Ornith-1.0 开源模型发布：基于 Gemma 4 和 Qwen 3.5 的编码 Agent，支持 397B MoE 变体

一句话看懂

DeepReinforce 发布 Ornith-1.0，一个基于 Gemma 4 和 Qwen 3.5 的开源编码 Agent 模型，提供 9B 到 397B 多种变体，在编码基准上达到开源 SOTA。

详细发生了什么

DeepReinforce 公司发布了首个模型 Ornith-1.0，采用 MIT 开源许可证。该模型基于预训练的 Gemma 4 和 Qwen 3.5 构建，提供 9B Dense、31B Dense、35B MoE 和 397B MoE 四种变体。在编码基准测试中，Ornith-1.0 在同等规模的开源模型里达到了最先进水平。

底层模型的许可证兼容性良好：Gemma 4 使用 Apache 2.0 许可证（不再受之前 Gemma 模型附加条款的限制），Qwen 3.5 也是 Apache 2.0 许可证。作者 Simon Willison 用 LM Studio 和 20GB 的 GGUF 量化版本（ornith-1.0-35b-Q4_K_M.gguf）在本地运行，并连接到 Pi agent 框架进行测试。初步印象非常好，模型能熟练处理多次工具调用的 agent 任务。

测试中，作者让模型针对 Datasette 代码库执行“查找解码 actor cookie 的代码”和“查找点击按钮时打开插入对话框的代码”等任务，模型轻松完成。此外，模型生成一张鹈鹕骑自行车的图片，速度达到 103 tokens/second。

中文圈视角

对中文开发者来说，Ornith-1.0 是一个值得关注的开源编码模型。首先，它基于 Qwen 3.5（阿里通义千问系列）和 Gemma 4（Google），中文理解能力有基础保障。模型采用 MIT 许可证，完全免费商用，没有额外限制。

但需要注意几点：

• 硬件门槛：35B MoE 变体的 GGUF 量化版本需要约 20GB 显存，397B 变体则需要更高配置。普通消费级显卡（如 RTX 4090 24GB）只能运行较小变体。
• 国产替代：国内已有 DeepSeek Coder、CodeQwen 等开源编码模型，且支持中文场景。Ornith-1.0 的优势在于 Agent 能力（self-scaffolding），即模型能自主规划工具调用步骤，这在复杂编程任务中表现更优。
• 使用方式：可通过 LM Studio、Ollama 等工具本地部署，无需梯子。但若想用 Pi 等 agent 框架，可能需要访问 GitHub 等外网资源。
• 合规风险：模型基于 Qwen 3.5，但训练数据可能包含非中文内容。国内商用需自行评估内容安全。

目前中文社区对此模型讨论较少，但考虑到它基于 Qwen 3.5，阿里系开发者可能更容易上手。建议关注其编码 Agent 能力与国产模型的对比。

几条值得记住的细节

• 模型提供 9B、31B、35B MoE、397B MoE 四种变体，均 MIT 开源
• 基于 Gemma 4（Apache 2.0）和 Qwen 3.5（Apache 2.0）预训练
• 35B MoE 的 GGUF 量化版约 20GB，可在 24GB 显存显卡上运行
• 作者测试中生成图片速度达 103 tokens/second
• 支持 agent 框架 Pi，可执行多步骤工具调用

一句话总结

Ornith-1.0 为中文开发者提供了一个免费、可商用的开源编码 Agent 模型，但需注意硬件门槛和国产替代方案。