Ornith-1.0：面向智能编码的自构建 LLM

Ornith-1.0： 用于代理式编码的自支撑大语言模型

这是一款极具吸引力的新款开源权重模型（采用MIT许可证），也是DeepReinforce发布的首个模型。

[...] 其中包含多种变体，包括9B Dense、31B Dense、35B MoE以及397B MoE。该模型基于预训练的Gemma 4和Qwen 3.5构建而成，在与同等规模的开源模型在编码基准测试中均取得了业界顶尖的性能表现。

据我所知，这些底层模型的许可证与这种使用方式兼容——Gemma 4采用Apache 2.0许可证（且未受此前Gemma模型所遭受的那套繁琐的额外Gemma使用条款约束）， 而Qwen 3.5同样采用Apache 2.0许可证。

我已使用LM Studio运行该模型，并将ornith-1.0-35b-Q4_K_M.gguf（20GB）GGUF模型连接至Pi设备。 初步体验非常不错——它似乎能够高效地完成多个工具调用下的代理任务。

以下是一个终端会话记录： 我在其中要求其“查找解码演员Cookie的代码”，随后又要求其“在按钮被点击时， 查找打开插入对话框的代码”，并针对Datasette的代码库进行操作，而该模型也轻松完成了这些任务。

此外，我还让其绘制了这只鹈鹕， 其生成速度达到了每秒103个token：

虽然画面略显粗糙，但显然这只鹈鹕就是那只真正的鹈鹕。

我尚未找到太多关于DeepReinforce本身的资料。 我所能找到的最早一篇论文是2025年6月发表的CUDA-L1： 通过对比强化学习优化CUDA。

标签：AI, 生成式AI, 本地LLM, LLM, Qwen, 骑自行车的鹈鹕, Gemma, LLM发布, LM Studio