Ornith-1.0是一个开源自改进编码模型，提供9B至397B多种规模，在多项编码基准测试中达到顶尖水平。它采用强化学习联合优化代码生成与执行框架，从而发现更优搜索路径并提升解决方案质量。模型采用MIT许可，全球可访问。

好的，这是根据您的要求，对原文主要内容进行的中文重述，已保留关键细节并删减了与主题无关的内容。

标题： GitHub - deepreinforce-ai/Ornith-1

核心内容： Ornith-1.0 是一个开源的、具备自我提升能力的编程智能体模型。

主要特点：

1. 顶尖的编程智能体性能：提供 9B、31B、35B（MoE）和 397B（MoE）四种参数规模的模型。这些模型在 Terminal-Bench 2.1、SWE-Bench 等编程基准测试中，达到了同规模开源模型的顶尖水平。
2. 自我提升的训练框架：该模型采用强化学习（RL）进行训练，不仅能生成解决方案，还能生成驱动这些解决方案的“脚手架”。通过联合优化“脚手架”和最终方案，模型能发现更优的搜索路径，从而生成更高质量的解决方案。
3. 开源许可：采用 MIT 许可，全球可访问，无地域限制。

基准测试结果摘要：

• Ornith-1.0-9B：在多项测试中表现优于 Qwen3.5-9B 和 Gemma4-12B 等模型。例如，在 Terminal-Bench 2.1 上得分为 43.1，SWE-bench Verified 得分为 69.4。
• Ornith-1.0-35B：性能显著超越 Qwen3.5-35B 和 Gemma4-31B。例如，在 Terminal-Bench 2.1 上得分为 64.2，SWE-bench Verified 得分为 75.6。
• Ornith-1.0-397B：与 Qwen3.5-397B、DeepSeek-V4-Pro 等更大规模的模型相比，表现极具竞争力。例如，在 Terminal-Bench 2.1 上得分为 77.5，SWE-bench Verified 得分为 82.4。

快速开始指南：

• 模型类型：Ornith-1.0 是一个推理模型，其回复会包含一个 thinking...response 的推理过程块。服务端配置已支持将思维链和工具调用解析为独立字段。
• 运行环境要求：需要 Transformers ≥ 5.8.1、vLLM ≥ 0.19.1 或 SGLang ≥ 0.5.9 等较新的运行时环境。
• 推荐采样参数：temperature=0.6, top_p=0.95, top_k=20。
• 模型部署：提供了使用 vLLM、SGLang 和 Hugging Face Transformers 三种框架启动 OpenAI 兼容 API 服务的详细命令。所有模型均支持 256K 的上下文窗口。
• 模型格式：除了标准的 bf16 格式，还提供了 FP8 和 GGUF（量化）格式，以适应不同的硬件和部署需求。
• API 使用：服务启动后，可通过任何 OpenAI 兼容的客户端（如 Python 的 OpenAI 库）进行调用，支持流式输出和工具调用（function calling）。

智能体使用场景：

• 框架集成：Ornith-1.0 可无缝集成到 Hermes Agent、OpenHands、OpenClaw 等主流智能体框架中，只需将 API 端点指向本地运行的 Ornith 服务即可。
• 本地推理：支持通过 llama.cpp 和 Ollama 加载 GGUF 格式的模型进行本地推理。
• 编程 CLI：针对终端编程智能体进行了优化，可配合 OpenCode 等工具使用。

引用： 如果该工作对您有帮助，欢迎引用。

根据评论内容，主要观点和论据如下：

观点一：模型本质是Qwen或Gemma的微调版本，缺乏创新性 - 评论3（S0y）指出：“These are simply benchmaxxed versions of either Qwen or Gemma 4.”（这些只是Qwen或Gemma 4的刷榜版本。） - 评论6（v3ss0n）批评：“Self-Improving bullshit. It is just Qwen 3.5 finetune benchmaxxed.”（自我改进是胡扯，只是Qwen 3.5的微调刷榜版。）

观点二：模型在特定场景下表现良好，但存在局限性 - 评论4（ricardobayes）认可：“Based on my limited usage, it is good, gives creative solutions to coding problems.”（基于有限使用，它很好，能提供有创意的编程解决方案。） - 评论2（CharlesW）引用第三方评测指出：“Poor performer here, only found the one bug that almost every model found... It also performs poorly in a chat without tools, exhibiting an enthusiasm for hallucination.”（表现不佳，只找到了几乎所有模型都能找到的bug；在无工具聊天中表现差，热衷于幻觉。）

观点三：模型信息不透明，存在疑问 - 评论1（kennywinker）质疑：“Can anyone explain what’s the story here? Is this just a re-skinned qwen? Who is deepreinforce-ai and why isn’t this model listed on their website?”（谁能解释一下？这只是Qwen换皮吗？deepreinforce-ai是谁，为什么模型没列在官网上？） - 评论5（anana_）指出：“They keep mentioning a 31B dense model, but there are no benchmarks or weights for it anywhere?”（他们一直提到31B密集模型，但没有任何基准测试或权重发布？）

总结：评论者对模型评价两极分化。部分认为它只是Qwen/Gemma的微调刷榜版，缺乏实质创新；另一部分认可其在编程等任务中的表现，但指出存在幻觉和工具调用问题。同时，模型来源、31B版本信息不透明引发质疑。