AiTimes 智能时代

Appearance

它会自己写代码、自己搭框架：开源编码模型 Ornith-1.0 全解析 ​

原文链接：https://mp.weixin.qq.com/s/av3GD-ui9GoBMYMj60HRsg 作者：IT研究员（IT研究室） 发布时间：2026-07-12

过去半年，AI 写代码的话题已经快被说烂了。

但你有没有想过：如果 AI 不是被程序员教着怎么干活，而是自己摸索出一套工作方法，那会是什么样子？

2026年6月25日，一家叫 DeepReinforce 的 AI 实验室开源了一个名叫 Ornith-1.0 的编码模型家族，它的核心突破恰恰就是这一点——模型不再依赖人类工程师设计的"执行框架"，而是在训练中自己学会搭建自己的工作脚手架。

最大 397B 参数的版本，在 SWE-Bench Verified 上拿到了 82.4%，超越了 Claude Opus 4.7（80.8%），是同类规模开源模型中的最高分。而最小的 9B Dense 版本，只要一块家用级显卡就能在本地运行，代码质量甚至胜过 Gemma 4-31B 和 Qwen 3.6-35B 这种大得多的小弟。

今天，我们就来拆解一下，Ornith-1.0 到底是什么、为什么它值得你关注。

01 先搞懂一个概念：什么是"脚手架"？ ​

在聊 Ornith 之前，你得先理解一个词——scaffold（脚手架）。

想象一下，你让一个初级程序员去修一个大型开源项目里的 bug。你不会直接说"把 bug 修了"，对吧？你会先告诉他：

  • 先跑测试找到哪里挂了
  • 读相关的源码文件
  • 理解模块之间的依赖关系
  • 写出修复代码
  • 再次跑测试验证

这个"先做什么、再做什么、用哪些工具、遇到错误怎么办"的一整套流程，就是 scaffolding。

在 AI 编码 Agent 中，这个脚手架通常是由人类工程师硬编码写好的——工具调用顺序、错误恢复策略、内存组织方式、重试策略……全部是写死的。

问题在于：这种脚手架是通用的。同一个框架套在所有任务上，就像用一把万能钥匙开所有的锁——能开，但未必是最好的解法。

Ornith 的突破恰恰在这里：它不依赖人类工程师提前设计好脚手架，而是在训练中学会自己为每个任务搭建最合适的脚手架。

这就好比，你不是教一个学徒一套固定的工作流程，而是让他自己摸索出"遇到这种任务该怎么干"。而且干得越好，脚手架就越优。

这就是 DeepReinforce 给 Ornith 起的名字里最核心的创新点——Self-Scaffolding（自我脚手架）。

02 名字来头：为什么叫 Ornith？ ​

Ornith 来自古希腊语中的"鸟"（ὄρνις）。

官方解释说，就像一只鸟用自己的方式筑巢一样，Ornith 也学会了自己搭建解决问题的框架。这个比喻很精妙——鸟不会按图纸筑巢，它是根据环境、材料、经验，自己决定怎么搭。

Ornith 的标志是一只戴着圆眼镜的卡通猫头鹰，看起来人畜无害，实际上在编码测试里是个狠角色。

03 模型家族：从笔记本到服务器，四个型号全覆盖 ​

Ornith-1.0 一次发了四个型号，覆盖了从边缘设备到旗舰级服务器全部场景：

型号参数规模架构基础模型
Ornith-1.0-9B~9BDenseGemma 4
Ornith-1.0-31B~31BDenseGemma 4
Ornith-1.0-35B~35B（激活参数小得多）MoEQwen 3.5
Ornith-1.0-397B~397B（激活参数小得多）MoEQwen 3.5 + Gemma 4
  • 9B Dense：一块家用级显卡就能跑，适合个人开发者和边缘设备
  • 31B Dense：中等规模，兼顾性能和资源
  • 35B MoE：基于 Qwen 3.5，激活参数远小于总参数量，推理效率高
  • 397B MoE：旗舰版本，基于 Qwen 3.5 + Gemma 4 混合预训练

所有模型均使用 MIT 许可证开源，可在 Hugging Face 直接下载。

04 Self-Scaffolding：它是怎么做到的？ ​

传统代码 Agent 的做法是：人设计好流程，模型按流程执行。

Ornith 的做法完全不同。在强化学习训练中，模型不仅要输出代码解决方案，还要输出自己的"训练脚手架"——也就是它用来指导自己学习和改进的流程。

简单来说：

  • 传统方法：人写好脚手架 → 模型在固定流程中学习
  • Ornith 方法：模型自己写脚手架 → 自己和脚手架一起优化

这让 Ornith 能够针对每个任务动态调整自己的工作流程，而不是死板地套用同一套模板。

05 硬核评测成绩 ​

SWE-Bench Verified ​

  • Ornith-1.0-397B：82.4%
  • Claude Opus 4.7：80.8%
  • MiniMax M3：80.5%
  • DeepSeek-V4-Pro：80.6%

