Ornith-1.5 開源模型發布：具備端到端自我改進框架，397B MoE 效能對標 Claude Opus 4.8

Ornith-1.5 基礎模型正式開源發布並上架 Hugging Face，涵蓋 397B MoE、35B MoE 與 9B 密集模型三種尺寸。該模型將 Ornith-1.0 的自我鷹架（self-scaffolding）框架擴展為完整的端到端自我改進迴圈，透過聯合最佳化任務生成、鷹架建構與解決方案 rollouts，並利用強化學習持續提升能力。系統的任務獎勵機制基於有效性、前沿難度（目標成功率設為 0.2）與新穎性，促使模型不斷生成具挑戰性且非冗餘的訓練任務。 在效能評測上，旗艦版 Ornith-1.5-397B 在 Terminal-Bench 2.1 取得 86.1 分、DeepSWE 取得 56.0 分，效能對標 Claude Opus 4.8（85.0 與 59.0），並擊敗同級的 GLM-5.2 與 DeepSeek-V4-Flash-0731。綜合 Reddit 發布資訊，397B 模型在 SWE-Bench Verified 達 86 分、HLE 達 44.6 分、ClawEval 達 81.4 分，Tool Decathlon 則為 71.2 分。 中階的 Ornith-1.5-35B 每個 token 僅啟動 3B 參數，但在 Terminal-Bench 2.1（68.5 分）與 SWE-Bench Verified（79.0 分）大幅超越 Gemma 4-31B 與 Meta 的 Muse Glimmer-30B。邊緣部署版的 Ornith-1.5-9B 亦在 SWE-Bench Verified 取得 70.6 分，其量化版本 Ornith-1.5-9B-Mobile 可直接部署於 iPhone 與 Android 裝置，效能超越 Gemma 4-31B 與 Qwen 3.6-35B 等更大規模的模型。