Ornith-1.0 是 DeepReinforce 专为智能体编码打造的开源、自我改进 LLM 家族。它覆盖完整谱系——从能在边缘设备上运行的紧凑 9B Dense，经 31B Dense 与 35B MoE，直到前沿规模的 397B MoE 旗舰——全部构建于预训练的 Gemma 4 与 Qwen 3.5 之上。
亮点不只是分数，更在于它如何被训练。Ornith-1.0 不依赖人工设计的运行框架来驱动强化学习，而是学会在产出每个解的同时自己编写脚手架——DeepReinforce 称之为自搭脚手架的“自我改进”循环。其结果是：在广泛的智能体编码基准上，达到同等规模开源权重模型中的最先进水平。
在旗舰规模上，Ornith-1.0-397B 在 Terminal-Bench 2.1 与 SWE-Bench Verified 上比肩 Claude Opus 4.7，并略胜 DeepSeek V4-Pro 与 MiniMax M3 等领先的开源权重。实话提醒：在最难的分组上，它仍落后最新的闭源前沿（Claude Opus 4.8）。
什么是 Ornith-1.0？
Ornith-1.0 是一个模型家族，而非单个检查点。各变体让你在成本与能力之间权衡：
- 9B Dense——可边缘部署；仍比肩 Gemma 4-31B 等大得多的模型。
- 31B Dense——务实的单卡级主力。
- 35B MoE——出色的性价比；以小博大。
- 397B MoE——前沿规模旗舰，与闭源领先者一较高下。
每个变体都针对同一份工作：长跨度、用工具的编码智能体。它们全部以开源权重发布在 Hugging Face 上，因此你可以自托管适配你硬件的规模。
自搭脚手架训练框架
核心思想是一个自我改进的 RL 循环，它同时学会解题以及构建引导这些解的脚手架。多数流水线依赖在某一任务类别上共享的、固定的人工运行框架；Ornith-1.0 则把脚手架视为与策略协同演化的可学习对象。
- 两阶段 RL 步骤。 在给定任务及其先前脚手架的条件下，模型先提出一个精炼后的脚手架；再在该脚手架的条件下生成一个解题 rollout。
- 共享奖励。 来自 rollout 的奖励回流到两个阶段，因此模型不仅被优化去产出更好的答案，也被优化去撰写能引出这些答案的编排。
- 涌现策略。 训练中，脚手架被不断变异并向那些诱导更高奖励轨迹的方向筛选——每个任务类别的策略自动涌现，无需人工设计的运行框架。
让模型自己撰写脚手架会招来奖励黑客，因此 DeepReinforce 加了三道防线：不可变的信任边界（环境、工具与测试隔离始终在模型触及范围之外）、一个确定性监视器（对任何读取被保留路径或编辑验证脚本的尝试给零奖励），以及一个冻结的 LLM 评审（在验证器之上行使否决权）。
基准
旗舰 Ornith-1.0-397B 在智能体编码上对比领先模型（越高越好；数据为 DeepReinforce 于 2026 年 6 月自报，请当作有时效的快照看待）。
| 基准 | Ornith-1.0-397B | Claude Opus 4.7 | DeepSeek-V4-Pro | Qwen3.5-397B |
|---|---|---|---|---|
| Terminal-Bench 2.1 (Terminus-2) | 77.5 | 70.3 | 64.0 | 53.5 |
| SWE-Bench Verified | 82.4 | 80.8 | 80.6 | 76.4 |
| SWE-Bench Pro | 62.2 | 64.3 | 55.4 | 51.6 |
几点值得了解：
- 它在 Terminal-Bench 上领跑开源权重。 在 Terminus-2 运行框架上，397B 以 77.5 明显领先 DeepSeek V4-Pro 与 MiniMax M3（均约 64）。
- SWE-Bench Verified 在顶端几近持平。 82.4 略胜 Claude Opus 4.7（80.8）与 DeepSeek V4-Pro（80.6）。
- SWE-Bench Pro 仍是闭源领先之处。 在最难、控泄漏的分组上，它落后 Claude Opus 4.7（64.3）——与最新闭源前沿的差距是真实存在的。
更小的变体才是惊喜。Ornith-1.0-35B 在 Terminal-Bench 2.1 上取得 64.2、SWE-Bench Verified 上取得 75.6——在 Terminal-Bench 上甚至以小博大超过 Qwen3.5-397B（64.2 对 53.5）。可边缘部署的 9B 仍达到 43.1 / 69.4，比肩 Gemma 4-31B 等大得多的模型。