Ornith-1.0-397B 以微弱优势超越 Claude Opus 4.7，是同类规模开源模型中的最高分。

Terminal-Bench 2.1 ​

  • Ornith-1.0-397B：77.5
  • Claude Opus 4.7：70.3
  • MiniMax M3：66.0
  • DeepSeek-V4-Pro：67.9

同样超越 Opus 4.7，大幅领先其他开源模型。

小模型惊喜 ​

  • Ornith-1.0-9B 的性能匹配甚至超过了 Gemma 4-31B 和 Qwen 3.6-35B 这些大得多的小弟
  • 这意味着普通开发者用一块游戏卡就能获得超越大型模型的效果

06 为什么值得关注？ ​

1. 开源可商用 ​

MIT 许可证意味着你可以自由使用、修改、分发，没有任何商业限制。

2. 从"写代码"到"完成工程任务" ​

传统的代码模型擅长写函数、补全代码。但真实开发中，你需要的是：

  • 理解整个项目结构
  • 定位问题根源
  • 修改代码
  • 运行测试
  • 根据报错自我修正
  • 直到任务完成

Ornith-1.0 的目标就是让模型具备这种端到端的工程能力。

3. 从小设备到大服务器全覆盖 ​

无论你是想用笔记本跑个小模型试试手，还是在服务器上部署旗舰模型做生产级应用，Ornith 都有对应的型号。

4. 训练理念的创新 ​

Self-Scaffolding 不只是一个技术突破，更是一种新的训练哲学：让模型学会如何工作，而不是只会工作。

07 如何部署和使用？ ​

本地部署 ​

  • 支持 GGUF、FP8 等量化格式
  • 支持 OpenAI-compatible API，可以接入现有工具链
  • 9B 版本只需一块游戏显卡即可运行

在线使用 ​

  • Hugging Face 模型页：deepreinforce-ai/Ornith-1.0-9B
  • 国内可通过 OpenCSG（开放传神）社区访问

工具集成 ​

由于支持 OpenAI 兼容 API，可以轻松接入：

  • Cursor、Windsurf 等 AI 编辑器
  • 自定义 Agent 框架
  • 企业内部开发工具链

08 横向对比：与其他代码模型的关系 ​

模型特点开源代表分数
Ornith-1.0-397BSelf-Scaffolding，RL 训练✅ MITSWE-Bench 82.4%
Claude Opus 4.7闭源标杆❌SWE-Bench 80.8%
MiniMax M3开源竞争者✅SWE-Bench 80.5%
DeepSeek-V4-Pro开源竞争者✅SWE-Bench 80.6%
Gemini 3 Pro闭源竞争者❌-

Ornith-1.0 的亮点在于：它是第一个在 SWE-Bench 上超越 Claude Opus 4.7 的开源模型。

09 不足之处 ​

  • Ornith-1.0 在 Terminal-Bench 2.1 上虽然超过 Opus 4.7（77.5 vs 70.3），但在更新的 Opus 4.8（85）上仍有差距。
  • 在 SWE-Bench Pro 上（62.2%），它略低于 Opus 4.7（64.3%）。
  • 旗舰 397B 模型的部署需要大量 GPU 资源，远不如 9B/35B 那样亲民。
  • DeepReinforce 团队目前公开信息有限，前作是 CUDA-L1/CUDA-L2 和 IterX，是一个专注强化学习的小型实验室。

Ornith 是开源编码模型的一大步，但不是终点。

最后说两句 ​

Ornith-1.0 最打动我的不是 benchmark 数字，而是它的训练理念：让模型学会如何工作，而不是只会工作。

当你下次看着一个 AI 代码助手噼里啪啦敲出一段代码时，不妨想一想——它到底是在执行你写好的流程，还是已经学会了自己搭流程？

Ornith 给出了第一个开源的答案。

如果觉得这篇文章有用，欢迎转发给身边的开发者朋友。也欢迎在评论区聊聊：你觉得 Self-Scaffolding 的训练方式，会是未来 AI 模型的主流方向吗？

参考资料 ​

  1. DeepReinforce 官方博客：https://deep-reinforce.com/ornith_1_0.html
  2. Hugging Face 模型页：https://huggingface.co/deepreinforce/Ornith-1.0-9B
  3. OpenCSG 社区介绍：https://opencsg.com/models/AIWizards/Ornith-1.0-9B
  4. TechTimes 报道：https://www.techtimes.com/articles/319122/20260626/open-source-coding-model-ornith-10-writes-its-own-training-scaffold-reinforcement-learning.htm
  5. MarkTechPost 报道：https://www.marktechpost.com/2026/06/25/deepreinforce-releases-ornith-1-0-an-open-source-coding-model-family-that-learns-its-own-rl-scaffolds

版权声明：本文为 IT研究员（IT研究室）原创内容，转载自微信公众号。本站仅作分享用途，版权归原作者所有。