你有没有想过，一个人要怎么才能真正变强？

光靠死记硬背不行。刷题刷到天亮也不行——因为题库总有做完的一天。

真正让人越来越厉害的，是这种能力：自己给自己出题，自己判断"这道题我还不会"，然后拼命去搞定它。

这是人类学习的终极形态。而就在最近，一个叫 Ornith-1.5 的开源AI，把这件事第一次做到了。

01｜这个 AI 在干什么

PART｜ 当你上班的时候

.想象一下这个场景：

一个AI模型在独自工作。没有人给它布置任务，没有人告诉它今天该学什么。

它先问自己："我现在哪里最弱？"

然后它自己生成一道刚好卡在自己能力边界上的题目——不太难，不太简单，就是那种"做三次大概能成功一次"的难度。

接着，它自己设计一套测试规则来评分。

最后，它真的去解这道题，把解题过程喂给自己当训练数据。

这整个过程，循环往复。没有人工干预，没有人工标注，没有人给它说"这道题你做对了"——它自己判断。

这就是 Ornith-1.5 正在做的事情，他们把它叫做"自我改进循环"（self-improvement loop）。

02｜这个 AI 让人背脊发凉

PART｜ 打败Claude

先说一个具体的数字：

Ornith-1.5 最大的版本（397B参数），在一个衡量"AI能不能真正帮程序员写代码、调bug、完成真实工程任务"的测试上（SWE-bench Verified），得分 86分。

Claude Opus 4.8，是 Anthropic 目前最强的闭源商业模型，得分是 85.8分。

这意味着什么？意味着一个完全开源、可以自己下载运行的模型，在真实编程能力上，已经追平了当今世界最贵、最强的商业AI之一。

而且这还只是开始。

03｜这个 AI 给自己出题

PART｜ 可自我进化的 AI

这里有个很反直觉的地方。

很多人以为让AI变强，就是喂给它更多数据。但数据终有穷尽——互联网上有价值的代码、论文、解题过程，早就被各大模型训练过一遍了。

Ornith团队想到的突破口是：不依赖外部数据，而是让模型自己制造训练数据。

但这里有一个隐患：模型如果随便出题，可能会专门出自己会做的简单题（那没意义），也可能出根本无法解答的怪题（也没意义）。

所以他们设计了一套精妙的"奖励机制"来管住这件事——

出的题必须有效可验证（能判断对错）、必须难度刚好在能力边缘（大约五次里成功一次），还必须足够新颖（不能反复出同一类题）。三个条件同时满足，才给高分。

这像不像你当年最好的老师的出题逻辑？

还有一件更离谱的事

Ornith-1.5 还有个 9B 的小版本（约 1.5GB）。

9B是什么概念？大概是目前旗舰版模型参数量的 1/44。手机能跑的那种。

就是这个"手机版"，在编程能力测试上的得分，超过了 Google 的 Gemma 4-31B——一个参数量比它大三倍以上的模型。

04｜AI 开源追上闭源模型

PART｜ 可自我进化的 AI

也许你不是AI研究员，也不会去自己下载运行这些模型。但这件事的意义，远不止在技术圈内。

第一层影响：你用的编程工具会更强。

Cursor、GitHub Copilot、各种代码补全工具，背后的模型会越来越多地用上类似这种自我进化的技术。你未来写代码、做数据分析，这些工具会更懂你。

第二层影响：开源正在追上闭源。

过去两年，ChatGPT、Claude、Gemini这些闭源模型遥遥领先，开源模型只能追着跑。但 Ornith-1.5 这类工作在说：这个差距正在快速收窄，而且拐点也许已经到来。

第三层影响：AI进化的逻辑变了。

以前AI变强靠的是：更多数据 + 更大算力 + 更多标注人员。Ornith-1.5 证明了一条新路：自己出题、自己刷题、自己变强。这条路不需要无限的人工投入，只要运行就行。

你有没有那种感觉——某个东西突然开始会自己学习了？

05｜AI总结

PART｜ 开源还是闭源？

Ornith-1.5 是完全开源的，代码和权重都可以下载。

在AI领域，"开源追平闭源"本身就是一件会被反复载入史册的大事。

但更让人细思极恐的，是这件事背后的逻辑转变：

以前，AI越强，需要的人工越多。

而 Ornith-1.5 在说：也许从现在开始，AI越强，它自己就能学得越快，需要的人工反而越少。

这个循环，一旦开始，很难停下来。

06｜开源模型，技术附录

PART｜ 技术核心要点

三阶段训练循环，缺一不可

Ornith-1.5 的自我改进循环由三个阶段串联组成，每一轮迭代都同时训练这三件事：

第一阶段：Task Proposer（任务生成器）

给定一个代码库或运行环境，模型查阅自己过去的任务解决记录，然后提出一批"新任务"。这批任务要求比已经解决过的稍难一点，专门针对当前的能力盲区。

第二阶段：Harness Generator（评测脚手架生成器）

对每道新任务，模型自动生成一套"裁判规则"——包括任务说明、可调用的工具列表、评分逻辑。这个 harness 本身也被打分，标准是：规则清晰、打分忠实、难以被"钻空子"。

