"Ornith"（鸟）只是团队的趣味命名（开场白是 Chirp Chirp! 🐦），实际是通用推理/编码/智能体方向的九B 级多模态 LLM，卖点是端到端自我改进（self-improvement）训练范式。2026-08-18 才上线，一周内月下载冲到 119,053 次：RL 自我改进的故事性 + MIT 许可 + 单卡可跑的小体积，切中了当下 agent 端侧化的需求。
| 项目 | 内容 |
|---|---|
| HuggingFace 地址 | https://huggingface.co/ornith-ai/Ornith-1.5-9B |
| 类型 | Model（图文→文本，推理模型） |
| 热度分 trendingScore | 189（截至 2026-08-26） |
| 许可证 | MIT |
| 榜单 | HuggingFace 热榜 第16名 |
"Ornith"（鸟）只是团队的趣味命名（开场白是 Chirp Chirp! 🐦），实际是通用推理/编码/智能体方向的九B 级多模态 LLM，卖点是端到端自我改进（self-improvement）训练范式。
2026-08-18 才上线，一周内月下载冲到 119,053 次：RL 自我改进的故事性 + MIT 许可 + 单卡可跑的小体积，切中了当下 agent 端侧化的需求。
约 9.65B 参数（BF16 权重约 19GB），`qwen3_5` 密集架构，单张 80GB GPU 可部署；上下文 262,144 token，YaRN 缩放可扩至约 1M；支持图像+文本输入。基座路线：在 Qwen3.5 与 Gemma4 上完成继续预训练→中期训练→后训练得到 Ornith-1.0，随后进入自我改进循环——模型持续自生成训练任务、发现解题策略并按 rollout 表现做强化学习，产出 1.5 版。官方称这是"通过端到端自我改进构建基础模型的重要一步"；具体任务分布与成绩细节未在模型卡完全披露。
model = AutoModelForMultimodalLM.from_pretrained(
"ornith-ai/Ornith-1.5-9B", device_map="auto")vLLM 一行起服：`vllm serve ornith-ai/Ornith-1.5-9B --port 8000`；Ollama 用户：`ollama run ornith-1.5:9b`。
消费级显卡走 Ollama/GGUF 量化最省事（`ornith-1.5:9b` 已收录，量化后权重仅数 GB）；追求吞吐用 vLLM 单卡常驻；需要多模态接口时选 Transformers 官方写法。MIT 许可无商用合规负担。
同体量对位 Qwen3.5 小杯与 Gemma 系列；差异化不在蒸馏而在"自我生成任务"的 RL 训练法，官方称之为迈向基础模型的自我改进之路。
模型卡、ornith-ai 组织主页、Ollama 库条目 `ornith-1.5:9b`。