Ornith-1.5-35B-A3B：端到端自我改进的 MoE 模型

Hugging Face 上出现趋势模型 Ornith-1.5-35B-A3B，作者未知，热度分 287，点赞 291，下载 9165。该模型通过端到端自我改进构建基础模型，扩展了 Ornith-1.0，激活约 3B 参数，在编码和智能体基准上超越同类模型 Qwen3.6-35B 以及 Gemma-4-31B 等稠密模型。

该模型展示了从固定人工任务转向自主生成训练任务、优化策略并强化学习的范式，且以约 3B 激活参数超越更大或稠密模型，在编码与智能体任务上表现突出，可能影响模型开发成本与效率。

模型通过端到端的自我改进循环，同时优化任务生成、脚手架构建和解决方案生成，利用强化学习持续改进策略，而非依赖人工设定任务和工具，从而提升编码和智能体任务表现。

对产品而言，该模型可能降低推理成本并提升编码类功能表现；对研发而言，其自主任务生成机制可借鉴以优化训练流程；对用户而言，智能体编码体验可能改善。但证据未明确成本或实际部署效果。

• 评估将该模型集成到编码助手或智能体产品，以对比现有模型在 SWE-bench 等基准上的表现。
• 基于其端到端自我改进思路，设计研发流程中的自动任务生成与策略优化试点。

• 模型的具体训练数据、硬件和成本未在证据中说明。
• 实际部署中的推理延迟和资源需求未知。
• 作者和开源许可以及可用性未在证据中确认。
• 与其他主要模型在更多非编码任务上的对比缺失。