header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
掃碼下載APP
Partnered With:

李紀為團隊開源 Ornith 編程模型:397B 旗艦版在多項編程基準擊敗 Claude Opus 4.7

据動察 Beating 監測,由知名 NLP 學者李紀為創立的 AI 團隊 DeepReinforce 開源了四款專攻編程智能體的 Ornith-1.0 模型,全系採用 MIT 協議發布。Ornith-1.0 在 Gemma 4 與 Qwen 3.5 基礎上訓練而成,涵蓋 Dense(稠密)和 MoE(混合專家)兩種架構。在 Terminal-Bench 2.1 (Claude Code) 編程智能體測試中,旗艦款 Ornith-1.0-397B MoE 取得 78.2 的成績,超越了閉源模型 Claude Opus 4.7 的 69.7。


Ornith-1.0 的核心在於將智能體運行時的環境腳手架與負責編寫程式碼的策略模型進行聯合強化學習。不同於傳統固定開發環境的做法,模型在訓練時會先針對當前任務自發設計並更新腳手架(如定製內存記錄和錯誤重試邏輯),再基於新環境運行生成程式碼,強化學習的獎勵信號會同時回傳並優化這兩個階段。


鑒於模型在自進化腳手架時容易通過讀取隱藏測試檔案、篡改測試腳本等手段進行獎勵作弊(Reward Hacking),研發團隊部署了三層安全防線:除了在物理沙盒層面鎖死外部工具和考場邊界外,系統還通過確定性監視器攔截越權讀取行為;同時,引入凍結的第三方大模型作為監視裁判,對符合規則但意圖投機取巧的解法行使一票否決權。


評測數據顯示,中輕量級模型具備越級能力。在相同的 Claude Code 測試環境下,35B 混合專家模型 Ornith-1.0-35B MoE 取得 62.8 的成績,超越了 397B 大參數模型 Qwen 3.5-397B(48.6)以及 Qwen 3.6-35B(49.2)。專為端側設計的 Ornith-1.0-9B Dense 模型亦在 SWE-Bench Verified 測試中取得 69.4,超越了 31B 規模的 Gemma 4-31B(52.0)。

举报 糾錯/舉報
相關推薦
在業務高速擴張之際,Anthropic 卻主動呼籲「踩剎車」。
糾錯/舉報
提交
新增文庫
僅自己可見
公開
保存
選擇文庫
新增文庫
取消
完成