GPT
הוספת כלי
O

Ornith-1.0-397B-FP8

קוד פתוח

ornith-aimit2026-06-25

  • transformers
  • safetensors
  • qwen3_5_moe
  • image-text-to-text
  • text-generation

מודל קוד מבוסס תהליכי חשיבה שנבנה ספציפית לסוכנים אוטונומיים בסביבת טרמינל. הוא מציג חלופה פתוחה לחלוטין למי שצריך ביצועים תחרותיים ללא תלות בספקים סגורים.

  • 397Bפרמטרים
  • 262,144טוקנים בהקשר
  • 377 GBמשקל הקבצים
  • 400,480הורדות בחודש

מה זה

מדובר במודל מומחים שנבנה באימון המשך על בסיס Qwen 3.5, ומכוון כמעט כולו למשימות פיתוח תוכנה מונחות סוכנים. החידוש כאן מתמקד בשיטת אימון שמשלבת למידת חיזוק כדי שהמודל יתכנן את מסלול החיפוש והכלים שלו במקביל ליצירת הפתרון, ולא רק יפלוט קוד סטטי. התוצאה היא מודל חשיבה שמייצר בלוק של תהליך מחשבה לפני התשובה הסופית, ותומך בקריאות לפונקציות ובפקודות טרמינל.

במבחני ביצועים לסוכנים הוא עוקף את מודל הבסיס שלו בהפרש ניכר. במבחן Terminal-Bench 2.1 תחת מסגרת Terminus-2 הוא מגיע לתוצאה של 77.5 לעומת 53.5 של Qwen 3.5 המקביל, וב־SWE-bench Verified הוא עומד על 82.4 נקודות. עם זאת, הוא עדיין מפגר מאחורי מערכות סגורות כמו Claude Opus 4.8 שהגיע ל־85 נקודות בטרמינל ו־87.6 נקודות ב־SWE-bench.

מתאים ל

  • סוכן לתיקון באגים בטרמינל

    הוא מיועד במיוחד לעבודה מול כלי שורת פקודה ומציג ציון של 78.2 ב־Terminal-Bench.

  • אוטומציה בסביבות קוד סגורות

    מאפשר הרצה עצמית מלאה בארגונים שלא מוכנים להוציא קוד קנייני ל־API חיצוני.

  • הרצת סוכני SWE אוטונומיים

    תומך בחלון הקשר עצום ובקריאות כלים מובנות המתאימות לתהליכי פיתוח ארוכים.

איפה זה נופל

למרות השם המרשים, לא מדובר במודל שמתאים למשימות קוד כלליות בלי השגחה. במשימות כתיבת מאגרים שלמים מאפס המודל משיג רק 48.2 נקודות במבחן NL2Repo, ובמבחני SWE Atlas הציונים שלו נשארים נמוכים מאד ונעים בין 39.1 ל־42.6 בלבד. מעבר לכך, המודל מחייב שימוש בטמפלייט צ'אט ייעודי ומחייב את מערכת ההרצה שלכם לטפל ידנית בפירוק תגיות החשיבה ובמבנה קריאות הכלים, מה שדורש התאמה בקוד התשתית לפני שמכניסים אותו לפרודקשן.

אותה משפחה

Ornith-1.0 יצא ב־7 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Ornith-1.0-9B-GGUF4,176,022 Ornith-1.0-35B-GGUF2,803,219 Ornith-1.0-35B2,797,648 Ornith-1.0-9B1,464,339 Ornith-1.0-35B-FP8533,783 Ornith-1.0-397B254,892

שאלות
נפוצות

האם המודל דורש טיפול מיוחד בפלט בגלל מנגנון החשיבה?

כן. המודל פולט את תהליך החשיבה שלו בתוך תגיות ייעודיות לפני שהוא מספק את התשובה הסופית. מנועי שרת כמו vLLM ו־SGLang מסוגלים לפצל את התוכן הזה לשדה נפרד, אך בהרצה ישירה דרך Transformers תצטרכו לפרק את המחרוזת ידנית לפי תגית הסגירה.

האם הוא מחליף לגמרי מודלים מובילים סגורים?

לא בכל תרחיש. הוא מתקרב למודלים החזקים בשוק במשימות טרמינל ופתרון תקלות מוגדרות, אך במשימות מורכבות של יצירת פרויקטים שלמים או הבנת מאגרים רחבה הוא עדיין מציג אחוזי הצלחה נמוכים יותר בהשוואה לחלופות סגורות.

איך מריצים

כדי להריץ אותו מקומית ברמת דיוק של FP8 צריך שרת ייעודי עם שמונה כרטיסי מסך של 80GB כל אחד, כמו שמונה כרטיסי A100 או H100, כדי לחלק את המשקלים על פני כל הזיכרון. המשקל בקבצים לבדם עומד על 377 גיגה בייט, כך שכל חומרה צנועה יותר פשוט תקרוס. תוכנת ההרצה דורשת גרסאות עדכניות של vLLM, SGLang או Transformers החל מגרסה 5.8.1, יחד עם הגדרת מפענח מתאים לחלוקת בלוק החשיבה.

אם אין לכם אשכול שרתים ארגוני זמין, אין טעם לנסות להרים את זה לבד. במצב כזה עדיף לקרוא לו דרך ספק ענן שחושף נקודת קצה תואמת OpenAI, במקום לשלם אלפי דולרים בחודש רק על עלויות החומרה להרצה עצמית.

from transformers import pipeline

pipe = pipeline("text-generation", model="ornith-ai/Ornith-1.0-397B-FP8")
print(pipe("שלום"))

הקבצים

136 קבצים במאגר, 377 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ ברישיון MIT חופשי. מותר להשתמש בו לצרכים מסחריים, לשנות אותו, להטמיע אותו במוצרים סגורים ולהריץ אותו בכל תשתית, כל עוד שומרים על הודעת זכויות היוצרים המקורית בקוד.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