Ornith 1.5 122B 開放權重：單卡部署、量化版本與自我改進評測怎麼看？

Ornith 1.5 122B 是這個開放模型家族新增加的成員。官方主打程式與代理工作，希望把較大型模型的能力，放進更容易自行部署的環境。

所謂代理工作，是讓 AI 透過工具連續完成任務，例如讀取專案、修改程式，再執行測試。因此，只看一段回答是否流暢，無法判斷整項工作能否交付。

這款新成員於 2026 年 10 月 20 日公布，X 原始貼文截至本文查詢時已有約一百四十八萬次瀏覽。這是該貼文的互動快照，反映的是十月二十日發布消息的傳播情況，並非平臺即時排名。

官方評測顯示，它在部分程式工作中表現有競爭力，但並非所有項目都領先。部署說明中的「單卡」，也不能直接理解成一般手機或任何消費級顯卡都能執行原版。

如果你有大記憶體設備、想測試本機程式代理，這次發布值得列入候選。若只想立即取得穩定服務，仍應先確認版本、工具支援與自己的任務成效。

要判斷它為何值得測試，先從這次新增的尺寸，以及整個系列採用的自我改進方法開始看。

Ornith 1.5 122B 是全新系列，還是新增一個版本？

這次新增的是一千二百二十億參數級別的成員，整個 1.5 系列則已於八月介紹。參數是模型學到的數值，總量可以描述規模，但不能單獨決定速度和品質。

官方研究文章原本介紹較大、較小的不同尺寸，十月新增的版本另有自己的模型卡與下載入口。因此，八月文章的大型版本分數不能直接套用到新成員。

新卡片把它列為混合專家模型。這種設計會在處理不同內容時選擇部分專家計算，所以每次運算不一定動用全部參數，但完整權重仍需要適當的儲存與記憶體安排。

權重開放，代表團隊可以下載數值資料，選擇自己的執行環境。這與直接使用線上聊天服務不同，後續的版本管理、容量和服務品質，需要由部署者負責。

因此，模型名稱中的尺寸只是起點。準備採用之前，還要知道下載的是原始精度、壓縮版本還是特定執行工具使用的格式，否則同名測試結果不一定可比較。

對已經用較小家族成員的人，這次則是另一個能力與資源選項。但不能只因尺寸變大就推定適合換版，應先查看真正想改善的工作類別。

自我生成題目、解題架構與答案，訓練如何形成迴路？

這套系列的方法，是讓模型參與建立訓練題目與解題方式，再根據執行結果改進。它想減少只依賴固定人工作業題庫的限制，但仍需要能驗證結果的環境。

官方文章將過程分成出題、建立解題架構和產生解答。解題架構是代理使用的指示、工具和工作拆法，可以把它理解成完成這一題時採用的工作配置。

因為同一個問題可能有多種解法，模型會產生不同嘗試，再用結果提供學習訊號。這裡的強化學習，就是依成功或失敗等回饋調整後續行為的訓練方式。

但出題也需要品質控制。題目太簡單，很難讓能力進步；題目完全無法完成，又可能產生不了有用的成功例子，所以研究把難度放在仍有機會學會的範圍。

官方方法還要求題目有效、結果可驗證，而且和舊題有足夠差異。因為若只反覆改寫相同工作，數量增加不一定帶來新的學習內容。

解題架構本身也有評估要求。它要符合題目、能忠實區分好壞答案，並減少利用評分漏洞取得高分的方式，否則訓練可能學會的是討好評分程式。

因此，自我改進不等於模型在任何地方自行決定一切。這是研究團隊設計的訓練迴路，需要環境、驗證規則與資源配合，也不能直接推成部署後會永遠自動變強。

對使用者而言，最值得借用的想法是讓測試和真實工作接近。若你的驗收只檢查程式能啟動，代理即使拿到高分，也未必完成使用者真正要的功能。

