Ornith 1.5 397B

Überblick

Ornith-1.5-397B ist das MoE-Flaggschiff der zweiten Ornith-Generation von DeepReinforce, abgeleitet aus Qwen 3.5 und speziell für agentisches Coding post-trainiert. Es ist ein Reasoning-Modell mit Tool- und Function-Calling und steht unter MIT-Lizenz ohne regionale Einschränkungen.

Neu gegenüber Ornith 1.0 ist der geschlossene Selbstverbesserungs-Kreis: Das Modell schlägt im RL eigene, schwierigere Aufgaben vor, baut dazu das Scaffold und erzeugt die Lösungs-Rollouts, aus denen das Trainingssignal entsteht – gemeinsam optimiert über GRPO.

Use Cases

• Agentische Coding-Aufgaben in Terminal- und Repo-Umgebungen (Terminal-Bench, SWE-Bench, NL2Repo)
• Autonome Bug-Fixes und Feature-Arbeit in großen Codebasen über Agent-Harnesses (OpenHands, Claude Code, Terminus-2, Mini-SWE-Agent)
• Werkzeuggestützte Recherche und MCP-Workflows (MCP-Atlas, Toolathlon, BrowseComp)

Stärken & Grenzen

• Stark: Auf Terminal-Bench 2.1 mit 86,1 knapp vor dem von DeepReinforce angegebenen Wert für Claude Opus 4.8 (85,0); SWE-bench Verified 86,0 auf vergleichbarem Niveau.
• Stark: Werkzeug- und Recherchebenchmarks (MCP-Atlas 80,0, BrowseComp 86,6, WideSearch 80,8) liegen deutlich über dem, was offene Modelle dieser Klasse sonst berichten.
• Grenze: Auf Frontier-Bench v0.1 nur 13,5 gegenüber 21,1 für Claude Opus 4.8 – bei wirklich neuen, schwer strukturierten Aufgaben bleibt der Abstand bestehen.
• Grenze: Kein einziger Wert ist unabhängig nachgemessen. Alle Zahlen stammen von DeepReinforce, gemittelt über fünf Läufe. Artificial Analysis führt weder Ornith 1.5 noch Ornith 1.0 (Stand 26.08.2026); BenchLM übernimmt die Herstellerwerte ausdrücklich als „provider-reported".
• Grenze: Klar auf Coding und Agentik zugeschnitten – kein Allrounder für breite Wissens- oder Multimodal-Aufgaben.

Praxis-Erfahrung

• Hardwarebedarf: 397B MoE mit 512 Experten (Top-10-Routing) über 60 Layer; ein Einzelserver reicht nur mit FP8- oder GGUF-Build. Offizielle Quantisierungen liegen als Ornith-1.5-397B-FP8 und -GGUF vor, der Ollama-Build wiegt 242 GB.
• Reasoning- und Tool-Call-Parser müssen serverseitig aktiviert werden (Qwen-3.5-Familie); die config.json weist qwen3_5_moe und Qwen3_5MoeForConditionalGeneration aus.
• DeepReinforce hat Terminal-Bench 2.1 auf 32 CPU-Kernen mit 48 GB RAM und vier Stunden Timeout je Aufgabe gemessen – die Werte setzen eine großzügig ausgestattete Agent-Umgebung voraus.

Gut zu wissen

• Lizenz: MIT, global zugänglich, kommerziell nutzbar.
• Kontext: max_position_embeddings = 262.144; Ollama weist 256K aus. DataNorth nennt eine Erweiterbarkeit auf rund 1M über Skalierungsverfahren – dafür gibt es keine publizierten Long-Context-Evals.
• Modalitäten: Der Launch-Beitrag beschreibt Ornith 1.5 rein textlich, config.json und Ollama weisen jedoch übereinstimmend einen Vision-Encoder und Bild-Token aus (Video-Token nur im 9B). Die Card führt daher Text + Bild als Eingabe, aber kein Video.
• Aktive Parameter sind nicht offiziell beziffert. Community-Analysen leiten das Modell aus Qwen3.5-397B-A17B ab; das ist nicht bestätigt und deshalb nicht als Feld gesetzt.
• Release-Datum: Der Launch-Beitrag nennt nur „August 2026". Sekundärquellen datieren auf den 18., 19. bzw. 20.08.2026 – die Card führt deshalb Monatsgenauigkeit.

Weitere Benchmarkwerte ohne Eintrag in der Score-Tabelle

Alle Werte DeepReinforce, Mittel aus fünf Läufen.

Benchmark	Ornith 1.5 397B
SWE-bench Pro	65,1
SWE-bench Multilingual	79,6
DeepSWE	56,0
Frontier-Bench v0.1	13,5
NL2Repo	59,5
SWE Atlas – QnA	55,6
HLE (mit Tools)	56,1
MCP-Atlas	80,0
Toolathlon-Verified	71,2
WideSearch	80,8
BrowseComp	86,6
ClawEval	81,4