Ornith 1.0 397B

Überblick

Ornith-1.0-397B ist das MoE-Flaggschiff der offenen Ornith-1.0-Familie von DeepReinforce, post-trainiert auf Basis von Qwen 3.5 und speziell für agentisches Coding ausgelegt. Es ist ein Reasoning-Modell (<think>-Block vor der Antwort) und steht unter MIT-Lizenz ohne regionale Einschränkungen zur Verfügung.

Use Cases

• Agentische Coding-Aufgaben in Terminal- und Repo-Umgebungen (Terminal-Bench, SWE-Bench, NL2Repo)
• Autonome Bug-Fixes und Feature-Implementierung in großen Codebasen über Agent-Harnesses (OpenHands, OpenClaw, Hermes)
• Tool- und Function-Calling über OpenAI-kompatible Endpunkte

Stärken & Grenzen

• Stark: Auf agentischen Coding-Benchmarks auf dem Niveau von Claude Opus 4.7 und vor vergleichbaren Open-Weight-Modellen wie MiniMax M3 und DeepSeek-V4-Pro.
• Grenze: Klar auf Coding spezialisiert – kein Allrounder für breite Wissens- oder Multimodal-Aufgaben; Claude Opus 4.8 bleibt auf denselben Benchmarks voraus.
• Grenze: 397B-MoE erfordert erhebliche Hardware (Referenz-Setup: 8×80 GB GPU, Tensor-Parallel 8).

Praxis-Erfahrung

• Reasoning- und Tool-Call-Parser (qwen3) müssen serverseitig aktiviert werden; empfohlene Sampling-Parameter temperature=0.6, top_p=0.95.
• Benötigt aktuelle Runtimes: Transformers ≥ 5.8.1, vLLM ≥ 0.19.1, SGLang ≥ 0.5.9.

Gut zu wissen

• Lizenz: MIT, global zugänglich.
• Besonderheit „Self-Scaffolding": Das Modell lernt im RL nicht nur Lösungen, sondern auch die aufgabenspezifischen Scaffolds/Harnesses, die diese Lösungen steuern.
• Kontext: bis 256K Token (Referenz-Serving 262.144).