DeepReinforce 开源 Ornith-1.5：397B 部分评测追平 Opus 4.8，35B 不及 Qwen3.8

榜单追踪模型评测开源模型强化学习推理优化模型评测与对比模型架构优化

2026-08-20 11:31

88 浏览

0 点赞

AI 速览

DeepReinforce团队发布开源大模型Ornith-1.5，采用自我改进训练路线，旗舰版部分能力追平闭源模型。核心事实 - 发布主体：由NLP学者李纪为创立的DeepReinforce团队 - 模型规格：包含9B、35B MoE及397B MoE三档参数版本 - 训练创新：采用自我改进闭环，模型自主生成任务、脚手架及解题过程进行强化学习 - 性能表现：397B版本在Terminal-Bench等部分基准上追平Claude Opus 4.8，但35B版本落后于Qwen3.8 - 授权许可：全量发布并支持FP8/GGUF等量化格式，采用MIT许可允许商业使用价值点为开发者提供了一条不依赖人工数据集的大模型强化学习新范式参考，并提供了可商用的开源基座。

8月20日消息，由知名 NLP 学者李纪为创立的 AI 团队 DeepReinforce 发布开源模型 Ornith-1.5，共 9B、35B MoE 与 397B MoE 三档，采用 MIT 许可。新版本主打自我改进训练：旗舰 397B 在部分评测上追平 Claude Opus 4.8，35B 档位则多项落后于同量级的 Qwen3.8。

DeepReinforce 开源 Ornith-1.5：397B 部分评测追平 Opus 4.8，35B 不及 Qwen3.8

自我改进：模型自己出题、自己训练

Ornith-1.5 的训练主线是自我改进。官方说明称，模型会自己生成新的训练任务、构建任务专用的 scaffold，再生成解题过程用于强化学习，而不是依赖固定的人工整理数据集与手工设计的 harness。

这延续了 Ornith-1.0 的路线：官方称，1.5 把 1.0 引入的自我脚手架（self-scaffolding）策略扩展为更完整的自我改进闭环——模型自主提出新任务、生成特定任务的脚手架，并为强化学习生成解决方案演练，从而不断创造出可供自身改进的新学习体验。

397B：部分评测追平 Opus 4.8

旗舰 Ornith-1.5-397B 的官方成绩，在部分评测上与 Claude Opus 4.8 相当：Terminal-Bench 2.1 得分 86.1，Opus 4.8 为 85.0；SWE-bench Verified 86.0 对 85.8。官方将其表述为与 Opus 4.8"on par"。官方公告还公布了其他成绩：SWE-bench 多语言版 79.6、HLE 44.6、ClawEval 81.4、Tool Decathlon 71.2。

但差距仍在：Opus 4.8 在 SWE-bench Pro、DeepSWE、HLE 与 Toolathlon 上仍然领先，官方数据显示，SWE-bench Pro 为 65.1 对 68，DeepSWE 为 56 对 59。开源同量级对比中，官方称其优于 GLM-5.2 与 DeepSeek-V4-Flash-0731。

所有模型及 FP8、GGUF、MLX、NVFP4 量化版本均已发布，采用 MIT 许可，支持不受限制的商业与研究使用。

35B：与 Qwen3.8 的差距

35B 档每 Token 只激活约 3B 参数，与 Qwen3.8-27B 对比，多项成绩仍然落后：Terminal-Bench 2.1 为 67.8 对 73.0，DeepSWE 为 22.0 对 42.2。Ornith 在 NL2Repo 以 46.2 对 42.3 领先，GPQA Diamond 两边都是 89.2。

评测分层与训练路线

旗舰档，397B 在主流 Agent 基准（Terminal-Bench、SWE-bench Verified）上已经与闭源旗舰站在同一水平线，但在更难的 SWE-bench Pro、DeepSWE 以及 HLE 等推理基准上差距仍然存在。中档，35B 面对 Qwen3.8 仍明显落后——开源竞争的激烈程度，没有因为旗舰追平而缓解。

训练路线方面，自我改进让模型不依赖固定人工数据集，自己出题、自己造工具、自己练，直接回应的是强化学习的数据瓶颈。这一路线能否在更大规模上兑现，需要看后续版本与社区复现；本次评测数据来自官方 model card，35B 档的具体数据以官方发布为准。

好文章，需要你的鼓励

# 报错信息分析与调试指南 ## 任务说明请分析用户提供的报错信息，推测可能的错误原因，并提供系统性的调试步骤。 ## 分析要求 1. **错误类型识别** - 确定是语法错误、运行时错误、逻辑错误还是环境配置错误 - 识别具体的错误类别（如空指针、数组越界、类型不匹配等） 2. **原因推测** - 基于错误信息中的关键线索进行合理推断 - 考虑常见的导致此类错误的编程场景 - 分析可能的代码问题或环境问题 3. **调试步骤** - 提供从简单到复杂的逐步调试方法 - 包括代码检查、日志添加、环境验证等具体操作 - 给出预防类似错误的最佳实践建议 ## 输出格式 - **错误类型**：[具体的错误分类] - **可能原因**： 1. [原因1] 2. [原因2] 3. [原因3] - **调试步骤**： 1. [步骤1] 2. [步骤2] 3. [步骤3] 4. [步骤4] - **解决方案**：[具体的修复建议] ## 示例 **输入**：【报错信息】 ``` TypeError: Cannot read property 'length' of undefined at processData (app.js:25:18) at main (app.js:10:5) ``` **输出**： - **错误类型**：运行时错误 - TypeError - **可能原因**： 1. 变量未正确初始化就被访问其 length 属性 2. 函数参数传递了 undefined 值 3. 异步操作中数据还未加载完成就尝试访问 - **调试步骤**： 1. 检查 app.js 第25行附近的变量声明和赋值 2. 在访问 length 属性前添加类型检查：`if (variable && variable.length)` 3. 使用 console.log() 输出相关变量的值确认其状态 4. 检查函数调用时传入的参数是否正确 - **解决方案**：在访问对象属性前先验证对象是否存在，或确保变量在使用前已被正确初始化。