Ornith 是一個把「訓練什麼」和「怎麼訓練」一起交給模型自己的開源編程模型家族，名字取自希臘語裡的「鳥」。

Ornith 由人工智慧研究實驗室 DeepReinforce 推出，面向代理式編程任務。它沒有停留在固定訓練流程裡把模型調得更準，而是把訓練本身的組織權也交還給模型：訓練任務由模型提出，解題鷹架由模型搭建，最終的解法軌跡同樣由模型生成。官方把這條路線稱作自我改良，並把它作為整個家族的主線。

目前 Ornith 已迭代出兩代。2026 年 6 月發表的 Ornith-1.0 提出「自鷹架」框架，2026 年 8 月發表的 Ornith-1.5 把這一框架從「鷹架與解法聯合最佳化」擴展為完整的自我改良迴路。

從自鷹架到自我改良迴路

Ornith-1.0 的核心做法是把鷹架當成可學習的對象。在常規的強化學習訓練裡，工具呼叫的順序、出錯後的重試邏輯、記憶如何組織，這些都由人工寫好的固定骨架決定，模型只負責在骨架內產出解法。Ornith-1.0 讓模型在每一輪訓練中先依據任務描述提出一版更精細的鷹架，再按這版鷹架生成解法軌跡；解法拿到獎勵後，獎勵會同時回傳給「寫鷹架」和「寫解法」兩個階段。反覆迭代之後，針對不同任務類別的編排策略會自行浮現，不必由人工逐類指定。

Ornith-1.5 把這條思路再推進一步。訓練迴路從兩階段變成三階段：模型先提出一個比此前更難的新任務，再為這個任務生成專屬鷹架，最後在該鷹架條件下產出解法軌跡。獎勵貫穿三個階段，因此模型學到的除了「怎麼解得更準」，還包括「怎麼出更有價值的題」和「怎麼搭更有效的鷹架」。

題目怎麼出：三重獎勵的乘法設計

讓模型自己出題，最直接的風險是它專挑軟柿子捏，或者反覆生成大同小異的題目。Ornith-1.5 用三個訊號相乘來約束方向：有效性、前沿難度與新穎性。有效性衡量題目與鷹架是否構成一個定義清晰、可驗證的學習環境，一旦鷹架跑不起來，或評測標準與題目規格對不上，這一項直接歸零，整道題的獎勵隨之清零。

前沿難度依據模型在一道題上的實際成功率來估計。成功率越接近 0.2，難度獎勵越高；當模型把某類題解得越來越穩，這道題的獎勵會自然下滑，出題方向於是推向更難的區域。新穎性用來壓掉重複，以當前題目與歷史題目緩衝區之間的最大相似度反向計分。三項相乘，意味著只有同時滿足「可驗證、有挑戰、不重複」的題目才能拿到獎勵。

三檔規模與官方評測

Ornith-1.5 提供三檔規模，覆蓋從資料中心到終端的完整區間：397B 的混合專家版本面向旗艦場景，35B-A3B 版本每個權杖只啟動約 3B 參數，9B 的稠密版本面向單卡與邊緣裝置。上一代的 Ornith-1.0 在這三檔之外，還額外提供過一檔 31B 稠密模型。整個家族的檢查點共用同一套 OpenAI 相容介面。

規模

Terminal-Bench 2.1

SWE-bench Verified

硬體定位

397B MoE

86.1

86.0

多卡節點

35B-A3B MoE

68.5

79.0

中型團隊

9B Dense

47.0

70.6

單卡與終端

其中 9B 版本還派生出一份量化後的 Mobile 版本，官方稱它可以直接在 iPhone 與 Android 裝置上執行。三檔模型均支援 256K（262,144 權杖）的上下文窗口，藉助 YaRN 縮放因子 4.0 可擴展到約一百萬權杖。

怎麼跑：本機推理與開源授權

Ornith 系列屬於推理模型，預設情況下助手回覆會先輸出一段 think 推理區塊，再給出最終答案；官方提供的推理配方會把這段思維鏈拆到單獨的欄位裡回傳，同時開放工具呼叫解析，便於接入各類代理編排框架。

在執行方式上，Ornith 沒有託管介面，也不存在價目表，全部能力以模型權重形式發布，需要自行部署。官方給出了 vLLM、SGLang 等推理堆疊的部署配方，也提供了面向長上下文的專門設定；量化格式涵蓋 GGUF 與 MLX，可以經由 llama.cpp 與 Ollama 在本機執行。

權重以 MIT 授權發布，官方說明其「全球可取得、不受地域限制」，研究用途與商用部署都不需要額外的授權環節。

Ornith 把「訓練什麼」和「怎麼訓練」一起交給模型自己：出題、搭鷹架、寫解法構成一條閉環，再用有效性、難度與新穎性的乘法獎勵約束出題方向。它以三檔規模覆蓋從資料中心到手機的不同硬體，用 MIT 授權與純本機部署換取完全的使用自由。