Ornith-1.0：能让AI编程自己教自己的开源项目

Source: 来源：GitHub | Hacker News

一个会自我进化的 AI 程序员#

想象一下，一个程序员不仅会写代码，还能自己给自己出练习题、自己批改、然后从错误中学习，第二天变得更强。这听起来像是每个技术经理的梦想，也是每个初级开发者最可怕的竞争对手。

Ornith-1.0 就是这样一套开源模型家族。它不是一个简单的代码补全工具，而是一群能够通过练习自我提升的 AI 编程模型，规模从 9B 参数一直到 397B 参数。项目刚刚在 GitHub 上开源，MIT 协议，所有人都可以下载、使用、甚至改造它。

这个想法本身就足够迷人。我们见过太多号称”最强”的编程模型，它们被喂饱了海量数据，在基准测试上刷出漂亮分数，但本质上是一个静态的知识库——你训练完它，它就停在那个水平了。Ornith 做了完全不同的事情：它让模型在推理过程中不断尝试、纠错、优化，像人类一样从实践中学习。

练出来的能力，不是喂出来的#

Ornith-1.0 的技术路径非常有意思。它并非从头训练一个基础模型，而是基于 Google 的 Gemma 4 和阿里巴巴的 Qwen 3.5 作为底座进行后训练。团队采用了一种名为强化学习联合优化的方法，同时优化模型的推理策略（也就是”怎么解题”）和代码执行的脚手架（也就是”解题工具”）。

打个比方，这就像教一个学生不光要会做题，还要知道什么时候该用什么工具、怎么验证自己的答案、以及从错误答案中吸取什么教训。模型在生成代码后，自己运行测试、检查结果、如果错了就回溯重来——这个循环就是它的”练习册”。

更让人惊讶的是 Ornith-1.0 的规模策略。它一口气发布了四个版本：9B 稠密模型、31B 稠密模型、35B 混合专家模型，以及 397B 混合专家模型。从小到大的完整覆盖，意味着不管你是个人开发者在自己的笔记本上跑，还是企业在集群上部署，都有对应的选择。

小模型，大能量#

最亮眼的数据来自 Ornith-1.0-9B，也就是最小的那个版本。在 Terminal-Bench 2.1 测试中，它拿到了 43.1 分。作为对比，同样 9B 规模的 Qwen3.5-9B 只有 21.3 分——直接翻了一倍。

这不是那种”刷榜式”的微小提升，这是降维打击。一个 9B 模型能干翻比自己大几倍甚至十几倍的竞品，靠的不是参数多，而是训练方法的聪明。Ornith 的团队在论文里解释得很清楚：他们把”解题能力”和”验证能力”解耦训练，让模型在试错过程中形成一种类似于人类程序员的直觉——哪里容易出错、什么类型的 bug 最常见、怎么快速定位问题。

这种能力在小模型上尤其珍贵。参数有限的模型本来没有太多”记忆空间”去存储海量编程知识，但 Ornith 通过强化学习让它学会了”怎么思考”，而不是”记住什么”。用更少的参数，做更多的事，这大概就是开源社区最想看到的效率革命。

开源的意义：不只是代码，更是思路#

Ornith-1.0 选择 MIT 协议发布，这是一个非常重要的信号。MIT 协议几乎是最宽松的开源许可——你可以商用、修改、再分发，甚至闭源集成到自己的产品里，都不需要支付任何费用。对于一个在基准测试上能打翻不少闭源模型的系统来说，这种开放程度相当慷慨。

但比代码本身更值得关注的，是它验证了一条路径：开源模型不需要靠参数规模的军备竞赛来追赶闭源对手。Ornith 证明了通过更聪明的训练方法——特别是强化学习驱动的自我改进机制——小团队也能做出世界级的编程模型。

这对于整个 AI 开源的生态意味着什么？意味着未来可能会有更多项目沿着这条路走下去。不再是谁的 GPU 多谁就赢，而是谁的方法巧谁就能突围。你可以用别人的底座模型，加上自己的训练思路，做出超越原版的成果。这种”站在巨人肩膀上再跳一步”的模式，才是开源真正的魅力。

当然，Ornith-1.0 不是 AGI，不是万能的神器。它在某些特定领域的任务上依然有局限，大规模部署也需要相当的硬件投入。但它用实打实的结果告诉我们一件事：AI 编程的下一个突破口，或许不在于更大的模型，而在于更聪明的训练方法。

飞鸟已至#

Ornith 这个单词的意思是”鸟”，很贴切。它不算庞大，不算华丽，但能飞。对于一个开源编程模型来说，能飞得比很多”巨无霸”更远，这本身就是最响亮的声明。

如果你是一个对 AI 编程感兴趣的开发者，或者是一个在寻找更好代码助手的技术团队，Ornith-1.0 值得你花一个下午去跑一跑。去 GitHub 上把代码拉下来，在你的终端里试试它写代码的感觉。也许你会发现，最好的编程助手不是那个参数最大的，而是那个还在不断学习的。