开源 Ornith-1.5 发布：397B MoE 四项基准胜过 Claude Opus 4.8
rohanpaul_ai · x · 2026-08-20
Ornith-1.5 是一个开源 LLM 家族，包含 9B Dense、35B MoE 与 397B MoE 三个规格，采用「自我改进」策略训练。397B 版本在四项基准上超过 Claude Opus 4.8：
- Terminal-Bench 2.1：86.1 vs 85
- SWE-bench Verified：86 vs 85.8（另 Pro 65.1、Multilingual 79.6）
- WideSearch：80.8 vs 72.9
- BrowseComp：86.6 vs 84.3
- 其他：DeepSWE 56、HLE 44.6、ClawEval 81.4、Tool Decathlon 71.2
架构上的关键跃迁是把任务生成、agent 设计与解法生成放进同一个 RL 循环：模型自己提出任务、编写评分 scaffold、生成 rollout，并用 GRPO 把奖励回传到全部三个阶段。这种自生成课程在模型当前能力边界附近搜索任务，大幅减少人工任务设计，是迈向端到端自我改进训练的重要一步。
所属事件:Ornith-1.5 发布：397B MoE 自我改进对标 Claude Opus(24 条相关)→
「模型」频道最新
- LLM-as-a-Verifier 让 Nemotron 3.5 超 Terminal-Bench 提 9 分 — simonguozirui · 2026-10-16
- Bonsai 2 三值小模型实测：4B 性价比最佳，27B 一个技能意外掉链子 — cephaloform · 2026-10-16
- Meta 多语言 ASR 覆盖 1600 种语言，入选 TIME 2026 最佳发明 — AIatMeta · 2026-10-16
- Apollo:GLM-53 展现史无前例的更新感知推理 — repligate · 2026-10-16
- Bonsai 2 2B 端侧模型登 iPhone:120 token/s,速度两倍于 Qwen 3.5 2B — cephaloform · 2026-10-16
- 用户吐槽 ChatGPT 越来越多 bug:扩展失效、Computer Use 反复索要权限 — sytelus · 2026-10-16