2026 Ornith-1.5是什么：397B开源、自生成课程与手机9B全解析

8月19日 Ornith-1.5 开源三档权重。下文按官方博文与 GIGAZINE 分开能核对的数字和口径。

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

核心对象是 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、生成任务脚手架，再产出强化学习用的解答轨迹。下文只整理官方数字和 GIGAZINE 能对上的发布口径，不写成「已独立复现超越 Opus」。

发布了什么

官方写 1.5 建立在 1.0 之上；1.0 又建立在 Qwen3.5 与 Gemma 4 上，再做持续预训练、中训和后训。1.5 把闭环从「优化脚手架和 rollout」扩到同时优化出题。

能核对的几条口径

1. 1

   三档规模写得很具体

   官方列出 Ornith-1.5-397B（MoE）、Ornith-1.5-35B-A3B（MoE，每 token 激活 3B）、Ornith-1.5-9B（Dense）。GIGAZINE 另写量化包 Ornith-1.5-9B-Mobile，称可在 iPhone / Android 上跑。

2. 2

   397B 对 Opus 4.8 是「部分持平」，不是全胜

   官方正文写 397B 在 Terminal-Bench 2.1 得 86.1、DeepSWE 得 56.0，与 Claude Opus 4.8 的 85.0 / 59.0「相当」。同表 Terminus-2 高于 Opus，DeepSWE 低于 Opus。对 GLM-5.2 与 DeepSeek-V4-Flash-0731，官方写在同规模开源里领先。

3. 3

   课程是自己出的，奖励有硬门闩

   每个周期：根据环境、任务类型说明和历史解题记录，提出更难的题；再生成脚手架（指令、工具、拆解、编排）；策略产出 rollout。任务奖励 = 有效性 V × 前沿难度 D × 新颖度 N。无效任务 V=0 则整项为零。难度用当前模型成功率，目标 p*=0.2。三阶段都用 GRPO。

官方把闭环写成：更强的策略能出更难、更有信息量的题；演化的脚手架更能引出能力；更高质量的 rollout 再提供学习信号。这是方法描述，不是外部审计结论。

# 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

读法与边界

「与 Opus 相当」≠ 全面超过

官方自己的 DeepSWE 上 397B 低于 Opus 4.8（56.0 对 59.0）。Terminal-Bench 的领先幅度也取决于 harness（Terminus-2 与 Claude Code 两列不同）。

自生成课程仍可能奖励黑客

官方单独写了 harness 奖励：任务对齐、奖励保真、抗作弊。评测脚注写 SWE-bench 去掉 git 历史、断网，NL2Repo 屏蔽指定仓库与 pip。这是他们的防护声明，不是证明系统无法被刷分。

开源可复现的是权重，不是训练全程

公开的是检查点、服务说明和量化格式。完整自生成课程的训练计算与数据轨迹，官方博文没有写成可逐项复现的账单。

还想核对的问题