2026 Ornith-1.5是什麼：397B開源、自生成課程與手機9B全解析

8月19日 Ornith-1.5 開源三檔權重。下文依官方博文與 GIGAZINE 分開能核對的數字和口徑。

2026 年 8 月 19 日，Ornith 把一套開源權重写成可下载的三档：最大的 MoE 對标闭源旗舰的代理编程分，最小的 Dense 官方写能量化到手机。

核心對象是 Ornith-1.5。官方博文把它写成「端到端自改进」：模型自己出更难的题、生成任务腳手架，再产出强化学习用的解答軌跡。下文只整理官方數字和 GIGAZINE 能對上的發布口径，不写成「已獨立復現超越 Opus」。

發布了什么

官方写 1.5 建立在 1.0 之上；1.0 又建立在 Qwen3.5 与 Gemma 4 上，再做持續預訓練、中訓和後訓。1.5 把閉環从「優化腳手架和 rollout」扩到同时優化出題。

能核對的幾條口徑

1. 1

   三档规模寫得很具體

   官方列出 Ornith-1.5-397B（MoE）、Ornith-1.5-35B-A3B（MoE，每 token 啟動 3B）、Ornith-1.5-9B（Dense）。GIGAZINE 另寫量化包 Ornith-1.5-9B-Mobile，稱可在 iPhone / Android 上跑。

2. 2

   397B 對 Opus 4.8 是「部分持平」，不是全勝

   官方正文寫 397B 在 Terminal-Bench 2.1 得 86.1、DeepSWE 得 56.0，与 Claude Opus 4.8 的 85.0 / 59.0「相當」。同表 Terminus-2 高於 Opus，DeepSWE 低於 Opus。對 GLM-5.2 与 DeepSeek-V4-Flash-0731，官方寫在同規模開源里領先。

3. 3

   課程是自己出的，獎勵有硬門閂

   每個週期：根據环境、任务类型說明和歷史解題記錄，提出更難的題；再生成腳手架（指令、工具、拆解、編排）；策略產出 rollout。任務獎勵 = 有效性 V × 前沿難度 D × 新穎度 N。無效任務 V=0 則整項為零。难度用當前模型成功率，目標 p*=0.2。三階段都用 GRPO。

官方把閉環写成：更強的策略能出更難、更有資訊量的題；演化的腳手架更能引出能力；更高質量的 rollout 再提供學習信號。這是方法描述，不是外部審計結論。

# Official 1.5 loop (2026-08-19)
propose harder tasks
generate / refine scaffold
produce solution rollouts
R_task = V * D(p*=0.2) * N
optimize three stages with GRPO

讀法与边界

「与 Opus 相當」≠ 全面超過

官方自己的 DeepSWE 上 397B 低於 Opus 4.8（56.0 對 59.0）。Terminal-Bench 的領先幅度也取决于 harness（Terminus-2 与 Claude Code 兩列不同）。

自生成課程仍可能獎勵駭客

官方单独写了 harness 奖励：任务對齐、奖励保真、抗作弊。评测腳註写 SWE-bench 去掉 git 歷史、斷網，NL2Repo 屏蔽指定倉庫與 pip。這是他們的防護聲明，不是證明系統無法被刷分。

開源可復現的是權重，不是训练全程

公开的是检查点、服务說明和量化格式。完整自生成课程的训练计算与数据軌跡，官方博文没有写成可逐项復現的账单。

还想核對的问题