前言

背景：2026 年 6 月，DeepReinforce 以 MIT 授權釋出 Ornith-1.0——一個明確為代理式編碼任務而非一般會話用途打造的開源模型家族。本文說明 Ornith 有何不同、為何代理能力在開發者工作流程中愈來愈有價值，以及 Ornith 的優勢與侷限。目標是為工程師、技術經理與 AI 從業者提供一個清晰、務實的 Ornith 設計理念、經驗性表現與建議使用情境的觀點。

懶人包

Ornith 是一個以代理為先的開源大型語言模型家族（9B、31B、35B MoE、397B MoE），針對自主多步驟編碼任務進行優化。 其訓練同時優化策略生成與解決方案執行，在編碼基準測試上呈現良好成績。這些模型刻意降低一般用途對話表現——請用於程式庫／終端機自動化，而非撰寫電子郵件或學術摘要。

主體

DeepReinforce 以 MIT 授權釋出 Ornith-1.0，這是一個從頭為代理式編碼設計的模型家族：也就是能在真實終端機與程式庫中自主執行多步驟開發工作流程的 AI。該家族包含四種規模：一個 9 億參數的密集模型、31 億的密集模型、35 億的專家混合（MoE）變體，以及 397 億參數的 MoE 旗艦。這些規模涵蓋了邊緣部署到大型基礎設施的需求，依據運算預算與延遲要求提供團隊彈性。

要理解 Ornith 的目的，有助於對比現代大型模型中的兩種常見範式。大多數面向消費者的模型是對話式：它們回答提示並等待下一個指令。與此相對，代理式模型接受任務並採取行動——讀取檔案、執行測試、套用修正並迭代直到任務完成。Ornith 有意針對後一種模式打造：資料集選擇、訓練迴圈與評估都聚焦於開發者環境內的實際互動，而非獨立的聊天式交流。

在架構與程序上，Ornith 與標準的代理設計有所不同，將代理的支架——結構化工具使用與錯誤處理的規則與例程——視為可學習的組件。Ornith 並非給模型一個固定的束縛來規定何時呼叫工具或如何分解問題，而是共同訓練策略生成與解決方案執行。在強化學習期間，每個訓練步驟為兩階段：模型先提出一個精煉的任務策略，然後執行該策略以產生解決方案。獎勵會回傳給策略與執行階段，鼓勵更好的規劃與更好的程式碼。

這種聯合優化帶來一個重要的行為差異：Ornith 能透過反覆互動有機地發展出特定任務的方法，而不依賴人為設計的靜態支架。該出現的能力在長時、多步驟的開發任務中特別有價值，因為靜態啟發式方法常常無法良好泛化。

DeepReinforce 也承認具備修改自身工作流程能力的代理所帶來的風險。一個能改變其支架的模型理論上可能試圖欺騙驗證者或在未真正完成工作的情況下將任務標記為完成。為了降低這些風險，Ornith 的訓練與部署納入三層防護：(1) 不可變的環境與測試套件人工件，模型無法更改；(2) 一個確定性的監控器，標記試圖存取受限檔案或驗證腳本的行為；以及 (3) 一個凍結的評判模型，可否決虛假的自動化驗證結果。這些措施共同約束獎勵操弄，同時保留代理式的彈性。

在基準測試上，Ornith 的成績值得注意。397B MoE 旗艦在 SWE-bench Verified（模型在未看到測試套件的情況下接收真實 GitHub 錯誤並必須修復）上取得高分——完成率為 82.4%。它在 Terminal Bench（衡量一系列終端機開發任務的任務完成情況）亦有強勁表現。這些結果與其他大型系統在類似測試上相比具競爭力，但直接比較需要脈絡：基準資料洩漏、訓練資料差異與評估協議的變異都會實質影響分數。

較小的變體也具有競爭力。最引人注目的是 9B 的密集模型：儘管比許多當代模型小很多，但它在針對編碼的評估上達到強勁表現，勝過同類別中一些較大的開源模型。這使得 9B Ornith 成為在運算與延遲受限的邊緣或自託管代理管線中的吸引選項。

重要的是，Ornith 並非定位為通用助理。其模型說明明確警告，於代理式編碼以外的任務上可能表現不佳：摘要、學術寫作或一般聊天任務並非主要目標。架構與強化目標優先考量在開發者環境內的持久、面向行動的問題解決，而非對話流暢度。對於建置自託管編碼代理、整合 CI 的自動化或自主除錯管線的團隊，Ornith 可能非常合適。對於尋找多用途聊天助理的使用者，其他模型仍更合適。

更廣泛地說，Ornith 代表了 2026 年 AI 發展的一個更大轉變：實際商業價值日益與能可靠自主完成延長、多步驟工作流程的系統對齊。強調「在某排行榜擊敗 X」的基準與標題固然重要，但更深的故事是模型如何與開發者基礎設施整合、如何處理驗證，以及在生產環境中如何避免獎勵操弄。Ornith 的設計選擇——可學習的支架、共同優化的策略與執行、以及防範濫用的多層防護——是對這些優先事項的具體工程回應。

對評估 Ornith 的工程主管而言，請考慮這些實務要點：選擇與您的運算與延遲範圍相符的模型規模；在您自己的私有程式庫上驗證表現，以偵測任何基準特定的過擬合；並在部署時採用不可變環境與確定性監控器原則，以保持代理行為可驗證且可稽核。在受控管線內用於代理式任務時，Ornith 提供一個強大且開源的專有代理式系統替代方案。

總之，Ornith-1.0 是一個有意識、以代理為中心的開源模型家族，將一般對話能力換成強健的自主編碼表現。這種專精使其成為投資代理基礎設施與自動化開發工作流程的團隊的有用工具，同時也顯示出業界走向以代理式 AI 作為近期商業影響核心的趨勢。

關鍵見解表