本地模型圈这一周，全在刷 Ornith-1.5。
8 月 19 日开源，一口气发了三个型号，MIT 协议，官方数据直接对标 Claude Opus 4.8——这几天从知乎、B 站到 HuggingFace，几乎人人在聊。但有意思的是，HuggingFace 讨论区里赞数最高的一条评论，是泼冷水的：「别信模型卡里的跑分」。
作为这个月最值得塞进 LM Studio 的开源模型，在你动手下载这十几二十 GB 之前，我把官方模型卡、多个平台的真机实测和 HF 讨论区的争论都翻了一遍，给你捋清楚：它到底是什么、跑分能信几分、你的机器能跑哪一档、下载之后怎么调。
先说清楚，Ornith-1.5 是个什么东西
Ornith AI 团队（前身 DeepReinforce）在 8 月 19 日一天之内放出了三个型号。知乎它们分别是：
9B Dense：小钢炮，还有面向手机的量化版
35B-A3B MoE：总参数 35B，每个 token 只激活约 3B，这次的主角
397B MoE：旗舰，对标 Opus 的跑分就是它跑出来的
定位很明确：专攻 agentic coding。它是 reasoning 模型，回复默认带 think 思维链，原生 256K 上下文，原生支持工具调用，MIT 协议随便商用，基座是基于 Qwen3.5 和 Gemma4 做的后训练。
最有话题度的是它的训练方式「端到端自我改进」：模型自己出题、自己搭验证脚手架、自己写解题轨迹，再用强化学习把这一整套策略联合优化，形成闭环。但这里要先澄清一个误会——这个「自我进化」发生在训练阶段，发布之后权重就是固定的，本地跑不会越用越强，别把它想象成电子宠物养成。
跑分确实猛，但先看条件
官方流出来的几个数字：
35B-A3B 的 SWE-bench Verified 79.0，超过 Qwen3.5-397B 的 76.4——「小身板干翻大块头」说的就是这个
9B 的 SWE-bench Verified 70.6，同尺寸的 Qwen3.5-9B 只有 53.2，差了近 18 个点
397B 在 Terminal-Bench 2.1 拿 86.1，Claude Opus 4.8 是 85.0——「对标 Opus」的出处
但这组数字有三个前提：BF16 全精度权重、五次独立运行取平均、官方自己的评测口径。模型 8 月 19 日才发布，第三方还没来得及独立复现；而且官方复现基准用的参数是 temperature=1.0——这跟你在家用 Q4 量化、temp 0.6 跑出来的，压根不是同一种体验。HuggingFace79.0 这个数，建议先在心里打个折，具体打几折，等社区复现说话。
硬币另一面：HF 讨论区的五种质疑
这部分是单篇新闻里看不到的。HuggingFace 讨论区这几天很热闹，赞数最高的评论（21 赞）直接开大：「别信模型卡里的 benchmark——它在各种设置下，连最基础的读写文件 tool call 都反复失败」。知乎
多位用户报告模型会陷进 thinking loop 出不来，矛头指向 chat_template.jinja——这个文件，也是本周 Claude Code 接入求助帖里的头号嫌疑。还有人指出 MTP 张量看起来像随机初始化，不像训练好的权重。也有 1.0 时代的老用户觉得「1.5 好像还不如 1.0」。
再补一个背景：Ornith 团队本身非常低调，公开信息很少，这也是部分研究者保持观望的原因之一。综合下来我的结论是：官方跑分有参考价值，但不能全信，早期版本必须自己测过才知道适不适合你的场景。
你的电脑能跑哪个，算笔账
这是跟钱包最相关的部分。三个型号，三档门槛：
9B 的 GGUF 约 6.5GB。8GB 显存紧一点能跑，16GB 很舒服，主流笔记本和入门独显都在这个区间。它 SWE-bench 能跑 70.6，已经大幅超过同尺寸的 Qwen3.5-9B，是试水成本最低的选择。
35B-A3B 的 Q4 GGUF 约 22GB，加上 0.9GB 的视觉投影组件，一共约 23GB。官方给它的 bf16 全精度部署建议是两张 80GB 显卡，所以本地玩家基本只有量化 GGUF 这一条路。HuggingFace3090、4090 这类 24GB 显存的卡能装下，但模型进去之后留给上下文的空间很有限，上下文得压低或者把部分层挪到内存；真正舒服的是 32GB 以上统一内存的 Mac 或更大显存的平台。速度是真香：Mac M 系 64GB 统一内存实测 Q4_K_M 能跑 57.6 tok/s，Ryzen AI MAX+ 395 64GB 平台开 MTP 测出 77.6 t/s。知乎知乎
MoE 快是有道理的——decode 阶段真正要搬的只有 3B 激活参数的权重，比同级稠密 27B、31B 都快；但 prefill 省不了，长输入的首字速度照样吃硬件。
397B 就一句话：bf16 权重接近 800GB，就算 Q4 量化也要 200GB 往上，消费级不用惦记了。
还有一个 Mac 专属的坑：官方 MLX 版把视觉塔剥离了，是纯文本版，而且有实测报告 4bit 量化权重输出乱码（单机结论，官方权重还在更新）。知乎所以现阶段不管 PC 还是 Mac，都优先 GGUF。
真打算上手，六条设置建议
实测帖踩完坑，观点基本一致，浓缩成六条：
先用 9B 试，确认工具调用、中文输出都正常，再考虑 35B，别上来就下 23GB；
优先 GGUF：LM Studio 的 Discover 里直接搜「ornith」，或者从魔搭下载后导入模型目录；Ollama 用户可以直接 `ollama run hf.co/ornith-ai/Ornith-1.5-35B-A3B-GGUF`；
官方推荐采样参数：temperature 0.6、top_p 0.95、top_k 20，其他不用动；
上下文从 8K-16K 起步，别一上来拉满 256K——prefill 会很惨，内存也吃得多；官方说 YaRN 能扩到 1M 左右，但普通长度开着反而轻微掉质量，真需要长窗口再开；
跑 Agent 记得设 max_tokens 兜底，防 thinking loop；遇到工具调用失败，先检查 chat template 是不是最新；
HuggingFace 直连慢的，走魔搭（ModelScope），同款 GGUF，实测 16 路并发下载能到 214MB/s，25GB 两分钟下完。
Bionic 是 LM Studio 团队今年 7 月发布的独立 Agent 应用，用它的还有个隐藏福利：它和经典 LM Studio 共用同一个模型目录，ollama 下载过的模型建个软链就能复用，一份模型三处通用，不用重复下载。知乎
谁现在该下，谁该等
翻完一圈，我的判断是：
折腾党、想做本地 agentic coding 实验的，现在就可以下——35B-A3B 大概是眼下消费级硬件上，跑 Agent 速度收益比最高的开源模型：MoE 给了速度，SWE-bench 给了牌面，MIT 给了自由度。但路径上先 9B 后 35B，确认对你的场景有效再升级。
想直接上生产的，建议等。这版本的毛病不少：工具调用失败、thinking loop、MTP 争议，都摆在明面上，官方还在修补。社区老玩家的建议是观察一到两个月。知乎
想持续跟踪的，盯四个信号就行：官方 chat_template 的修复版本、MTP 权重质疑的回应、第三方独立复现的跑分，以及它在 LM Studio、Bionic 这类环境里真实工具调用的稳定性。这四个落地了，再决定主力迁不迁，不迟。
