Ornith 是一个把"训练什么"和"怎么训练"一起交给模型自己的开源编程模型家族，名字取自希腊语里的"鸟"。

Ornith 由 AI 研究实验室 DeepReinforce 推出，面向智能体编程（agentic coding）任务。它没有停留在固定训练流程里把模型调得更准，而是把训练本身的组织权也交还给模型：训练任务由模型提出，解题脚手架由模型搭建，最终的解法轨迹同样由模型生成。官方把这条路线称作自改进（self-improvement），并把它作为整个家族的主线。

目前 Ornith 已迭代出两代。2026 年 6 月发布的 Ornith-1.0 提出"自脚手架"（self-scaffolding）框架，2026 年 8 月发布的 Ornith-1.5 把这一框架从"脚手架与解法联合优化"扩展为完整的自我改进回路。

从自脚手架到自改进回路

Ornith-1.0 的核心做法是把脚手架当作可学习的对象。在常规的强化学习训练里，工具调用的顺序、出错后的重试逻辑、记忆如何组织，这些都由人工写好的固定骨架决定，模型只负责在骨架内产出解法。Ornith-1.0 让模型在每一轮训练中先依据任务描述提出一版更精细的脚手架，再按这版脚手架生成解法轨迹；解法拿到奖励后，奖励会同时回传给"写脚手架"和"写解法"两个阶段。反复迭代之后，针对不同任务类别的编排策略会自行浮现，不必由人工逐类指定。

Ornith-1.5 把这条思路再推进一步。训练回路从两阶段变成三阶段：模型先提出一个比此前更难的新任务，再为这个任务生成专属脚手架，最后在该脚手架条件下产出解法轨迹。奖励贯穿三个阶段，因此模型学到的除了"怎么解得更准"，还包括"怎么出更有价值的题"和"怎么搭更有效的脚手架"。

题目怎么出：三重奖励的乘法设计

让模型自己出题，最直接的风险是它专挑软柿子捏，或者反复生成大同小异的题目。Ornith-1.5 用三个信号相乘来约束方向：有效性、前沿难度与新颖性。有效性衡量题目与脚手架是否构成一个定义清晰、可验证的学习环境，一旦脚手架跑不起来，或评测标准与题目规格对不上，这一项直接归零，整道题的奖励随之清零。

前沿难度依据模型在一道题上的实际成功率来估计。成功率越接近 0.2，难度奖励越高；当模型把某类题解得越来越稳，这道题的奖励会自然下滑，出题方向于是被推向更难的区域。新颖性用来压掉重复，以当前题目与历史题目缓冲区之间的最大相似度反向计分。三项相乘，意味着只有同时满足"可验证、有挑战、不重复"的题目才能拿到奖励。

三档规模与官方评测

Ornith-1.5 提供三档规模，覆盖从数据中心到终端的完整区间：397B 的混合专家（MoE）版本面向旗舰场景，35B-A3B 版本每个 token 只激活约 3B 参数，9B 的稠密（Dense）版本面向单卡与边缘设备。上一代的 Ornith-1.0 在这三档之外，还额外提供过一档 31B 稠密模型。整个家族的检查点共用同一套 OpenAI 兼容接口。

其中 9B 版本还派生出一份量化后的 Mobile 版本，官方称它可以直接在 iPhone 与 Android 设备上运行。三档模型均支持 256K（262,144 token）的上下文窗口，借助 YaRN 缩放因子 4.0 可扩展到约一百万 token。

怎么跑：本地推理与开源许可

Ornith 系列属于推理模型，默认情况下助手回复会先输出一段 think 推理块，再给出最终答案；官方提供的推理配方会把这段思维链拆到单独的字段里返回，同时开放工具调用解析，便于接入各类智能体编排框架。

在运行方式上，Ornith 没有托管 API，也不存在价目表，全部能力以模型权重形式发布，需要自行部署。官方给出了 vLLM、SGLang 等推理栈的部署配方，也提供了面向长上下文的专门配置；量化格式覆盖 GGUF 与 MLX，可以经由 llama.cpp 与 Ollama 在本地运行。

权重以 MIT 许可发布，官方说明其"全球可获取、不受地域限制"，研究用途与商用部署都不需要额外的授权环节。

Ornith 把"训练什么"和"怎么训练"一起交给模型自己：出题、搭脚手架、写解法构成一条闭环，再用有效性、难度与新颖性的乘法奖励约束出题方向。它以三档规模覆盖从数据中心到手机的不同硬件，用 MIT 许可与纯本地部署换取完全的使用自由。