用海量的人类标注数据喂养模型，花费无数精力清洗数据、设计提示词的范式正在发生转变。

DeepReinforce 正式推出了 Ornith-1.5 并以 MIT 协议开源。这是一个向端到端自我提升迈进的基础模型新框架。

模型开始学会自己给自己出题，自己寻找答案，并在不断试错中完成进化。

9B 和 35B 参数规模的模型在同级别中达到了最优性能。

而 397B 的旗舰版本，其表现已经与 Claude Opus 4.8 并驾齐驱。

最小的 9B 版本经过量化后，甚至可以直接运行在普通的智能手机上。

Ornith-1.5 将模型自我支撑扩展为完整的自我提升循环。模型不再依赖人工设定的固定任务和固定评测框架，而是自行提出任务、生成评测脚手架、产出解题轨迹，三者用 GRPO 联合优化形成闭环。、

卓越性能表现

Ornith-1.5 覆盖了三个不同的模型规模，均展现出令人瞩目的性能，满足了从云端到边缘的多样化需求。全尺寸的性能跨越展示了该架构的强大扩展性。

旗舰级的 Ornith-1.5-397B 采用 MoE (混合专家) 架构。

它在 Terminal-Bench 2.1 评测中获得了 86.1 分，在 DeepSWE 评测中获得了 56.0 分。这一成绩与 Claude Opus 4.8 的 85.0 分和 59.0 分基本持平。

同时，它大幅领先于同规模的开源模型，例如 GLM-5.2 的 82.7 分和 46.2 分，以及 DeepSeek-V4-Flash-0731 的 82.7 分和 54.4 分。

中坚力量的 Ornith-1.5-35B 同样采用 MoE 架构，在处理每个 token 时仅激活 3B 参数。

它在所有编码和智能体基准测试中，显著超越了同级别的 Qwen 3.6-35B。模型即便参数激活量如此克制，它在智能体编码任务上依然大幅超越了传统的 Dense 模型。

在 Terminal-Bench 2.1 上，它取得了 68.5 分，远超 Gemma 4-31B 的 43.4 分和 Meta 的 Muse Glimmer-30B 的 51.7 分。

在 SWE-Bench Verified 上，它更是拿下了 79.0 分，对比前两者的 52.0 分和 76.0 分，优势十分明显。

边缘部署的 Ornith-1.5-9B 则是 Dense 架构。它的量化版本已经具备了在 iPhone 和 Android 设备上直接部署的能力。

尽管只有 9B 参数，它依然交出了 Terminal-Bench 2.1 的 47.0 分和 SWE-Bench Verified 的 70.6 分。在多个测评维度上已经超越了 Gemma 4-31B 和 Qwen 3.6-35B 等规模大得多的模型。

告别人工

DeepReinforce 是一家专注于AI与系统优化的研究型初创公司，由斯坦福博士李纪为于2024年创立。团队几乎所有产品都已开源，并在多项关键任务上超越了行业标杆。 

团队开发的 CUDA-L1 & CUDA-L2（系统优化），真实 GPU 任务加速超越了英伟达的闭源方案；编程智能体 GrandCode，在 Codeforces 的多次正式直播赛中击败所有人类选手（包括传奇大师），成为首个达成此成就的 AI 系统。

如今的 Ornith-1.5 模型展示了 AI 可以自主生成训练数据和学习课程，实现自我进化。

初版的 Ornith-1.0 建立在 Qwen3.5 和 Gemma 4 的基础之上，经历了持续预训练 (CPT)、中期训练和后训练的打磨。模型通过吸收现有的高质量知识，建立起了初步的认知框架。

Ornith-1.5 则在此基础上完成了一次范式跃迁。它打破了静态分布的束缚。它将优化的重心从单纯的支撑和展开，扩展到了联合优化任务生成、支撑构建和解决方案展开。

模型不再被动接受知识，而是主动创造新的学习体验。

每一次训练循环，系统都在根据自身的表现动态调整课程表。它自适应地改变解决问题的策略，在推理、编码和智能体任务中不断挖掘更深层的能力。

这个自我提升循环的精妙之处，在于其紧密咬合的三个阶段。我们可以将其想象为一个高度自律的学者在攻克未知领域，每一步都经过深思熟虑。

第一阶段是任务提出。系统会审视当前的环境或代码库，结合高级任务指令和过往的解题历史，主动构思难度更高的新任务。这些新任务并非随机生成，而是专门用来暴露模型现有的能力盲区。

通过不断推高训练的前沿，模型被迫走出舒适区，直面自身的不足。

第二阶段是支撑构建。面对每一个新提出的任务，模型不会盲目尝试，而是会生成或优化一套专属的 Scaffold (脚手架)。这套支撑体系包含了具体的操作指令、需要调用的外部工具、复杂问题的分解策略，以及整体的执行编排方式。

第三阶段是方案展开。在明确的任务目标和完善的支撑框架引导下，模型策略会生成完整的 Solution Rollout (解决方案展开)。这是将理论转化为实际执行步骤的过程，模型在这里展示其综合运用各种工具和逻辑推理的能力。

整个机制的灵魂在于奖励信号的流动。展开阶段获得的奖励，会反向传播到前两个阶段。

模型不仅在学习如何给出更好的最终答案，还在学习如何提出更有价值的训练任务，以及如何构建更高效的支撑框架。

Ornith-1.5 赋予模型自我审视与自我教学的能力，重塑了基础模型训练范式。

参考资料：

https://ornith.ai/ornith_1_5.html

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