完整方法学（运行框架、温度、上下文窗口与多次运行平均）见官方公告。
Ornith-1.0 横向对比
2026 年 6 月的开源权重编码阵营颇为拥挤，但 Ornith-1.0 划出了清晰的定位——在顶端，它是开源权重中智能体/终端行为最强者，外加一个真正实用的小模型层级。
- 对比 DeepSeek V4-Pro： 在 SWE-Bench Verified 上大致打平，但 397B 在 Terminal-Bench 上明显领先（77.5 对 64.0）。DeepSeek 的 MIT 许可与便宜的托管 API 仍有吸引力。
- 对比 MiniMax M3： Ornith 在终端/智能体运行框架上领先；两者都是开源权重。
- 对比 Claude Opus 4.8： 闭源前沿仍赢下最难分组（SWE-Bench Pro、Terminal-Bench），但 Opus 价格为 $5/$25 每 100 万 token，而 Ornith 可免费自托管。
要更全面地了解开源与闭源模型各自的位置，参见我们的 2026 LLM 全景指南。
如何使用 Ornith-1.0
- 自托管开源权重，从 Hugging Face（
deepreinforce-ai）下载，挑选适配你硬件的规模——适度配置选 9B/31B Dense 或 35B MoE，397B MoE 仅在拥有相当规模的多卡基础设施时使用。 - 发布之初没有官方托管 API 或定价——部署为自托管。
- 商用前请查阅模型卡的许可，尤其考虑到 Gemma 4 / Qwen 3.5 的血统。
适用场景
- 智能体编码与终端 / SWE 式软件任务
- 自托管编码助手，含用 9B 的边缘部署
- 关于自我改进 RL 与习得式智能体脚手架的研究
优缺点
优势
- 覆盖广谱的开源权重——9B / 31B Dense 与 35B / 397B MoE
- 旗舰 397B 在 Terminal-Bench 2.1 与 SWE-Bench Verified 上比肩 Claude Opus 4.7
- 可边缘部署的 9B 比肩 Gemma 4-31B 等大得多的模型
- 新颖的自我改进“自搭脚手架”RL 训练（模型学会自己的运行框架）
局限
- 397B MoE 自托管需要相当规模的多卡基础设施
- 尚未公布官方托管 API 或定价
- 在最难的基准上落后最新的闭源前沿（如 Claude Opus 4.8）
- 基于 Gemma 4 / Qwen 3.5 构建——可能适用基础模型的许可条款
常见问题
Ornith-1.0 是开源的吗？
是。Ornith-1.0 以开源权重发布（在 Hugging Face 上），覆盖多个规模。商用前请查阅模型卡中的许可，因为它基于 Gemma 4 与 Qwen 3.5 构建，其基础条款可能适用。
Ornith-1.0 有哪些规模？
全谱系——9B Dense 与 31B Dense，外加 35B MoE 与旗舰 397B MoE——你可以挑选边缘友好型或前沿规模的变体。
Ornith-1.0 最擅长什么？
智能体编码。397B 变体在 Terminal-Bench 2.1 上取得 77.5、在 SWE-Bench Verified 上取得 82.4，两项均比肩或胜过 Claude Opus 4.7。
什么是“自搭脚手架”训练？
Ornith-1.0 不依赖固定的人工设计运行框架，而是学会同时生成任务专属的脚手架与解题 rollout，并对二者联合优化，从而让更好的搜索策略自动涌现。
它能小到什么程度用于边缘设备？
9B Dense 变体可边缘部署，仍在 Terminal-Bench 2.1 上取得 43.1、SWE-Bench Verified 上取得 69.4，比肩 Gemma 4-31B 等大得多的模型。
有托管 API 吗？
发布之初 DeepReinforce 只放出开源权重，没有官方托管 API 或定价；你需要自托管这些权重。
运行 397B 需要什么硬件？
作为 397B 参数的 MoE，它需要相当规模的多卡基础设施。对更轻量的环境，35B MoE 或 9B/31B Dense 变体要实际得多。
它与闭源模型相比如何？
旗舰 397B 在编码基准上与 Claude Opus 4.7 不相上下，同时保持开源权重，但在最难任务上落后最新的闭源前沿。