🦅 معرفی Ornith-1.0 – مدل هوش مصنوعی برای برنامه‌نویسی عامل‌محور
شرکت DeepReinforce AI خانواده‌ی مدل‌های متن‌باز Ornith-1.0 را در ابعاد مختلف از ۹ میلیارد تا ۳۹۷ میلیارد پارامتر روانه‌ی بازار کرده. نسخه‌ی ۳۵ میلیاردی این خانواده به‌گونه‌ای طراحی شده که به‌راحتی روی یک کارت گرافیک اجرا می‌شود و برای بسیاری از کاربران گزینه‌ای ایده‌آل محسوب می‌شود.
---
🤖 ویژگی‌های برجسته
- یادگیری خودبهبوددهنده از طریق تقویت (RL) – این مدل فقط کد نهایی تولید نمی‌کند؛ بلکه اسکافولد (همان ساختار و منطق هدایت‌کننده‌ی جستجو) را هم خودش می‌سازد. این قابلیت به مدل کمک می‌کند تا مسیرهای هوشمندانه‌تری برای حل مسئله پیدا کند و در نهایت راه‌حل‌های باکیفیت‌تری تحویل دهد.
- مجوز MIT – یعنی کاملاً رایگان و متن‌باز برای همه، بدون هیچ محدودیت منطقه‌ای یا تجاری.
- پنجره‌ی متنی بزرگ – مدل قادر است همزمان تا ۲۶۲ هزار توکن را پردازش کند که برای پروژه‌های بزرگ کدنویسی بسیار کاربردی است.
---
📊 عملکرد در بنچمارک‌های معتبر
نسخه‌ی ۳۵ میلیاردی Ornith در مقایسه با مدل هم‌رده‌ی Qwen3.5-35B عملکرد بسیار بهتری داشته:
- در بنچمارک Terminal-Bench 2.1 امتیاز ۶۴.۲ را کسب کرده در حالی که رقیب به ۴۱.۴ رسیده.
- در SWE-bench Verified با ۷۵.۶ در مقابل ۷۰.۰ موفق‌تر عمل کرده.
- در نسخه‌ی چندزبانه‌ی همین بنچمارک، امتیاز ۶۹.۳ در برابر ۶۰.۳ را ثبت کرده.
- در NL2Repo اختلاف چشمگیرتر است: ۳۴.۶ در برابر ۲۰.۵.
- و در میانگین بنچمارک Claw-eval نیز با ۶۹.۸ از رقیب خود با امتیاز ۶۵.۴ پیشی گرفته است.
---
🔥 نسخه‌ی غول‌پیکر ۳۹۷ میلیاردی
این نسخه حتی فراتر رفته و در بنچمارک Terminal-Bench 2.1 به امتیاز ۷۸.۲ دست یافته که از مدل بسته و مطرح Claude Opus 4.7 با امتیاز ۶۹.۷ بهتر عمل کرده. یعنی یک مدل متن‌باز توانسته از یکی از بهترین مدل‌های تجاری سبقت بگیرد.
---
🔗 لینک دسترسی
مجموعه‌ی کامل این مدل‌ها در Hugging Face در دسترس است:
https://huggingface.co/collections/deepreinforce-ai/ornith-10
---
#AI #DeepReinforce #LLM #MoE #برنامه‌نویسی_عامل‌محور
🆔 @asrgooyeshpardaz
شرکت DeepReinforce AI خانواده‌ی مدل‌های متن‌باز Ornith-1.0 را در ابعاد مختلف از ۹ میلیارد تا ۳۹۷ میلیارد پارامتر روانه‌ی بازار کرده. نسخه‌ی ۳۵ میلیاردی این خانواده به‌گونه‌ای طراحی شده که به‌راحتی روی یک کارت گرافیک اجرا می‌شود و برای بسیاری از کاربران گزینه‌ای ایده‌آل محسوب می‌شود.
---
🤖 ویژگی‌های برجسته
- یادگیری خودبهبوددهنده از طریق تقویت (RL) – این مدل فقط کد نهایی تولید نمی‌کند؛ بلکه اسکافولد (همان ساختار و منطق هدایت‌کننده‌ی جستجو) را هم خودش می‌سازد. این قابلیت به مدل کمک می‌کند تا مسیرهای هوشمندانه‌تری برای حل مسئله پیدا کند و در نهایت راه‌حل‌های باکیفیت‌تری تحویل دهد.
- مجوز MIT – یعنی کاملاً رایگان و متن‌باز برای همه، بدون هیچ محدودیت منطقه‌ای یا تجاری.
- پنجره‌ی متنی بزرگ – مدل قادر است همزمان تا ۲۶۲ هزار توکن را پردازش کند که برای پروژه‌های بزرگ کدنویسی بسیار کاربردی است.
---
📊 عملکرد در بنچمارک‌های معتبر
نسخه‌ی ۳۵ میلیاردی Ornith در مقایسه با مدل هم‌رده‌ی Qwen3.5-35B عملکرد بسیار بهتری داشته:
- در بنچمارک Terminal-Bench 2.1 امتیاز ۶۴.۲ را کسب کرده در حالی که رقیب به ۴۱.۴ رسیده.
- در SWE-bench Verified با ۷۵.۶ در مقابل ۷۰.۰ موفق‌تر عمل کرده.
- در نسخه‌ی چندزبانه‌ی همین بنچمارک، امتیاز ۶۹.۳ در برابر ۶۰.۳ را ثبت کرده.
- در NL2Repo اختلاف چشمگیرتر است: ۳۴.۶ در برابر ۲۰.۵.
- و در میانگین بنچمارک Claw-eval نیز با ۶۹.۸ از رقیب خود با امتیاز ۶۵.۴ پیشی گرفته است.
---
🔥 نسخه‌ی غول‌پیکر ۳۹۷ میلیاردی
این نسخه حتی فراتر رفته و در بنچمارک Terminal-Bench 2.1 به امتیاز ۷۸.۲ دست یافته که از مدل بسته و مطرح Claude Opus 4.7 با امتیاز ۶۹.۷ بهتر عمل کرده. یعنی یک مدل متن‌باز توانسته از یکی از بهترین مدل‌های تجاری سبقت بگیرد.
---
🔗 لینک دسترسی
مجموعه‌ی کامل این مدل‌ها در Hugging Face در دسترس است:
https://huggingface.co/collections/deepreinforce-ai/ornith-10
---
#AI #DeepReinforce #LLM #MoE #برنامه‌نویسی_عامل‌محور
🆔 @asrgooyeshpardaz
❤6