新模型 2026-08-20

模型自己出题、自己搭测试台，再拿结果训练自己——DeepReinforce 还把权重免费放了出来

DeepReinforce 于 8 月 19 日发布 Ornith-1.5，共三个开放权重版本：3970 亿参数的专家混合模型、每个 token 激活 30 亿参数的 350 亿模型，以及 90 亿稠密模型，全部采用 MIT 许可，权重托管在 Hugging Face。真正值得注意的不是参数规模。它不再依赖人类编写的固定任务集，而是由模型自己提出任务，并对每个任务的有效性、难度与新颖性打分，自行编写运行该任务所需的脚手架，再生成解题尝试反馈给强化学习。团队称之为从自搭脚手架走向自我改进的闭环。按该实验室自己给出的数据，397B 模型在 Terminal-Bench 2.1 上得 86.1、DeepSWE 上得 56.0，而 Claude Opus 4.8 为 85.0 和 59.0，GLM-5.2 为 82.7 和 46.2；GPQA Diamond 报 92.8。上下文窗口为 262,144 个 token，BF16 格式下整个模型约 800 GB——所以这里的开放并不意味着能在你的笔记本上跑。能在笔记本上跑的是 9B 版本，它在 Terminal-Bench 2.1 上得 47.0，在 SWE-bench Verified 上得 70.6。

为什么重要?现在每家实验室都说优质训练题目正在枯竭。这是其中一种答案：让模型自己写课程表。如果这条路走得通，能力的天花板就不再是人类能出多少道像样的题，而是模型判断自己出的题值不值得解的能力有多强——这是个更让人不安的瓶颈，因为一个给自己难度打分的系统，可能一路漂向既难又毫无意义的问题。还要记住这些是 DeepReinforce 在自己挑选的基准上给出的自家数字，独立评测尚未出现。没有争议的是许可证。一个自称在终端智能体任务上与旗舰模型持平的 MIT 许可模型，等于当众抬高了地板；所有卖闭源模型访问权的人，现在都得对着这个价来定价。

#编程 #AI智能体

✓ 已核实 · 4个来源

模型自己出题、自己搭测试台，再拿结果训练自己——DeepReinforce 还把权重免费放了出来

相关新闻