Ornith-1.5 开源模型发布，含 397B、35B 与 9B 三个规模

Ornith 发布了 Ornith-1.5，这是一个开放模型系列，将 Ornith-1.0 的自脚手架框架扩展为一个闭环的自我改进循环。上一代是在一组人工精选的固定任务周围编写脚手架，而 Ornith-1.5 则自行提出任务，为每个任务生成特定于该任务的脚手架，并产出用于强化学习的解决方案 rollout。此次发布涵盖三种规模：397B 的混合专家旗舰模型、每 token 激活 3B 参数的 35B 混合专家模型，以及随附适用于 iPhone 和 Android 的量化 Mobile 版本的 9B 稠密模型。

每个训练周期分三个阶段运行。给定一个环境或代码库、关于任务类型的高层指令，以及模型自身已解决问题的历史，系统会提出逐步加难、超出其已处理范围的任务。随后它生成或优化一个涵盖指令、工具、分解策略和编排的脚手架，并基于两者产出一个 rollout。奖励会反向传播贯穿全部三个阶段，因此系统能同时学会编写更好的解决方案、更有用的训练任务和更可靠的评估框架。任务奖励由三个信号相乘得出：任务与脚手架是否构成一个有效且可验证的环境、难度是否接近当前能力前沿，以及任务相对于已生成的工作是否新颖。前沿难度以 0.2 的经验成功率为目标，因此一旦模型开始稳定地解决某个任务，该任务对生成器就失去价值。有效性作为硬性门槛，会将格式错误的任务归零，三个阶段均使用 GRPO 进行优化。

在公司公布的表格中，对五次独立运行取平均，Ornith-1.5-397B 在 Terminal-Bench 2.1 上得分 85.1，在 DeepSWE 上得分 56.0，Ornith 报告称这与 Claude Opus 4.8 的 85.0 和 59.0 相当，并在同等规模下领先于 GLM-5.2 和 DeepSeek-V4-Flash-0731。35B 在每 token 激活 3B 参数的情况下，在 Terminal-Bench 2.1 和 SWE-Bench Verified 上分别达到 68.5 和 79.0，而 9B 达到 47.0 和 70.6，公司将其置于 Gemma 4-31B 和 Qwen 3.6-35B 之上。覆盖范围从编码延伸到推理和智能体工作，在旗舰规模下 GPQA Diamond 得分 92.8，BrowseComp 得分 86.6。

Ornith 是 DeepReinforce 的模型系列，该研究团队于 2026 年 6 月以 MIT 许可证发布了 Ornith-1.0，涵盖 9B 稠密、31B 稠密、35B MoE 和 397B MoE 变体，权重托管在 Hugging Face 上。该版本是在 Gemma 4 和 Qwen 3.5 检查点上进行后训练的，并引入了将脚手架视为与策略共同演化的可学习对象这一理念。DeepReinforce 此前曾公开发表过强化学习优化研究，包括 CUDA-L1 和 IterX 智能体循环，而奖励黑客一直是这些工作中持续关注的问题。Ornith-1.5 将这种防御带入任务生成中，其中不可验证的任务不会获得任何收益。

HuggingFace：https://huggingface.co/collections/ornith-ai/ornith-15