ข้ามไปยังเนื้อหา

แท็ก

#DeepReinforce

2 บทความ

Ornith-1.5: โมเดลโค้ดดิ้งโอเพนเวต MIT ที่ "คิดโจทย์ฝึกให้ตัวเอง" — เรือธง 397B ตีเสมอ Claude Opus 4.8 ส่วนรุ่น 35B ใช้พารามิเตอร์แค่ 3B ต่อโทเคน
โมเดลใหม่

Ornith-1.5: โมเดลโค้ดดิ้งโอเพนเวต MIT ที่ "คิดโจทย์ฝึกให้ตัวเอง" — เรือธง 397B ตีเสมอ Claude Opus 4.8 ส่วนรุ่น 35B ใช้พารามิเตอร์แค่ 3B ต่อโทเคน

ทีม Ornith (DeepReinforce) ปล่อย Ornith-1.5 บน Hugging Face เมื่อ 18 ส.ค. 2026 — ลิขสิทธิ์ MIT ครบสามขนาด 9B / 35B-A3B / 397B พร้อม GGUF, FP8, NVFP4, MLX ในวันเดียว จุดต่างจากรุ่น 1.0 คือลูป self-improvement ขยายจาก "ออกแบบ scaffold เอง" เป็น "คิดโจทย์ฝึกของตัวเองด้วย" เรือธง 397B ทำ Terminal-Bench 2.1 ได้ 86.1 เทียบเท่า Claude Opus 4.8 (85.0)

· อ่าน 7 นาที
Ornith-1.0: โมเดลโค้ดดิ้งโอเพนเวต MIT ที่ "ออกแบบ scaffold ของตัวเองระหว่างเทรน" — 9B รันได้บนการ์ดใบเดียว
โมเดลใหม่

Ornith-1.0: โมเดลโค้ดดิ้งโอเพนเวต MIT ที่ "ออกแบบ scaffold ของตัวเองระหว่างเทรน" — 9B รันได้บนการ์ดใบเดียว

DeepReinforce ปล่อย Ornith-1.0 ตระกูลโมเดลโค้ดดิ้งโอเพนเวตลิขสิทธิ์ MIT (9B/31B/35B/397B) ที่มีจุดเด่นแปลกใหม่: แทนที่จะใช้ agent scaffold ที่มนุษย์ออกแบบไว้ตายตัว โมเดล "เรียนรู้ที่จะสร้าง scaffold ของตัวเอง" ระหว่างขั้น RL ตัวเรือธง 397B ทำ SWE-Bench Verified 82.4 ส่วนรุ่นเล็ก 9B รันได้บน GPU 80GB ใบเดียว

· อ่าน 6 นาที