Ornith 发布开放模型家族 Ornith-1.5，含 397B MoE 等三种规格

AI 模型厂商 Ornith 近日发布了其开放模型家族 Ornith-1.5，包含三种不同规模的模型变体，主打端到端自改进的训练流程。根据 TestingCatalog 在 X 上的报道，该家族包括 397B 参数的 MoE 模型、35B 参数的 MoE 模型以及 9B 参数的 dense 模型，规模跨度较大，覆盖从旗舰研究级到本地可部署的多个使用场景。

模型规格

Ornith-1.5 家族包含三个变体：

• 397B MoE：旗舰规格，采用混合专家架构
• 35B MoE：中等规模，同样为 MoE 架构
• 9B dense：稠密参数版本，适合本地测试与轻量部署

三种规格覆盖了从云端推理到本地运行的典型部署需求，其中 397B 规模在当前开放权重模型中属于较大量级。

训练方法：端到端自改进

Ornith-1.5 的核心亮点在于采用了「端到端自改进」（end-to-end self-improvement）的训练范式。报道描述称，模型在训练过程中会自行提出新任务（propose new tasks），并生成针对这些任务的专用脚手架（task-specific scaffolds），随后产出解题轨迹用于强化学习。这种「模型自己出题、自己搭建环境、自己作答并用于 RL」的闭环流程，与近期一些自我演化与代理式训练的研究方向相吻合，但目前缺乏论文或技术报告支撑，方法细节尚不明朗。

声称的基准表现

报道声称 Ornith-1.5 在多数基准测试上达到「Opus 4.8」和「GLM 5.2」的水平。需注意的是，这两个版本号在当前主流公开模型中并无明确对应物（Anthropic Claude 当前公开发布版本约为 Opus 4.1/4.5，智谱 GLM 主线最新公开版本约为 GLM-4 系列），因此该性能声明的参照基准与具体测试细节均有待 Ornith 官方进一步披露确认。

信息局限

截至目前，公开信息仅有 TestingCatalog 一条 X 帖文，尚未见到 Ornith 官方博客、模型卡（Hugging Face 仓库链接）或技术报告。模型的具体架构细节、激活参数量、训练数据规模、上下文窗口长度，以及实际 benchmark 跑分数据均未公布，397B MoE 的开源权重是否已可下载、采用何种许可证也尚不清楚。建议读者关注后续官方渠道的正式发布以获取完整信息。