlash 版本。2026 年 11 月 11 日,Hugging Face 显示 9B 的 GGUF 版本 30 天内约 570 万次下载,35B-A3B 的 GGUF 版本约 420 万次。

适合做什么

  • 运行命令、编辑代码仓库的编程智能体,用 9B 或 35B-A3B 模型在本地运行
  • 想要基于 Qwen3.5 架构、MIT 许可证,并有 FP8、NVFP4、GGUF 和 MLX 版本的团队
  • 通过兼容 OpenAI 的服务器和 Qwen 风格的工具调用解析器做工具调用
  • 需要最长 256K token 上下文的长任务

需要注意

  • 所有基准数字都来自 Ornith,包括它对竞品的测试,其自家的部分表格里也有对手领先
  • 它是 Qwen3.5 的后训练衍生模型,公布的分数侧重编程和智能体任务
  • 它默认先思考再回答,会多耗 token,模型卡建议编程时温度 0.6、通用任务 1.0
  • 397B 模型 BF16 约需 807 GB、FP8 约需 418 GB,需要多卡服务器

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 Ornith-1.5-9B 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。

版本 参数量 BF16 FP8 / INT8 4-bit (Q4) 可运行于
Ornith-1.5-9B BF16 9.65B 22 GB 11 GB 6.66 GB 笔记本或手机
Ornith-1.5-9B (NVFP4) NVFP4 9.65B 22 GB 11 GB 9.7 GB 笔记本或手机
Ornith-1.5-35B-A3B BF16 36B 激活 3B 83 GB 41 GB 25 GB 游戏显卡
Ornith-1.5-35B-A3B (FP8) FP8 36B 激活 3B 83 GB 41 GB 25 GB 游戏显卡
Ornith-1.5-35B-A3B (NVFP4) NVFP4 36B 激活 3B 83 GB 41 GB 26 GB 游戏显卡
Ornith-1.5-122B BF16 125B 激活 10B 288 GB 144 GB 86 GB 工作站
Ornith-1.5-122B (NVFP4) NVFP4 125B 激活 10B 288 GB 144 GB 85 GB 工作站
Ornith-1.5-397B BF16 403B 激活 17B 928 GB 464 GB 278 GB 大内存台式机
Ornith-1.5-397B (FP8) FP8 403B 激活 17B 928 GB 464 GB 278 GB 大内存台式机

估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。

显存计算器

许可证,用大白话说

最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。

进一步了解 MIT

延伸阅读

常见问题

Ornith 1.5 是什么?
Ornith 1.5 是一组调校为编程智能体的开放 AI 模型:它们能阅读代码库、运行命令、修复 bug 并调用工具。它们是阿里 Qwen3.5 的后训练版本,有四种尺寸,从单卡可用的 9B 到需要多卡服务器的 397B。全部采用 MIT 许可证。
Ornith 1.5 可以商用吗?
可以。Ornith 1.5 采用 MIT 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
Ornith 1.5 是开源的吗?
Ornith 1.5 采用 MIT 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 Ornith 1.5 吗?
可以。最小版本 Ornith-1.5-9B 在 4 位精度下约需 6.66 GB 内存,现代笔记本或中端显卡即可胜任。
Ornith 1.5 是什么时候发布的?
Ornith 1.5 由 DeepReinforce 于 2026年8月19日 发布。
Ornith 1.5 的上下文窗口有多长?
Ornith 1.5 支持最长 256K token 的上下文窗口。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
Qwen3.6 Alibaba Qwen 27.8B – 36B 激活 3B 256K Apache 2.0 (宽松) 19 GB 游戏显卡
Qwen3.5 Alibaba Qwen 873M – 403B 激活 17B 256K Apache 2.0 (宽松) 0.602 GB 笔记本或手机
Gemma 4 Google DeepMind 5.1B – 30.7B 256K Apache 2.0 (宽松) 3.52 GB 笔记本或手机
Muse Glimmer Meta 29.6B 128K Apache 2.0 (宽松) 20 GB 游戏显卡