Ornith-1.0：用于智能体编码的自支架大语言模型

# Ornith-1.0：用于智能体编程的自脚手架大语言模型 来源：https://simonwillison.net/2026/Jun/29/ornith/ 2026年6月29日 \- 链接博客 **Ornith\-1\.0: Self\-Scaffolding LLMs for Agentic Coding（https://deep-reinforce.com/ornith_1_0.html）**。这是一个有趣的开源权重（MIT 许可）新模型，也是 DeepReinforce 发布的首个模型。 > \[\.\.\.\] 变体包括 9B Dense、31B Dense、35B MoE 和 397B MoE。基于预训练的 Gemma 4 和 Qwen 3.5 构建，在编码基准测试中，它在规模相近的开源模型中达到了最先进的性能。 据我所知，这些底层模型的许可证与这种方式兼容——Gemma 4 采用 Apache 2.0 许可（且不受之前 Gemma 模型附带的繁琐附加 Gemma 使用条款（https://ai.google.dev/gemma/terms）的约束），Qwen 3.5 也采用 Apache 2.0 许可。 我一直在使用 LM Studio 和 ornith-1.0-35b-Q4_K_M.gguf（https://huggingface.co/deepreinforce-ai/Ornith-1.0-35B-GGUF）（20GB）GGUF 格式运行该模型，并连接到 Pi（https://pi.dev/）。初步印象非常好——它似乎能够熟练地在多次工具调用中运行智能体框架。 这是一个终端会话（https://gisthost.github.io/?35da4d9ce7f0c27124c67655a0dc9e5d），我在其中要求它“找到解码 actor cookie 的代码”，然后“找到点击按钮时打开插入对话框的代码”，针对一个 Datasette 检出版本，它轻松处理了。 我还让它画了这只鹈鹕（https://gist.github.com/simonw/1869e1bbcafe5bcad0f26351f6a978a6），输出速度为 103 tokens/秒： > 一只白色鹈鹕（虽然有点变形）的卡通插图，有着巨大的橙色喙，骑着红色自行车穿过绿色山丘。场景中有蓝天、黄色太阳和三朵白云，前景点缀着小草簇。 虽然有点变形，但鹈鹕显然是鹈鹕。 我找不到太多关于 DeepReinforce 本身的信息。我能找到的最早论文是 2025 年 6 月的 CUDA-L1: Improving CUDA Optimization via Contrastive Reinforcement Learning（https://arxiv.org/abs/2507.14111）。