Ornith 1.0 開源：讓模型自造腳手架寫程式碼，最高 3970 億引數

Ornith 1.0 是一套專為智慧體程式設計打造的開源模型家族，覆蓋從邊緣裝置適用的 90 億引數（9B）密集模型，到 3970 億引數（397B）的混合專家模型（MoE）。

所謂智慧體程式設計，不是讓模型寫單個函式或補全程式碼，而是要讓它自己規劃複雜任務、呼叫外部工具、排查報錯、修改多個檔案，並持續在真實程式碼庫裡折騰。

這套模型基於預訓練的 Gemma 4 和 Qwen 3.5 打造，具體版本包括 9B Dense、31B Dense、35B MoE 和 397B MoE。

它怎麼做到自造腳手架

以往做強化學習訓練，通常依賴人類工程師提前設計好的測試框架和提示詞骨架。Ornith 1.0 的聰明之處在於，它把引導解決任務的「腳手架」本身也變成了可學習的物件。

在強化學習的每一步中，模型先根據任務構思並改進一個專門針對該任務的執行框架，比如怎麼管理上下文記憶、怎麼排程工具、遇到報錯怎麼重試。隨後，它再在這個框架內生成具體的解題方案。

這樣一來，訓練的獎勵訊號同時反哺給方案和框架本身。模型不僅在學習怎麼寫程式碼，還在不斷演化出一套最適合該任務的工作流。

放任模型自造框架很容易引發「作弊」漏洞，比如模型直接去讀取可見的測試檔案並硬編碼輸出。為了防範獎勵欺詐，Ornith 設立了三層防線：固定外部不可篡改的執行環境邊界；設立確定性監視器，一旦發現試圖篡改測試指令碼或越界操作立刻判零分；並在最終驗證時引入凍結的大模型作為否決裁判。

評測表現與硬體門檻

根據官方公佈的資料，旗艦版的 Ornith-1.0-397B 在 Terminal-Bench 2.1 上拿到 77.5 分，在 SWE-bench Verified 上拿到 82.4 分，超過了 Claude Opus 4.7（對應得分為 70.3 和 80.8），也優於 Minimax M3 和 DeepSeek-V4-Pro 等同量級開源模型。甚至有評測提到其表現能叫板 1.6 萬億引數的 DeepSeek V4。

輕量級版本同樣越級打怪。35B 版本在 Terminal-Bench 2.1 上拿到 64.4 分，超過了 Qwen 3.5-397B 的 53.5 分，綜合表現也勝過 Qwen 3.5-35B、Qwen 3.6-35B 和 Gemma 31B。最小的 9B 版本在 SWE-bench Verified 上跑出 69.4 分，表現追平甚至超過了 Gemma 4-31B。

在部署方面，全量 397B 模型完整體積約 794GB，FP8 版本壓縮到了 400GB，需要兩到三臺多卡工作站才能吃下。

但中小團隊完全可以看它的量化版本：35B 版本體積為 70GB，而官方提供的 GGUF Q4 量化版直接降到了 21GB，放進一張普通的中高階消費級顯示卡就能跑起來。

目前全套權重已經上傳到 Hugging Face，開源開放，想本地搭程式設計智慧體的開發者可以直接下載折騰。

為什麼重要

如果你正在折騰本地程式設計智慧體，或者想給團隊搭建私有化程式碼助理，Ornith 1.0 是眼下極值得上手的一套底座。特別是它的 35B 和 9B 版本，用極低的視訊記憶體成本跑出了遠超同尺寸模型的效果，大幅拉低了智慧體程式設計的硬體門檻。

從技術思路上看，我們認為讓模型「自學工作流」比單純堆程式碼資料更具啟發性。它證明了提升智慧體表現的關鍵不僅是程式碼知識，更在於解題時的策略排程。不過也要看清，這類高度貼合特定基準訓練的模型，在實際工程裡遇到怪異冷門的技術棧時是否依舊穩定，仍需要真實程式碼庫的長期檢驗。