header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP
Partnered With:

李纪为团队开源Ornith编程模型:397B旗舰版在多项编程基准击败Claude Opus 4.7

据动察 Beating 监测,由知名 NLP 学者李纪为创立的 AI 团队 DeepReinforce 开源了四款专攻编程智能体的 Ornith-1.0 模型,全系采用 MIT 协议发布。Ornith-1.0 在 Gemma 4 与 Qwen 3.5 基础上训练而成,涵盖 Dense(稠密)和 MoE(混合专家)两种架构。在 Terminal-Bench 2.1 (Claude Code) 编程智能体测试中,旗舰款 Ornith-1.0-397B MoE 取得 78.2 的成绩,超越了闭源模型 Claude Opus 4.7 的 69.7。


Ornith-1.0 的核心在于将智能体运行时的环境脚手架与负责编写代码的策略模型进行联合强化学习。不同于传统固定开发环境的做法,模型在训练时会先针对当前任务自发设计并更新脚手架(如定制内存记录和报错重试逻辑),再基于新环境运行生成代码,强化学习的奖励信号会同时回传并优化这两个阶段。


鉴于模型在自进化脚手架时容易通过读取隐藏测试文件、篡改测试脚本等手段进行奖励作弊(Reward Hacking),研发团队部署了三层安全防线:除了在物理沙盒层面锁死外部工具和考场边界外,系统还通过确定性监视器拦截越权读取行为;同时,引入冻结的第三方大模型作为监视裁判,对符合规则但意图投机取巧的解法行使一票否决权。


评测数据显示,中轻量级模型具备越级能力。在相同的 Claude Code 测试环境下,35B 混合专家模型 Ornith-1.0-35B MoE 取得 62.8 的成绩,超越了 397B 大参数模型 Qwen 3.5-397B(48.6)以及 Qwen 3.6-35B(49.2)。专为端侧设计的 Ornith-1.0-9B Dense 模型亦在 SWE-Bench Verified 测试中取得 69.4,超越了 31B 规模的 Gemma 4-31B(52.0)。

全球市场热点不用到处刷,消息送到你眼前

加入律动飞书频道
纠错/举报
提交
新增文库
仅自己可见
公开
保存
选择文库
新增文库
取消
完成