专题 · FULL STORY

Ornith-1.5-122B 开源发布与量化生态跟进

Ornith 团队于 10 月 20 日以 MIT 协议开源 122B 参数模型 Ornith-1.5-122B，主打「强与快不设取舍」，单张 DGX 显卡即可运行。随后 Unsloth 发布 GGUF 量化版本，让用户能通过 llama.cpp 等在本地部署，开源社区部署门槛进一步降低。

2026-10-20 ~ 2026-10-22 · 2 集 · 15 条

第 1 集 · Unsloth 发布 Ornith-1.5-122B 量化版(2026-10-20,2 条)

Unsloth 在 Hugging Face 上发布了 Ornith-1.5-122B 的 GGUF 量化文件，方便用户通过 llama.cpp 等运行时在本地加载该 122B 模型。其 UD 动态量化版本体积大幅缩小 82%（如 UD-Q2KXL 仅 44.5GB，而 BF16 原始为 249GB），同时保留约 84% 的精度，显著降低本地部署门槛。

第 2 集 · Ornith-1.5-122B 开源发布：单卡 DGX 可跑的编码 MoE 模型(2026-10-20,13 条)

Ornith 团队于 10 月 20—21 日发布开源模型 Ornith-1.5-122B，以 MIT 协议开放 122B 参数权重，主打「强与快不设取舍」：宣称在同等规模开源模型中达到 SOTA，同时推理效率足够高，单张（单台）NVIDIA DGX 卡即可运行，无需大型推理集群。模型由原始发布者账号 @ornith（@ornith-ai）发布后迅速登上 Hugging Face 模型热榜，两天内出现大量转发，显示社区关注度较高。目前所有基准成绩均出自官方口径，尚无独立复现或第三方评测佐证。

已确认

  • 模型 Ornith-1.5-122B 发布，权重以 MIT 协议开放，参数量 122B，采用 MoE 架构。
  • 据 @ornith-ai 的模型页，该模型基于 Qwen3.5 MoE 架构，支持图文输入与文本生成、对话能力，提供 safetensors 权重，并已登上 Hugging Face 模型热榜。
  • 据 @lmoroney 的介绍，模型基于 Qwen3.5 经额外预训练、中期训练与后训练构建，前身是 Ornith-1.0，面向编码与 agent 任务；SGLang 提供零日支持，包括推理相关能力。
  • 官方公布的基准成绩：编码类 SWE-bench Verified 84.5%（0.845）、Terminal-Bench 2.1 81.3%、CyberGym 8（具体分值见各转发帖）等。
  • 据 @BerryBlushRogers691 转述的官方模型卡，Ornith-1.5-122B 的 SWE-bench Pro 得分为 76.9，对照模型 Qwen3.8-Flash-Next 为 43.9；但在 Terminal-Bench 2.1 上略低于该对照模型。
  • 官方宣称可在单张/单台 NVIDIA DGX 上运行，并具备前沿级能力；@lmoroney 称其为桌面可跑的编码模型。
  • 据 @Teknium 转述，Nous Portal 限时 48 小时免费开放 Ornith-1.5-122B，供用户体验。

尚未确认

  • 各项基准数字（含 SWE-bench Pro 76.9 对 Qwen3.8-Flash-Next 的对比）与「同等规模 SOTA」的说法均来自官方宣传或对模型卡的转述，本批材料中未提供独立复现或第三方评测佐证。

为什么重要

若官方成绩经独立验证成立，该模型将以完全开放的 MIT 许可、可单机部署的体量，显著降低前沿编码/智能体能力的使用门槛，对闭源 API 与需推理集群的开源方案都构成直接竞争压力。SGLang 的零日支持也意味着部署生态在发布当天即已就绪。