延伸閱讀：Recursive Flint 開放權重：40B 本機程式模型，Eureka Machine 幫忙做了什麼？

官方程式評測有哪些強項，又有哪些反方證據？

新版本的成績要看自己的表格，並保留官方自評的性質。公開模型卡列出多項程式與工具任務，以下取與常見開發工作較接近的幾項。

表格裡的終端機工作由對手較高，其他列則有不同差距。這表示「某個程式評測領先」不能擴張成「所有程式工作都贏」，更不能拿其中最大差距代表整體改善。

終端機評測偏向讓代理在電腦環境完成工作，程式修補評測則檢查處理專案問題的能力。兩者都與開發有關，但需要的工具、資訊與驗收方式不同。

因此，如果團隊主要要修現有專案，可以優先拿真實修補工作做對照。若主要需求是從文字建立新程式，則還要另外檢查需求理解、結構和能否持續修改。

這裡的比較採模型卡同一組結果。X 主文與卡片的部分數字不同，因此閱讀時應分清版本與設定，避免把不同測試條件下的成績放在一起。

這些結果能支持把新版本列入測試，但仍不足以替自己的設備和專案保證成功。後續若有獨立測試與可重現紀錄，才更有依據判斷它的優勢能否延續。

單張顯卡能執行，為什麼仍要看精度和記憶體？

官方部署段落寫到單張八十 GB 顯卡，但這不等於所有下載版本都能以原始精度放進相同容量。權重使用的數值精度，會直接改變需要儲存的資料量。

量化就是用較少位元表示原本的數值，以降低容量與運算負擔。位元可理解為記錄數值所用的最小資訊單位，用得較少能節省空間，也可能改變回答品質。

對下載者來說，應先核對實際檔案總量與所需格式，再檢查執行工具是否支援。不能看到官方一句單卡說明，就跳過版本選擇直接估算設備一定足夠。

記憶體也不只放權重。代理每次讀取的專案內容、對話歷史，以及產生答案時保留的中間資料，都可能增加執行需求，所以短問題能跑不代表長工作也能跑。

模型卡提到行動裝置量化版本，但這是另外的版本與部署敘述。原始發布沒有提供足以保證所有手機相容的統一條件，因此不能把它當成一般手機可直接執行完整版本的證明。

如果已有設備，可以先選與它相容的格式，從短內容測試。記錄實際最高用量和每次等待，再逐步增加專案長度，比只依參數名稱推算更可靠。

如果尚未有適合設備，則先使用可取得的服務測任務品質，通常更有資訊價值。因為即使硬體最後能放下模型，能力不符需求仍無法靠多買記憶體解決。

二十六萬上下文和延伸到百萬，會是相同品質嗎？

模型卡的基本上下文上限為二十六萬二千一百四十四個 Token。上下文是一次工作可讀取的輸入與相關內容範圍，Token 則是模型分割資訊後的計算單位。

官方另提供延伸位置編碼的方式，將有效範圍拉長到約百萬。位置編碼協助模型理解資訊在序列中的位置，因此改變它不是單純把一個容量欄位加大。

卡片明確提醒，開源執行工具會對所有請求套用相同延伸因子，可能稍微影響普通長度的品質。因此，沒有長內容需求時，不應只為了規格較好看就全面打開。

假設工作大多只讀幾份短文件，可以先測基本設定。等到真實專案確實超出範圍，再比較延伸後是否仍找得到重要條件，而不是只確認程式沒有回報超長錯誤。

因為能接收更長內容，不等於每段內容都能被同樣有效利用。測試可以將必要資訊放在不同位置，再看代理是否仍能讀懂前後限制，避免只用單一容易的範例。

延伸範圍也會提高資源要求，所以還要同時保存用量與完整耗時。若為了少數長任務犧牲所有短任務的效率，也可以考慮分開設定不同工作入口。

工具呼叫能接上代理，還需要驗證哪些地方？

模型卡提供與常見程式介面相容的呼叫示例，因此可以接到既有代理工具。但相容介面只解決資料如何傳送，並不保證每個工具參數都符合真實工作。

