Ornith-1.0-9B

Aloha! ? Dziś wydajemy Ornith-1.0, rodzinę modeli open-source do agentycznego kodowania, które samodzielnie się poprawiają.

• Najnowocześniejsze agenty kodowania: Dostępne w wersjach 9B-Dense, 31B-Dense, 35B-MoE i 397B-MoE (po treningu na Gemma 4 i Qwen 3.5), osiągające najlepsze wyniki wśród modeli open-source o porównywalnej wielkości na benchmarkach kodowania, takich jak Terminal-Bench 2.1, SWE-Bench, NL2Repo i OpenClaw.
• Framework treningowy samodzielnie poprawiający: Ornith-1.0 wykorzystuje RL do nauki generowania nie tylko rozwiązań, ale także rusztowań, które napędzają te rozwiązania. Poprzez wspólną optymalizację rusztowania i wynikowego rozwiązania, model odkrywa lepsze trajektorie wyszukiwania i generuje rozwiązania o wyższej jakości.
• Licencja: Licencja MIT, globalnie dostępna i wolna od ograniczeń regionalnych. Ta karta modelu dokumentuje Ornith-1.0-9B, najlżejszego członka rodziny Ornith, zaprojektowanego do efektywnego wdrożenia na pojedynczym GPU. Ornith-1.0-9B

Qwen3.5-9B Qwen3.5-35B Gemma4-12B Gemma4-31B Agentic Coding Terminal-Bench 2.1 (Terminus-2) 43.1 21.3 41.4 21 42.1 Terminal-Bench 2.1 (Claude Code) 40.6 18.9 38.9 – – SWE-bench Verified 69.4 53.2 70 44.2 52 SWE-bench Pro 42.9 31.3 44.6 27.6 35.7 SWE-bench Multilingual 52 39.7 60.3 32.5 51.7 NL2Repo 27.2 16.2 20.5 10.3 15.5 Claw-eval Avg 63.1 53.2 65.4 32.5 48.5 SWE Atlas – QnA 17.9 9.2 13.2 – – SWE Atlas – RF 16.6 4.3 10.2 – – SWE Atlas – TW 15.3 4.4 9.8 –

• * Terminal-Bench 2.1 (Terminus-2): Oceniamy Terminal-Bench 2.1 przy użyciu frameworka Harbor/Terminus-2 z parser=json, temperature=1.0, topp=1.0 i oknem kontekstowym 128K. Każde uruchomienie korzysta z limitu czasowego 4 godzin z 32 rdzeniami CPU i 48GB RAM, a wyniki są uśredniane na podstawie 5 uruchomień. Dostosowujemy szablon czatu Qwen, aby zapewnić spójność między treningiem a wnioskowaniem (https://huggingface.co/deepreinforce-ai/Ornith-1.0-397B/blob/main/chattemplate.jinja), i modyfikujemy Harbor, aby dostosować go do klucza reasoning_content vLLM.
• Terminal-Bench 2.1 (Claude Code): Oceniamy Terminal-Bench 2.1 przy użyciu Claude Code 2.1.126 z parser=json, temperature=1.0, topp=1.0, maxnew_tokens=131072. Wyniki są uśredniane na podstawie 5 uruchomień. Ponownie, szablon czatu Qwen musi być zmodyfikowany.
• SWE-Bench Verified, Pro i Multilingual: korzystając z harness OpenHands z temp=1.0, top_p=0.95, oknem kontekstowym 256k.
• SWE Atlas QnA, RF, TW: korzystając z mini SWE agent harness z temp=1.0, top_p=0.95, oknem kontekstowym 128K. Wyniki są uśredniane na podstawie 5 uruchomień.
• NL2Repo: z temperature=1.0, top_p=1.0, 400K kontekstu, 48K wyjścia i filtrami antyhackingowymi.
• ClawEval: Benchmark kodowania agentycznego w oparciu o rozkłady zadań rzeczywistych użytkowników; temp=0.6 i 256K kontekstu. ? UWAGA

Ornith-1.0-9B jest modelem rozumującym: domyślnie asystent otwiera się z blokiem <think> … </think> przed ostateczną odpowiedzią. Poniższe przepisy serwujące umożliwiają parser rozumowania, aby łańcuch myślenia był zwracany w osobnym polu reasoningcontent, oraz parser wywołania narzędzia, aby bloki <toolcall> modelu były wyświetlane jako wywołania narzędzi w stylu OpenAI. Serwowanie Ornith-1.0-9B wymaga aktualnych środowisk: Transformers ≥ 5.8.1 vLLM ≥ 0.19.1 SGLang ≥ 0.5.9 Zalecane parametry próbkowania: temperature=0.6, topp=0.95, topk=20 (użyj temperature=1.0, aby odtworzyć zgłoszoną konfigurację benchmarku). Ornith-1.0-9B to gęsty model ~9B (≈19 GB w bf16), więc działa wygodnie na pojedynczym GPU 80GB. Poniższe przepisy uruchamiają serwer zgodny z OpenAI; dodaj --tensor-parallel-size / --tp, jeśli chcesz podzielić obciążenie na więcej GPU. Aby szybko przetestować lokalnie (lub zautomatyzować generację offline), załaduj model bezpośrednio z Transformers. Upewnij się, że masz zainstalowaną aktualną wersję — zobacz przewodnik instalacji Transformers; Ornith-1.0-9B wymaga transformers >= 5.8.1.