OpenClaw—AI研究在当今快速发展的AI领域，Ornith-1.0横空出世，成为专为代理编程任务设计的一系列自进化开源模型。这一系列模型涵盖了从适用于边缘设备的9B Dense模型到性能优化的397B MoE前沿规模模型的多样化选择，包括9B Dense、31B Dense、35B MoE和397B MoE等变体。Ornith-1.0基于预训练的Gemma 4和Qwen 3.5构建，在同类开源模型中，其在编程基准测试中的表现达到了最先进的水平。
Ornith-1.0的核心创新在于其自进化的训练框架。与依赖人工设计的解决方案生成框架不同，Ornith-1.0学会了同时生成解决方案和指导这些解决方案的任务特定框架。通过共同优化框架和解决方案，模型能够发现更好的搜索轨迹，并生成更高质量的解决方案。这一设计不仅提升了模型解决问题的能力，还使其能够自主优化解决问题的路径。
图 1
在实际应用中，Ornith-1.0展现出了强大的代理编程能力。无论是简单的代码补全任务，还是复杂的算法设计问题，Ornith-1.0都能提供高质量的解决方案。特别是在SWE-Bench和Terminal-Bench等编程基准测试中，Ornith-1.0的表现甚至超越了Claude和GPT等闭源模型，展现了开源模型的巨大潜力。
图 2
Ornith-1.0的另一个亮点是其模型规模的多样性。从9B Dense模型到397B MoE模型，Ornith-1.0为不同的应用场景提供了灵活的选择。对于资源受限的边缘设备，9B Dense模型可以在保持较高性能的同时降低计算资源需求；而对于需要极致性能的任务，397B MoE模型则能够提供最先进的表现。
图 3
总的来说，Ornith-1.0代表了自进化LLM在代理编程领域的一次重大突破。其创新的训练框架、卓越的性能表现以及灵活的模型规模选择，使其成为开源AI模型中的佼佼者。随着AI技术的不断进步，我们有理由相信，Ornith-1.0将在未来的AI开发中发挥越来越重要的作用。