开源编码再上台阶：Ornith-1.0 用“自脚手架+自改进RL”重新定义 Agentic Coding

当模型开始自己设计解题脚手架，开源编码模型的边界又被往前推了一步。

这波开源编码，为什么是 Ornith-1.0

开源编码领域最近又在聚光灯下。DeepReinforce 发布 Ornith-1.0 全家桶，一次放出 9B Dense、31B Dense、35B MoE、397B MoE 四个版本，全部 MIT 许可，允许商用和再分发。这个姿势本身就说明：它不只是“又一个模型发布”，而是一套面向 Agentic Coding 的系统性开源方案。

与其说它在卷参数规模，不如说它在卷“编码代理的训练方式”。它做的是让模型在强化学习里同时学会两件事：一是怎么解题，二是怎么为自己搭解题脚手架。这个思路比单纯增大模型规模更接近真实软件工程场景。

四个版本，覆盖从端侧到旗舰

Ornith-1.0 的定位不是单点模型，而是一条完整能力带：

Ornith-1.0-9B Dense：面向端侧和本地部署，体积小、显存低，适合个人设备或边缘环境。
Ornith-1.0-31B Dense：在容量和推理成本之间取平衡，适合单卡或轻量服务器场景。
Ornith-1.0-35B MoE：总参数更大，但每次激活更少，兼顾性能与效率。
Ornith-1.0-397B MoE：旗舰版本，面向极限 benchmark 和重度 Agent 任务。

官方宣称它建立在 Gemma 4 和 Qwen 3.5 等开源预训练底座之上，说明 DeepReinforce 没有从零造轮子，而是把精力集中在后训练策略和编码任务的强化学习框架上。这一点很关键，因为它意味着开源社区可以更快跟进，也更方便验证和二次开发。

核心创新：自脚手架 + 自改进 RL

这次最值得关注的不是某个数字，而是训练思路。

传统做法里，强化学习通常依赖人类设计好的 harness、脚本或评估框架来引导模型生成答案。Ornith-1.0 的做法是让模型自己生成两个东西：一是答案 rollout，二是引导这些答案的 scaffold。随后再通过 rollout 的 reward 同时反哺 scaffold 和答案策略，形成联合优化。

简单理解，就是模型不但要学会写代码，还要学会“给自己布置任务环境”。这种联合优化带来两个好处：一是搜索轨迹更合理，二是更容易发现更高质量解法。它也解释了为什么小模型在编码任务里能表现出超预期性能。

当然，让模型自己设计 scaffold 也带来 reward hacking 风险。官方给出了三层防御：固定环境与工具边界、确定性监控器拦截越界操作、冻结 LLM judge 对策略进行二次审核。这个防御结构至少说明团队对安全问题有清醒认识，而不是只追求 benchmark。

基准成绩：不只是“又一个高分模型”

根据官方博客，Ornith-1.0-397B 在 SWE-Bench Verified 拿到 82.4，在 Terminal-Bench 2.1 拿到 77.5。官方将其与 Claude Opus 4.7、MiniMax M3、DeepSeek-V4-Pro 等模型并列比较，并强调它在部分编码和代理基准上超过同级或更大规模竞品。

更值得注意的现象发生在 35B 级别。Ornith-1.0-35B 被描述为在多个编码 benchmark 上优于 Qwen 3.5-35B、Qwen 3.6-35B 和 Gemma 31B，甚至在 Terminal-Bench 2.1 上超过 Qwen 3.5-397B。如果这个结果稳定可复现，它说明 MoE 架构和自脚手架训练可能在局部能力上打破了“大模型一定更强”的直觉。

9B 版本同样有看点。官方称其能在端侧部署，同时在 SWE-Bench Verified 和 Terminal-Bench 上达到接近更大模型的成绩。对本地开发者和设备端 AI 场景来说，这意味着“可运行”和“可用”之间的差距正在缩小。

本地部署和生态兼容

官方提到 GGUF 版本已经发布，可通过 Ollama、LM Studio、Atomic Chat 等本地推理工具直接部署。这意味着用户不需要复杂的云端推理环境就能试用，降低开源模型落地门槛。

MIT 许可本身也是一种生态策略。它让企业、研究者和个人开发者都能把 Ornith-1.0 用于商业产品、二次训练、内部工具或论文实验，而无需担心许可证兼容性问题。对中文开源社区而言，这种兼容性尤其重要，因为很多团队对商用许可证限制非常敏感。

开源编码模型下一步

Ornith-1.0 的发布有几个信号值得关注。

第一，编码任务的竞争已经进入“训练框架创新”阶段。过去一年多，很多模型竞争集中在数据、基座模型和 scaling；现在开始有人认真改造 RL 流程本身。自脚手架是一个很明确的新方向。

第二，9B 到 397B 的全尺寸覆盖，说明团队并不打算只做旗舰秀肌肉，而是希望模型家族在不同硬件预算下都有可用版本。这对真实工程落地更友好。

第三，MIT 许可 + GGUF + 多平台部署，本质上是在争取本地开发者、企业和研究机构。如果后续社区能围绕这套训练范式产出足够多的复现和微调经验，Ornith-1.0 有可能成为开源编码领域新的参考系。

对关注 AI 编程、本地大模型和开源基础设施的人来说，这都值得继续跟踪。

写在最后

如果你日常会跑本地编码助手、做软件工程自动化，或者只是好奇“小模型能不能真正写代码”，Ornith-1.0 都值得列入近期观察名单。尤其是 35B 和 9B 两个版本，前者验证训练范式能否打破规模直觉，后者验证端侧编码是否真正可用。

这场开源接力还在继续。