Ornith выпустила открытую модель на 122 млрд параметров для кода и агентов

Ornith — исследовательская команда, которая в августе выпустила семейство открытых моделей Ornith-1.5 от смартфонной 9B до крупной 397B. Новая Ornith-1.5-122B закрывает середину линейки. Она рассчитана на программирование и работу агентов, то есть программ, которые сами выполняют многошаговые задачи. Веса можно бесплатно скачать и использовать, в том числе в коммерческих проектах.

Ornith-1.5-122B обходит Qwen в исправлении кода

Самый показательный результат Ornith-1.5-122B касается SWE-bench. Это набор настоящих ошибок из проектов на GitHub, которые модель должна найти и исправить сама. На версии Verified модель набрала 84,5%. Её прямой соперник того же размера, Qwen3.8-Flash-Next на 125 млрд параметров, получил 82,8%. Модель NVIDIA Nemotron 3.5 Super VL на 120 млрд осталась на 61,2%.

На усложнённой версии SWE-bench Pro разрыв выглядит слишком большим. У Ornith 76,9%, у Qwen3.8-Flash-Next 43,9%. На соседнем тесте те же две модели отличаются меньше чем на два пункта, а здесь на 33. Такой выброс стоит проверить независимыми замерами, прежде чем строить на нём выводы.

Ornith уверенно выглядит и на кибербезопасности. В тесте CyberGym у неё 80 баллов, у Qwen3.8-Flash-Next 78, у DeepSeek -V4-Flash 76,7.

Где Ornith-1.5-122B уступает соседям

Главный ориентир в таблице Ornith — DeepSeek-V4-Flash на 284 млрд параметров. Она больше чем вдвое крупнее, и в половине тестов всё равно впереди. В работе в командной строке Terminal-Bench 2.1 у Ornith 81,2%, у DeepSeek 82,7%, у Qwen3.8-Flash-Next 83,4%. В сложных вопросах HLE с инструментами Ornith набирает 48%, DeepSeek 50,8%. В поиске по сайтам BrowseComp разница меньше, 78,5% против 80,2%.

Отстаёт Ornith-1.5-122B и в задаче NL2Repo, где модель собирает целый проект по текстовому описанию. Здесь у неё 51,2% против 54,2% у DeepSeek. Все цифры приводит сама команда Ornith. В карточке модели указано, что в части тестов на программирование она применяла защиту от «взлома» оценки, когда модель подгоняет ответ под проверку вместо решения задачи.

Ornith учит модель на её же задачах

Главная особенность семейства Ornith-1.5 — цикл самоулучшения. Модель тренируется не только на задачах, которые составили люди. Цикл устроен так:

• Задачи → модель сама придумывает новые задания
• Обвязка → пишет к ним инструкции, инструменты и план решения
• Решения → прогоняет попытки, удачные идут в дообучение с подкреплением
• Новый круг → окрепшая модель придумывает задачи сложнее

Подробно метод описан в отдельной статье команды Ornith, в карточке модели его нет. Насколько цикл дал прирост по сравнению с обычным дообучением, по опубликованным цифрам понять нельзя.

Внутри Ornith-1.5-122B устроена как смесь экспертов (MoE). Модель состоит из множества специализированных блоков, и на каждый запрос включается только часть из них. В служебной разметке на Hugging Face модель помечена архитектурой Qwen 3.5 MoE. Контекстное окно — 262 тысячи токенов, с растяжением до примерно миллиона. Карточка предупреждает, что растяжение может немного ухудшить ответы на коротких текстах, поэтому включать его стоит только под длинные документы.

Как запустить Ornith-1.5-122B

Ornith-1.5-122B лежит на Hugging Face в нескольких вариантах:

• Полные веса BF16 — для серверов, около 250 ГБ.
• FP8 и NVFP4 — сжатые версии для серверных видеокарт NVIDIA, NVFP4 весит около 64 ГБ.
• GGUF — для запуска на своём компьютере через llama.cpp, LM Studio, Ollama и Jan.
• MLX — для компьютеров Mac на чипах Apple.

По словам команды Ornith, модель обслуживается на одной видеокарте с 80 ГБ памяти. Речь о сжатых вариантах. Для домашнего запуска нужен компьютер с очень большим объёмом памяти, так что это задача для энтузиастов. Обычный ноутбук её не потянет. По умолчанию модель сначала рассуждает в отдельном блоке и только потом отвечает. Её можно подключить к агентам Hermes Agent , OpenClaw и консольному помощнику OpenCode.

Ornith-1.5-122B интересна тем, кто хочет держать сильную модель для кода у себя и не отправлять данные во внешний сервис. Лицензия MIT снимает вопросы о коммерческом использовании. Главная проверка впереди. Модели среднего размера часто хорошо выглядят в таблицах разработчика и теряют позиции в реальных проектах. Если независимые замеры SWE-bench Pro подтвердят отрыв от Qwen хотя бы наполовину, у открытых моделей появится новый ориентир в своём классе.