Ornith

Ornith AI - 开源自我改进代码模型，智能体编程、多规格部署与本地运行工具

Ornith AI 简介

Ornith AI是DeepReinforce研究实验室推出的开源自我改进代码模型系列，专注于智能体编程场景。其最新Ornith-1.5系列在训练中引入“自我改进循环”机制，模型在学习过程中能自主提出更困难的任务并优化解决策略。系列提供397B MoE、35B-A3B MoE和9B Dense三种规格，另有可在iPhone 17及安卓手机上运行的量化版本。所有模型均采用MIT开源协议，无地区使用限制，开发者可通过Hugging Face、GitHub等渠道获取。

Ornith AI 核心功能/服务

自我改进训练框架：Ornith将Agent执行框架视为可学习对象，通过强化学习联合优化任务生成、框架构建与解题轨迹，使模型在训练中自主进化，而非依赖固定人工任务集。
多规格灵活部署：提供397B MoE旗舰、35B-A3B MoE及9B Dense三种规格，配套GGUF、FP8、NVFP4、MLX等多种量化格式，支持从单张GPU到多卡集群的部署方案。
面向智能体的工程能力：在Terminal-Bench 2.1、SWE-Bench Verified等基准中取得同类开源模型领先成绩，397B版本部分性能超过Claude Opus 4.8，适配智能体代码任务。

Ornith AI 适合谁

• AI编程工具开发者与研究人员：需要构建或优化智能体编程工作流的开发者，可利用其自我改进训练框架和多种规格模型进行实验与集成。
• 本地部署与隐私敏感型开发者：希望在自有硬件上运行代码模型、避免数据外传的技术人员，可通过GGUF、FP8等量化格式在单卡或多卡环境部署。
• 移动端AI应用探索者：对在手机端运行大模型感兴趣的开发者，可使用9B-Mobile量化版本在iPhone 17或安卓设备上体验本地代码推理。

为什么选择Ornith AI

Ornith AI的差异化在于将“自我改进”从训练理念落地为可验证的工程成果——模型在训练中同时学习解题策略与任务生成，形成持续进化的能力闭环。Ornith-1.5-397B在Terminal-Bench 2.1上达到86.1分，SWE-bench Verified达86.0分，在同等规模开源模型中表现突出。MIT协议与多量化格式降低了使用门槛。访问Ornith AI官网，查看模型详情与部署文档。