Ornith-1.5 發佈：用於推理與編碼的端到端自我改進

Ornith-1.5 是一系列專為高性能推理、代理（agentic）與編碼任務設計的基礎模型。它將 Ornith-1.0 的自我腳手架（self-scaffolding）框架演進為一個完整的自我改進迴圈，使模型能夠自主提出新任務、生成特定任務的腳手架，並為強化學習產生解決方案的展開（rollouts）。

模型性能與擴展

Ornith-1.5 提供三種規模，在各種基準測試中展現出與專有模型和開源模型相抗衡的競爭力。

Ornith-1.5-397B (MoE)

旗艦級 397B Mixture-of-Experts (MoE) 模型在多項關鍵基準測試中的表現與 Claude Opus 4.8 持平。它在 Terminal-Bench 2.1 獲得 86.1 分，在 DeepSWE 獲得 56.0 分，表現優於 GLM-5.2 (82.7 與 46.2) 和 DeepSeek-V4-Flash-0731 (82.7 與 54.4) 等開源同儕。

Ornith-1.5-35B (MoE)

35B MoE 模型在每個 token 時僅啟動 3B 參數，但其表現顯著優於較大的密集（dense）模型。在 Terminal-Bench 2.1 上，它獲得 68.5 分，而 Gemma 4-31B 為 43.4 分，Muse Glimmer-30B 為 51.7 分。它在 SWE-Bench Verified 上也達到了 79.0 分，超越了 Gemma 4-31B (52.0) 和 Muse Glimmer-30B (76.0)。

Ornith-1.5-9B (Dense)

專為 iPhone 和 Android 設備上的邊緣部署設計，9B 密集模型在性能上可與甚至超越更大規模的模型。它在 Terminal-Bench 2.1 獲得 47.0 分，在 SWE-Bench Verified 獲得 70.6 分，在多個類別中表現優於 Gemma 4-31B 和 Qwen 3.6-35B。

自我改進迴圈

Ornith-1.5 取代了人工策劃的任務與手動搭建的測試框架（harnesses），改用任務生成、腳手架構建與解決方案產出的自主迴圈。這種閉環機制允許模型持續擴展其自身的課程，並調整其問題解決策略。

三階段訓練週期

任務提案：系統根據模型的先前歷史與目標環境，提出難度遞增的任務，特別針對能力缺口。
腳手架生成：針對每個任務，模型會生成一個特定任務的腳手架，其中包含解決問題所需的指令、工具、分解策略與編排（orchestration）。
解決方案展開：策略（policy）根據任務與腳手架產生解決方案的展開（rollout）。

來自展開的獎勵會透過 Group Relative Policy Optimization (GRPO) 傳回所有三個階段，藉此優化模型生成有用任務與有效腳手架的能力。

獎勵機制

為了確保自我改進迴圈能產生高品質的訓練數據，Ornith-1.5 對任務、測試框架與展開進行了特定的獎勵信號處理。

任務獎勵

任務獎勵是根據三個信號的乘法公式計算的：

有效性：確保任務是連貫、可解的，且腳手架執行正確。這作為一個硬性門檻，以防止錯誤格式的任務獲得獎勵。
前沿難度：衡量任務是否具有挑戰性但仍可學習。系統目標成功率 ($π_{target}$) 為 0.2，隨著模型能力的提升，將驅動生成器朝向更難的問題邁進。
新穎性：透過獎勵相對於先前生成任務緩衝區中具有多樣性的任務，來減少冗餘。

測試框架與展開獎勵

測試框架獎勵：測試框架根據其與任務規範的對齊程度、追蹤真實解決方案品質的能力，以及對獎勵黑客行為（reward hacking）的抵抗力來獲得獎勵。
展開獎勵：每個展開由生成的測試框架進行評分，對於可驗證任務使用二元通過/失敗評分，對於複雜環境則結合正確性、效率與約束滿足度進行評分。

社群洞察與觀察

用戶討論突顯了該發佈的實際效用與技術上的懷疑論：

本地部署：用戶注意到 35B-A3B 模型的效率，有人報告其表現與 Qwen 3.8 27B 持平，同時在高量化水平下保持較高的速度。
模型身份：部分用戶觀察到模型在身份提示詞中偶爾會聲稱自己是 Claude。
技術懷疑：部分社群成員質疑「自我改進」是在權重層級發生，還是僅僅是一個代理（agentic）外殼，而其他人則對將遞歸自我改進 (RSI) 作為融資輪的行銷手段表示懷疑。