昨天（8月19日），DeepReinforce 一口气开源了 Ornith-1.5 系列三个档位：9B 稠密、35B-A3B MoE、397B MoE，全系 MIT 协议，另外还有一个 9B 量化版 Ornith-1.5-9B-Mobile，宣称可在安卓和 iPhone 17 上运行。知乎官宣推文一天内拿下 5600+ 赞、300 万+浏览，知乎当天冒出两个相关热问，B站一夜之间多了好几条播放破千的解读视频。哔哩哔哩
这次发布最大的噱头是"自我进化"：训练阶段模型自己出更难的题、自己搭评测环境、再用强化学习迭代自己，不再依赖人工固定的题库。效果上从 1.0 到 1.5 是代际提升而不是微调：397B 的 Terminal-Bench 从 77.5 涨到 86.1，35B 的 DeepSWE 从 0 跳到 22。知乎
不过，对打算在 Mac 上本地跑的玩家，我想先说两件事：跑分要打八折看；官方 MLX 量化版，今天先别急着下。
“比肩 Opus 4.8”，是挑着赢面说的
官方完整成绩单里，397B 和 Opus 4.8 互有胜负：Terminal-Bench 2.1 是 86.1 对 85.0，领先；但 DeepSWE 56.0 对 59.0、HLE 44.6 对 49.8、SWE-bench Pro 65.1 对 68，全部落后。知乎海外测评站 ic.work 的评价更直接：所谓打平，是挑了赢面最大的题目打平。
这组数字还要再打一层折扣：全是官方 BF16 成绩、5 次运行取平均，模型 8 月 19 日才发布，第三方还没独立复现过，只能先当厂商口径看。知乎B站评论区已经开始泼冷水，点赞最高的一条就四个字：“别乱堪比”。哔哩哔哩
但有两个数字，对 Mac 用户是真的有参考价值：35B-A3B 的 SWE-bench Verified 79.0，甚至超过了 Qwen3.5-397B 的 76.4；9B 的 70.6，比同尺寸的 Qwen3.5-9B 高出近 18 个点。知乎方向是对的——这是认真做 agentic coding 的模型——但本地 Q4 量化的实际表现，别直接对标这些跑分。
核心避坑：官方 MLX 4bit 权重，Mac 首日翻车
官方发布时的姿态是很足的：FP8、GGUF、NVFP4、MLX 四种量化版当天同步上线，Ollama、LM Studio 直接能跑，Unsloth 支持微调。哔哩哔哩
但知乎博主邵奈一发布当天做了真机实测：M 系列芯片、64GB 统一内存的 Mac 加载官方 MLX 4bit 权重，9B 稠密和 35B MoE 双双翻车，输出的是一堆多语言碎片乱码，中文英文韩文混在一起。知乎
他做了四步排查，把"是不是我姿势不对"彻底排除：绕过 chat 模板用原始 completion，还是乱码；9B 和 35B 两个都坏，不是 MoE 专属问题；mlx-lm 升到最新的 0.31.3，照样乱码；最后判断根因在量化权重本身——safetensors 格式合法、加载器能读，疑似 4-bit 的 scales 转换出了问题。知乎
他的结论是：想省事直接跳过 MLX 走 Ollama，这是第一个坑。知乎这里再补三点背景：
这是单机实测结论，官方 MLX 权重近期仍在持续更新，随时可能修复，追求极限速度的玩家可以蹲一下再下；
MLX 这条路在 1.0 时代也有人遇到过乱码，但也有小红书用户表示自己的 M1 Max 64G 跑 Ornith-1.0-35B-MLX-4bit 一切正常，个体差异确实存在；
还有个隐藏坑：官方给 Apple Silicon 的 MLX 版是纯文本（视觉塔被剥离），GGUF 的 35b tag 才自带 mmproj 视觉投影。知乎想让模型看图，只能走 GGUF。
三条路线，先算内存和磁盘账
32GB 及以上统一内存、主力写代码跑 agent：Ollama + ornith-1.5:35b（GGUF Q4_K_M），模型约 22GB + 视觉投影 0.9GB ≈ 23GB 磁盘占用，是目前最稳的一条路；
16GB 档机器：9B GGUF（约 6.5GB），定位是"够用"，官方"越级打更大模型"的宣传是挑口径的，别抱 Opus 级期待；
64GB+ 且追求极限速度：可以等官方 MLX 权重修复，MoE + MLX 的统一内存带宽优势是真的，但今天先用 GGUF 跑起来，修复了再迁移；
397B：直接跳过，那是多机、大内存玩家的事，消费级 Mac 不是它的目标用户。
邵奈一的实测里，35b 的 Q4_K_M 在 64GB 的 Mac 上能轻松跑出 50+ tok/s，聊天、写代码、跑 agent 都顺滑。知乎另外两个实操小技巧：下载用 aria2c 多连接，单连接通常只有个位数 MB/s，开 16 路并发能飙到约 214MB/s，35B+9B 共约 25GB 两分钟就能下完。还有就是 Ollama 默认闲置 5 分钟自动卸载模型，冷启动首字会慢，想全天常驻记得加 --keepalive（比如 ollama run --keepalive 1h ornith-1.5:35b）。
值得盯的三个信号
一是跑分的独立复现：目前全是厂商口径，等 DeepSWE 这类独立榜单把数据收进去再下结论不迟。二是 9B-Mobile 的真机表现：官方说 9B 的量化版被压到约 1.5GB，可部署到智能手机和平板。知乎B站评论区有人调侃"手机可以当暖宝宝"，功耗和发热还是未知数，等 iPhone 真机实测出来再看。哔哩哔哩
三是小内存 Mac 可以关注"小激活参数 MoE + SSD 流式加载"的方向：开源引擎 vates 昨天发布了 v2，一年前没人会相信，一台消费级 Mac 就能本地运行 80B 参数的 MoE 大模型，还能达到日常可用的速度，现在它的 decode 速度已经从 13 tok/s 一路拉到 31 tok/s。知乎vates 本身就是一个基于 MLX 的 out-of-core 流式 MoE 推理引擎，支持 Qwen3-Next 的 MTP 自投机解码。GitHub端侧推理的天花板，比很多人想象的高得多。
一句话收尾：Ornith-1.5 值得作为本地 agentic coding 模型切换——MIT 协议、MoE 速度快、跑分方向也对；但今天在 Mac 上跑，先走 GGUF，官方 MLX 版等修复，跑分打八折，独立复现出来再加仓。