例如，天氣工具需要城市名稱，模型就要把問題中的地點轉成正確欄位。這類工具呼叫是請軟體執行指定功能的請求，格式錯誤就可能讓工作中斷。

所以第一個測試可以先使用唯讀工具，核對工具名稱、必填欄位與結果如何送回模型。這樣出錯時比較容易分辨，是解析格式還是理解問題出了差異。

接著再放入多步工作。讓代理先讀資料、比較條件，再回答問題，能檢查它是否把前一個工具結果接到下一個判斷，而不是每一輪都重新猜測。

測試紀錄應包含每輪要求與工具回傳，而不只保存最後答案。因為最後結果錯誤時，這些中間資料能讓團隊知道問題從哪個環節開始。

若工具會修改檔案，也要沿用原本的範圍限制與版本管理。更換模型不會自動擴大任務授權，能提出動作與有權執行該動作，仍是兩件不同的事。

程式代理的驗收，不能只看測試訊息是綠色

有些任務需要同時滿足既有測試與新增需求，所以代理應交付可檢查的修改。團隊可以先讀差異，再確認測試涵蓋了使用者要求，而不是因為沒有錯誤訊息就接受。

如果代理為了通過測試，刪掉重要檢查或改變驗收條件，成績改善就可能失去原意。這也是自我改進研究強調評分忠實性的原因，實際工作同樣需要檢查成功是怎麼得到的。

更換量化精度後，也應重跑相同一組案件。因為文字聊天可能看不出細小差異，但工具參數或多步約束一旦變動，就可能讓後續工作無法接續。

把任務拆成可觀察階段，能讓小規模測試更有價值。團隊不必一次證明所有能力，只要先確認自己最常用的工作，在選定版本與設備上能穩定完成。

延伸閱讀：Beam 1.0 開放權重落地：Apache 2.0、Mirror CLI 與部署版本怎麼選？

模型卡標示 MIT，正式採用前如何核對版本？

模型卡將這份開放權重標示為 MIT，提供較容易研究和整合的方向。但採用時仍應確認實際下載版本附帶的授權文件，並記錄取得日期與版本識別。

比較部署方案時，也要分清權重授權和服務條件。模型卡的開放標示，不代表每個線上入口都採同樣的費率與功能範圍，因此選擇代管服務仍應核對該入口的實際說明。

對本機測試者，最有用的交付是一份能重現的環境紀錄。保存模型版本、精度、工具設定與任務結果，之後換版本時就能有依據地比較，而不是只憑聊天印象。

這也讓團隊更容易做取捨。如果新成員在自己的修補案件中有改善，且資源需求可承擔，就值得繼續測；若需要大量格式修正與人工救援，則應把這些成本一起納入。

Ornith 1.5 122B 常見問題 FAQ

Ornith 1.5 122B 是十月的新模型嗎？

這個尺寸的成員於十月二十日公布，系列其他尺寸在八月已經介紹。

不同尺寸的成績與行動裝置敘述，不應互相套用。

開放權重是否代表一般筆電都能執行？

不能這樣推論。

仍要核對檔案格式、量化精度、執行工具和實際記憶體需求。

它會在使用過程中自己不斷訓練嗎？

官方的自我改進主要描述訓練方法。

不能由此推定下載後的所有部署都會持續自行更新權重。

先用固定開發任務，驗證新尺寸的實際價值

這款新成員適合已經準備評估開放程式模型、能管理部署條件的團隊。先選一組真實修補或工具任務，固定版本與驗收標準，才看得出新模型是否減少人工接手。

下一步可先讀模型卡和系列研究說明，再決定要測哪種精度與上下文設定。免費訂閱 AI 郵報，持續追蹤本機 AI 與開放模型的研究及應用更新。

資料來源

• Ornith 122B 官方模型卡。
• Ornith 1.5 系列官方研究文章。
• Ornith 十月二十日官方發布貼文。