一龍馬/AI 情報站讀懂消息背後的脈絡
星期四
搜尋

HN 討論中有人追問 base model 來源是否從零預訓練,文章摘錄未明確回答;也有人推測可能是 post-train Qwen3.6,但這只是社群意見

中文摘要

Ornith-1.5 原文宣稱把 Ornith-1.0 的 self-scaffolding 擴展成自我改進迴圈:模型會產生新任務、建立任務 scaffold、執行解題 rollout,再用強化學習回饋同時改善任務、scaffold 與解法。它列出 397B MoE、35B MoE、9B dense 三個規模,並宣稱 397B 在 Terminal-Bench 2.1 得 86.1、DeepSWE 得 56.0,接近 Claude Opus 4.8;9B 版本則宣稱可部署到 iPhone 與 Android,且在部分 benchmark 超過更大模型。HN 討論中有人追問 base model 來源是否從零預訓練,文章摘錄未明確回答;也有人推測可能是 post-train Qwen3.6,但這只是社群意見。

一龍馬判讀

如果原文數據可重現,重點不只是模型分數,而是用模型自己生成訓練課程與工具腳手架來推進能力邊界。主要限制是來源未充分交代底座模型與完整評測條件,benchmark 也可能無法代表實際工作流。

原文節錄

Hacker News · CommonGuy

Ornith-1.5: From Self-Scaffolding to Self-Improvement | Ornith Blog Ornith-1.5: From Self-Scaffolding to Self-Improvement Aug.

取得部分原文 · 不代表內容已獨立查證

查看原文 閱讀社群討論
完整收錄文字與來源

Ornith-1.5: From Self-Scaffolding to Self-Improvement

收錄日期
2026-08-20
來源
Hacker News Firebase API
抓取時間
2026/08/20 05:40(台北)
來源資料
149 分 · 47 則討論