原文来源：数字生命阿永 原文链接：https://mp.weixin.qq.com/s/ziCMdZXAOuJcH1Skplb2qA 本文为原创整理发布，转载请注明出处。

大家好，我是阿永。

Claude Code 很好用，Qwen 3.6 的本地推理也很强，这没人否认。但目前所有 AI 编程智能体（Coding Agent）都有一个致命死穴："脑子够聪明，但手脚太僵硬"。

写代码时，AI 模型往往被塞进一个由人类程序员提前写死的、死板的运行环境（也就是脚手架 / Harness）里。一旦编译器报出意料之外的错误，AI 就会像个无头苍蝇一样疯狂复读报错，直至额度烧光。

最近，AI 圈的黑马实验室 DeepReinforce 丢出了一个真正的"掀桌级"狠东西——Ornith-1.0。

它不单单会写代码，最炸裂的地方在于：它会在强化学习（RL）的过程中，自己为自己写运行脚手架。它能自己规划步骤、自己写纠错拦截器、自己调用工具去打通本地测试！

什么是 Self-Scaffolding（自搭建脚手架）？

传统的 AI 编程是在人类预设的"铁笼子"里戴着镣铐跳舞。而 Ornith-1.0 的核心逻辑在于 Self-Scaffolding（自搭建脚手架）联合优化。

在后训练（Post-training）阶段，模型在学习如何解决代码问题的同时，也在协同进化出一套用于规划、重试、文件校验和测试的自定义框架。

怎么防止它作弊？

既然能自建脚手架，它会不会在跑分时"作弊"？大模型非常聪明，如果放任它自己写脚手架，它很容易学会"作弊"（Reward Hacking）——比如偷偷读取后台的测试集文件，然后硬编码答案直接通关，在跑分表上刷出虚假的高分。

为了防止大模型不讲武德，DeepReinforce 团队在后台构筑了三层防作弊铁幕：

1. 第一层：固定外部信任边界（Outer Trust Boundary）：物理隔绝运行环境，模型只能进化它内部的决策逻辑，触碰不到测试沙盒。
2. 第二层：确定性监控器（Deterministic Monitor）：一旦监测到模型企图读取限制路径或修改验证脚本，该轮奖励直接判定为 0 分。
3. 第三层：冰封 LLM 裁判（Frozen LLM Judge）：用一个不参与训练的、保持中立的高智商大模型充当终审裁判，一票否决任何投机取巧的作弊行为。

更关键的是：Ornith-1.0 全系采用 MIT 开源协议！ 无论你拿去商用还是自己折腾，完全免费、没有单点供应商锁定。

一张表把底裤扒干净

Ornith-1.0 包含了从 9B 密集模型（基于 Gemma 4）、35B MoE（基于 Qwen 3.6，单 Token 仅激活 3B 参数），到 397B 旗舰级 MoE 的全系列。

我们直接看它在行业权威基准测试中的"越级"跑分：

评测集名称 (Benchmark)	Ornith-1.0-35B MoE	Qwen 3.5-35B (基座)	Qwen 3.5-397B (千亿级)	行业旗舰对比 (Opus 4.7)
Terminal Bench 2.1 (Terminus-2)	64.2	41.4	53.5	—
Terminal Bench 2.1 (Claude Code)	62.8	38.9	49.2	—
SWE-bench Verified (Bug 修复)	75.6	70.0	76.4	—
SWE-bench Pro (高难度重构)	50.4	44.6	60.6	50.4
NL2Repo (多文件关联补全)	34.6	20.5	36.8	—

越级碾压！ 35B 规格打平了千亿级的 Qwen 397B。

注：Ornith-1.0-9B 密集版在内存受限设备上同样恐怖，其在 SWE-bench Verified 上取得了 69.4 的高分，远超 Gemma 4-12B 的 44.2 分。

本地实测：一键写出高保真"3D电梯模拟器"

