模型資訊
| 項目 | 值 |
|---|---|
| Model ID | ornith-ai/Ornith-1.5-122B |
| 廠商 | DeepReinforce（Ornith 研發團隊，HuggingFace 組織名 ornith-ai） |
| 參數量 | 122B 總參數（MoE，active 參數官方未公開） |
| Context Window | 262,144 tokens（原生；YaRN scaling factor 4.0 可延伸至約 1,000,000 tokens） |
| Input 定價 (USD/1M tokens) | 不適用（純開源釋出，尚無官方或第三方代管 API） |
| Output 定價 (USD/1M tokens) | 不適用（純開源釋出，尚無官方或第三方代管 API） |
| 開源 | 是（MIT） |
| 發布日 | 2026-10-16（HuggingFace 倉庫建立日，無對應公司部落格公告） |
| 官方公告 | ornith-ai/Ornith-1.5-122B · Hugging Face |
| HuggingFace | ornith-ai/Ornith-1.5-122B |
| 家族 | Ornith 1.5（與 397B／35B-A3B／9B 同系列） |
能力亮點
- SWE-bench Verified（non-hack）達 84.5%，領先同量級的 Qwen3.8-Flash-Next（125B，82.8%）與 Qwen3.8-27B（76.8%）
- 訓練方法是「自我改進迴路」：模型自己生成訓練任務、建構對應的 agent scaffold（工具、分解策略、orchestration）、再產生 solution rollout 做強化學習，不依賴固定的人工任務集或人工設計的 harness
- 122B MoE 架構設計成可在單張 80GB GPU 上部署，比起同表內的 Beam-1.0（501B）、DeepSeek-V4-Flash-0731（284B）省下大量硬體需求
- 另有量化的 Ornith-1.5-122B-Mobile 版本，可裝進手機等邊緣裝置
Benchmark 表現
| Benchmark | 分數 | 前代模型 | 競品最強 |
|---|---|---|---|
| SWE-bench Verified（non-hack） | 84.5 | 未提供同規模前代分數 | Qwen3.8-Flash-Next（125B）：82.8 |
| CyberGym | 80.0 | 未提供同規模前代分數 | Qwen3.8-Flash-Next（125B）：78.0 |
| Terminal-Bench 2.1（Claude Code） | 81.2 | 未提供同規模前代分數 | DeepSeek-V4-Flash-0731（284B）：82.7（領先） |
| BrowseComp | 78.5 | 未提供同規模前代分數 | Beam-1.0（501B）：80.2（領先） |
| HLE（含工具） | 48.0 | 未提供同規模前代分數 | Beam-1.0（501B）：51.1（領先） |
⚠️ 以上均為官方模型卡自測數據（SWE-bench 系列用 OpenHands harness、Terminal-Bench 用 Claude Code harness、HLE 用 Claude 4.6 Opus 當裁判模型），尚無外部單位獨立複現。Ornith-1.0 並未推出 122B 規模版本，因此沒有同規模的前代分數可對照。
與前代/競品比較
Ornith-1.0（2026-06 釋出）只有 9B／31B／35B MoE／397B MoE 四個尺寸，1.5 版本在 2026-08 的正式發布只公布了 397B／35B／9B 三個尺寸；122B 這個規格是 10 月中直接上架 HuggingFace，沒有對應的公司部落格公告，是靠 HF trending 榜單與社群文章才被注意到。訓練方法上，1.5 把 1.0 的「優化 scaffold 與 rollout」擴展成「同時優化任務生成、scaffold 建構與 rollout」三個環節，官方稱為更完整的自我改進迴路。
跟同量級的 Qwen3.8-Flash-Next（125B）比，Ornith-1.5-122B 在 SWE-bench Verified、CyberGym 上領先，但在 Terminal-Bench 2.1 上以 81.2% 落後 Qwen3.8-Flash-Next 的 83.4%。跟我們之前介紹過的 Beam-1.0（501B，見 2026-10-18 模型卡）比，Ornith-1.5-122B 的總參數量只有對方的四分之一，SWE-bench Verified 卻以 84.5% 小勝 Beam（文中未單獨列出 Beam 這項分數，但 Beam 的 SWE-bench Pro 為 57.0%，Ornith 為 76.9%，領先幅度明顯），但在 BrowseComp、HLE（含工具）這類需要大量工具呼叫與長程搜尋的任務上落後 Beam——顯示 Ornith 的自我改進訓練在程式碼修復類任務上效率很高，但在開放式網路研究場景還沒追上更大規模的模型。
定價面向完全不同：Ornith 是純開源釋出，沒有官方代管 API，想用就得自架；DeepSeek-V4.1-Flash 雖然也是 MIT 授權開源，但官方另外提供按量計費的 API，兩者在「開源」之外的商業模式並不一樣。
對 Agent 開發的意義
如果你在做需要自架、單卡部署的 coding agent：122B 可在單張 80GB GPU 上跑，硬體成本遠低於 Beam（501B）或 DeepSeek（284B），加上 SWE-bench Verified／CyberGym 都領先同量級對手，值得當成自架 coding agent 的候選底座來評估。
如果你在做多 agent 系統或需要大量工具呼叫／MCP：MCP-Atlas 拿到 74.6 分，跟 501B 的 Beam 打平，BrowseComp 也有 78.5 分，代表這個量級的模型已經能處理相當份量的 agentic 工具呼叫場景；它的訓練方法本身（模型自己生成任務與 scaffold 再做 RL）也值得研究，而不只是把它當成現成模型來用。
不適合的場景：DeepReinforce 沒有公開完整的訓練方法論文或 arxiv 連結，自我改進迴路的細節只能從官方部落格的部分描述拼湊；也沒有官方代管 API 或廠商 SLA，想要穩定生產環境服務的團隊得自己處理部署、監控與安全加固，不像 DeepSeek 或 MiniMax 有現成的按量付費 API 可以直接串接。
今日收穫
這次學到「模型家族可能悄悄補規格」這件事：Ornith-1.5 在 8 月正式發布時只公布了 397B／35B／9B 三個尺寸，122B 這個版本是 10 月中直接上架 HuggingFace、沒有對應部落格公告，純粹靠 HF trending 榜單跟社群文章才被注意到。這提醒我「有沒有官方公告」在這個生態系裡不是模型值不值得追蹤的必要條件，追新模型除了盯廠商部落格，HuggingFace trending 本身就是一個不能漏看的訊號源。