Ornith-1.0-9B-GGUF
קוד פתוחornith-aiרישיון לא דווח2026-06-25
מודל קוד והסקה של תשעה מיליארד פרמטרים שמיועד לסוכני פיתוח עצמאיים. הוא נבנה כדי להריץ כלי טרמינל ולפתור באגים מקצה לקצה על גבי מעבד גרפי יחיד.
- 43.7 GBמשקל הקבצים
- 4,176,022הורדות בחודש
- 665לייקים
מה זה
הפיתוח הזה מגיע מחברת deepreinforce ומבוסס על אימון המשך שמשלב חיזוק למידה סביב בניית סביבות עבודה לצד הפתרון עצמו. הוא מחזיר את שלבי החשיבה בתוך תגיות ייעודיות ומתמחה בקריאות לכלים חיצוניים דרך ממשק פקודות.
במבחני ביצועים לסוכני פיתוח, הוא מציג מספרים יוצאי דופן לגודלו. בבדיקת Terminal-Bench 2.1 תחת Terminus-2 הוא קיבל ציון של 43.1, מעל Qwen3.5-35B שעומד על 41.4 ומעל Gemma4-31B שמגיע ל 42.1. בבדיקת SWE-bench Verified הוא הגיע ל 69.4, שזה כמעט זהה למודל של 35 מיליארד פרמטרים. במילים פשוטות, הוא מביא יכולת תכנות שדורשת בדרך כלל חומרה גדולה בהרבה אל תוך מעטפת שמתאימה למפתח בודד.
מתאים ל
- סוכן טרמינל מקומי
הוא מיועד לעבודה ישירה מול כלי שורת פקודה ומשיג תוצאה של 43.1 במבחן Terminal-Bench.
- תיקון באגים אוטונומי
עם ציון 69.4 ב SWE-bench Verified, הוא מתאים לסריקת מאגרי קוד ופתרון בעיות מוגדרות.
- פיתוח סוכנים מבוססי כלים
תמיכה מובנית בקריאת פונקציות ופיצול תהליך החשיבה מאפשרים לחבר אותו לממשקי MCP.
איפה זה נופל
במבחן SWE-bench Multilingual הוא יורד לציון 52 לעומת 60.3 של מודל ה 35 מיליארד, כך שקוד שאינו באנגלית או בסביבות מרובות שפות מקבל פחות דיוק. בנוסף, הוא נשען על מבנה חשיבה וקריאות כלים של Qwen בפורמט XML, מה שדורש התאמה מפורשת של פרסרים בספריות ההרצה. שגיאה בהגדרת התבנית תגרום לו לפלוט תגיות במקום לבצע פקודות.
אותה משפחה
Ornith-1.0 יצא ב־7 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.
שאלות
נפוצות
איך מחלצים את תשובת המודל בלי לראות את שלבי החשיבה שלו?
הוא פולט את שרשרת המחשבה בין תגיות ייעודיות לפני הפלט הסופי. שרתי הסקה תומכים בהפרדה הזו לשדה נפרד, או שניתן לבצע פיצול פשוט בקוד לפי תגית הסגירה.
האם הוא יכול להחליף מודלים של 30 מיליארד פרמטרים ומעלה?
במשימות סוכן טרמינל ופתרון בעיות קוד באנגלית התוצאות שלו עוקפות חלק מהדגמים הגדולים. עם זאת, במאגרים רב לשוניים מורכבים הדגמים הרחבים עדיין שומרים על יתרון עקבי.
איך מריצים
מדובר במאגר של קובצי GGUF במשקל כולל של 43.7 ג'יגה בייט על פני תשעה קבצים. אפשר לטעון אותו מקומית דרך llama.cpp עם פקודת llama-server או למשוך אותו בתוך Ollama, ומי שמעדיף שרת ייעודי יכול להרים אותו מעל vLLM או SGLang.
גרסת המקור דורשת כרטיס עם זיכרון של כעשרים ג'יגה בייט בפורמט bf16, אך גרסאות GGUF מכווצות מאפשרות ריצה על פחות זיכרון. אם המטרה היא להריץ סוכן עם הקשר מלא של מאתיים וחמישים אלף טוקנים, מעבד גרפי ביתי לא יחזיק את הטבלאות, ושם משתלם יותר להשתמש בשרת ענן.
ollama run hf.co/ornith-ai/Ornith-1.0-9B-GGUF:Q4_K_M
איזו גרסה
אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.
הקבצים
9 קבצים במאגר, 43.7 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
במטאדטה של המאגר הרישיון מסומן כלא דווח, אך בגוף הכרטיס היוצרים מציינים רישיון MIT שמאפשר שימוש מסחרי חופשי ושינוי קוד. הפער הזה עלול להטריד צוותי משפט בארגונים, וכדאי לוודא את הרישוי המדויק מול המפתח לפני הפצה במוצר מסחרי.