用 Ornith-1.0-35B MoE 配合本地智能体框架（如 Hermes Agent / OpenCode）进行了深度压榨：

• 实测指令："用单个 HTML 文件编写一个复杂的 3D 电梯模拟器。要求：3部电梯协同运行、支持随机生成乘客（包含目的地和当前楼层）、乘客可动态选择最近电梯、电梯具备超速控制和限员，并在浏览器中可直接预览调试。"
• 实际表现：
  • Ornith 并没有一上来就盲目堆砌 JS 逻辑。相反，由于它具备 Self-Scaffolding 的特征，它首先自主建立了规范步骤（定义电梯状态、规划电梯调度算法、编写 CSS 动画、集成状态机逻辑）。
  • 遇到"多电梯并发状态冲突"的异常报错时，Ornith 自动捕获了控制台报错，并在第二轮尝试中无缝修复。
  • 产出的电梯模拟器（elevator_sim.html）界面极其精致，乘客动画、速度调节、引力反馈和状态看板一应俱全，物理逻辑毫无破绽。
  • 在 35B MoE（实际每 Token 仅激活 3B 算力）的极速吐字下，这个本地小模型展现了让人难以置信的工程完整度。

手把手教你：怎么在本地用 Ollama 跑起来！

国内的朋友们，照着阿永的步骤点鼠标，10 分钟内让你家电脑跑起来！

方案一：适合 8G 显存以下（本地 Ollama 一键启动 9B 版）

如果你只想在笔记本或者低配显卡上尝个鲜，直接用 Ollama 运行 9B 版本（基于最新的 Gemma 4）：

1. 打开黑色命令行窗口（CMD 或 Terminal）
2. 直接输入以下命令并回车，Ollama 会自动从高速通道拉取并运行：

ollama run hf.co/deepreinforce-ai/Ornith-1.0-9B-GGUF

方案二：适合 12G - 24G 显存（主力推荐：35B MoE GGUF 版）

如果你有 RTX 3060 12G、4060Ti 16G 或是 Mac 设备，强烈推荐下载 35B MoE 版本，它能实现 3B 级的吐字速度，27B 级的深度智商！

1. 下载最新版 llama.cpp 程序，并在根目录新建一个 models 文件夹
2. 访问 HuggingFace 镜像源高速下载 GGUF 文件（推荐选择 Q4_K_M 量化版，约 19GB）
3. 将模型移动至 models 文件夹，在根目录下新建 启动.bat，右键用记事本编辑，写入以下一键启动命令：

llama-server.exe -m models/Ornith-1.0-35B-GGUF-Q4_K_M.gguf --host 0.0.0.0 --port 8080 -ngl 99

4. ⚠️ 保存时，另存为文件名"启动.bat"，编码必须选择"ANSI"（防止乱码闪退！）

关联 VS Code 作为你的本地免费编程助手

保持运行窗口不要关闭：

1. 在 VS Code 中下载 Continue 插件
2. 在插件设置里，添加本地自定义模型，地址填入：http://127.0.0.1:8080/v1
3. 配置完成。现在，你的本地私有化、免 API 费用、带深度推理和自建脚手架能力的免费编程助手正式上线！

避坑警告：它会吐 <think> 标签！

阿永在实测中发现，Ornith 是一个深度推理模型（Reasoning Model）。在回答和调用工具前，它会在后台强制输出一段以 <think> 标签包裹的思维草稿。

如果你的本地客户端（如旧版 LM Studio 或未做适配的 Agent 框架）无法正确剥离这些标签，模型就会把草稿当成工具调用，导致智能体循环直接瘫痪！

自救指南：

• 部署时，请确保你的 Ollama 或 vLLM、SGLang 升级到了最新版，并在配置中开启了思维路径分离机制（Reasoning Content Parser）。
• 对于普通开发者，最稳妥、最省心的方法是直接在 LM Studio 最新版本或 llama.cpp 中通过标准的 GGUF 格式来跑，客户端会自动将思维链单独折叠起来，防止格式污染。

---

如果觉得这篇教程帮到了你，欢迎点赞、在看、转发给正在发愁 Coding Agent 经常报错撞墙的朋友。

原文链接： https://mp.weixin.qq.com/s/ziCMdZXAOuJcH1Skplb2qA

版权声明： 本文为 AiTimes 智能时代 原创整理发布，转载请注明出处。