GPT
הוספת כלי
O

Ornith-1.0-397B

קוד פתוח

ornith-aimit2026-06-23

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

מודל קוד פתוח עצום בגודל 397 מיליארד פרמטרים שמתמקד בסוכני פיתוח תוכנה. הוא עוקף את מודל הבסיס שלו ומתקרב למודלים סגורים מובילים בפתרון באגים ומשימות טרמינל.

  • 397Bפרמטרים
  • 262,144טוקנים בהקשר
  • 739 GBמשקל הקבצים
  • 254,892הורדות בחודש

מה זה

מדובר במודל מומחים שעבר אימון מתקדם על גבי Qwen 3.5 עם למידת חיזוק, במטרה לייצר לא רק פתרונות אלא גם את שלד החשיבה וההרצה של סוכני קוד. המבנה שלו מאפשר לטפל במשימות פיתוח מורכבות דרך חלון של 262,144 טוקנים, כשהוא מפריד מראש בין תהליך המחשבה לבין התשובה או קריאת הכלים.

במדדי תכנות הוא מציג זינוק חד לעומת Qwen3.5-397B המקורי. ב־Terminal-Bench 2.1 תחת Claude Code הוא מגיע ל־78.2 נקודות לעומת 48.6 בלבד במקור, וב־SWE-bench Verified הוא מקבל 82.4 מול 76.4. הוא עוקף שם גם מודלים סגורים כמו Claude Opus 4.7, אף שגרסת 4.8 עדיין מובילה עליו.

מתאים ל

  • סוכן לתיקון באגים

    התוצאה של 82.4 ב־SWE-bench Verified מראה שהוא יעיל מאוד באיתור תקלות וסגירת בעיות קוד.

  • אוטומציה בטרמינל

    ביצועים חזקים במבחני Terminal-Bench מאפשרים לו להריץ פקודות shell מורכבות דרך כלי סוכנים.

  • קריאת כלים בארגון

    תמיכה מובנית ב־tool calling מאפשרת לחבר אותו לסביבות פיתוח פנימיות בלי לשלוח מידע החוצה.

איפה זה נופל

הכרטיס מציג סתירה מוזרה, כשבמקום אחד נטען שהוא מיועד להרצה קלה על כרטיס בודד, אך בפועל דורש צומת של שמונה מאיצים כבדים כדי לעלות. בנוסף, משימות מורכבות של בניית ריפו שלם מאפס עדיין קשות לו, עם 48.2 בלבד ב־NL2Repo, ובמבחני SWE Atlas המספרים שלו צונחים סביב ה־40 אחוז. נדרש גם שינוי של תבנית השיחה כדי למנוע ירידה בביצועים, ויכולות בעברית כלל לא נבדקו כאן.

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-1.0-397B-FP8400,480

שאלות
נפוצות

האם אפשר להריץ אותו על שרת פיתוח סטנדרטי?

לא. הקבצים שוקלים 739 גיגה בייט, והדוגמאות הרשמיות מציגות צורך בשרת של 8 כרטיסי מסך של 80GB כל אחד כדי להעלות אותו ב־tensor parallel. הרצה על חומרה חלשה יותר אפשרית רק באמצעות Unsloth בכימות 4-ביט, אך עדיין תדרוש משאבים כבדים מאוד.

איך מטפלים בטקסט החשיבה של המודל?

המודל פולט את המחשבות בתוך תגיות think לפני התשובה הסופית. כדי לא לשבור את הממשק, שרתי vLLM ו־SGLang כוללים מפענח ייעודי שמפריד את המחשבה לשדה נפרד, או שחותכים את המחרוזת בקוד ידנית לפי התגית הסוגרת.

איך מריצים

הרצה מקומית מלאה מחייבת שרת עם שמונה כרטיסי 80GB במקביל, כפי שמציגות הדוגמאות הרשמיות עבור vLLM ו־SGLang, לצד גרסאות תוכנה עדכניות מאוד כמו Transformers מגרסה 5.8.1 ומעלה. המשקל של 739 גיגה בייט הופך הורדה והקמה לסיוט תשתיתי שגוזל זמן ומשאבים כבדים.

אם אין לכם קלאסטר ייעודי זמין בארגון, הקמה עצמאית פשוט לא שווה את עלויות החומרה. במצב כזה עדיף לצרוך מודל סגור או שירות ענן שמחזיק את המשקלים, אלא אם פרטיות המידע מחייבת שהקוד לא ייצא מהרשת המקומית.

from transformers import pipeline

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

הקבצים

136 קבצים במאגר, 739 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל שוחרר תחת רישיון MIT. המשמעות פשוטה, מותר להשתמש בו לכל מטרה, כולל מוצרים מסחריים סגורים ושינוי קוד, ללא מגבלות אזוריות וללא תשלום תמלוגים, כל עוד שומרים על הודעת הרישיון המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