第三阶段：Solution Rollout（解题执行）

模型真正去解这道题，执行过程中产生的轨迹（rollout）被用来计算强化学习的奖励。好的轨迹反向更新三个阶段的参数——任务怎么出、规则怎么写、解题怎么做，三者一起优化。

整个过程用的是 GRPO（Group Relative Policy Optimization），这是 DeepSeek-R1 带火的强化学习算法，比传统 PPO 显著降低显存需求，更适合大规模训练。

任务奖励函数的设计细节

任务奖励 R_task 是三项的乘积：

..json

{

R_task = V(q, s) × D(q, s, {τ}) × N(q)

}

V：有效性。脚手架能否正常运行？正确答案是否通过？明显错误答案是否被拦截？任何一条为零，整个任务奖励归零。这是一个硬门槛，防止"无效题"混入训练。

D：前沿难度。对同一道题采样 N 条解题轨迹，统计成功率 p。目标成功率 p* 设为 0.2（即五次里成功一次），用高斯函数度量偏差：

..json

{

D = exp(-(p - p*)² / 2σ²)

}

随着模型变强，同一道题的 p 上升，D 值自然下降，推动生成器去出更难的题——这就是"课程自动进化"的核心机制。

N：新颖度。与历史任务缓冲区里所有任务计算相似度，取最高值后用 1 减去，确保不重复刷同类题。新颖度的权重刻意低于前两项，避免模型追求"奇怪"而忽略"有用"。

评测脚手架的防作弊设计，这是整个框架最容易被忽视、但至关重要的一环。

如果裁判规则本身可以被"钻空子"，模型就会学会走捷径而不是真正解题——AI领域把这个问题叫做 reward hacking（奖励函数被破解）。

Ornith 的评测设计做了几件具体的事来防止这种情况：

• SWE-bench 类任务中，本地仓库的 Git 历史被完整删除，防止模型通过查历史 commit 或 diff 来直接找到答案

• 禁用网络访问

  ，防止模型联网搜索解决方案

• NL2Repo 任务中，封锁指定 GitHub 仓库和 pip 包的访问，防止直接复制已有实现

这些"反作弊"设计，让评分数字的含金量大幅提升。

07｜三个版本模型参数对比

PART｜ 不同版本定位差异

规模版本的定位差异

Ornith-1.5-397B（MoE，激活参数约 ~50B）

旗舰版，对标 Claude Opus 4.8。Terminal-Bench 2.1 得 86.1（Claude 是 85.0），SWE-bench Verified 得 86（Claude 是 85.8）。在 WideSearch（深度网页搜索推理）和 BrowseComp（多步网页检索）上反超 Claude，说明长上下文的 agentic 推理能力尤为突出。

Ornith-1.5-35B（MoE，激活参数仅 3B/token）

每次推理只激活 3B 参数，但整体表现大幅超过 Gemma 4-31B 和 Meta Muse Glimmer-30B 这类密集型模型。Terminal-Bench 2.1 得 68.5 vs 43.4（Gemma），SWE-bench Verified 得 79 vs 52（Gemma）。这说明 MoE 架构在推理成本和能力之间的权衡，已经进入一个质变区间。

Ornith-1.5-9B（Dense，附带量化手机版）

最值得关注的可能是这个。9B 参数的密集模型，SWE-bench Verified 得 70.6，比 Gemma 4-31B（52）和 Qwen 3.5-9B（53.2）都高出一大截。量化版可以直接跑在 iPhone 和 Android 设备上，意味着本地化的代码 Agent 在端侧真正成为可能。

08｜模型基座的选择

PART｜ 模型基座

Ornith-1.5 在 Ornith-1.0 基础上扩展，后者以 Qwen 3.5 和 Gemma 4 为基础，经过继续预训练（CPT）、中期训练（mid-training）和后训练（post-training）三阶段处理。Ornith-1.5 则在此之上，用上文描述的自我改进循环做了进一步的强化学习迭代。

这意味着 Ornith 并不是从零训练一个基座，而是在成熟开源基座上做"能力上限的突破"——路线选择本身就说明了团队对"数据墙"的判断：预训练数据的边际收益已经在递减，强化学习阶段的自我改进才是下一步增益的主战场。

更多transformer，VIT，swin tranformer
参考头条号：人工智能研究所
v号：人工智能研究Suo, 启示AI科技

 动画详解transformer  在线视频教程