公众号集体开吹那天这个会“自己出题自己练”的开源AI凭什么点燃中文社区如果你这两天刷公众号、知乎或者技术群大概率见过同一只“鸟”。它叫 Ornith来自 DeepReinforce 团队。8 月 19 日Ornith-1.5 系列开源模型发布第二天科技媒体就打出“Opus 4.8 级性能”“量化版能在 iPhone 17 上跑”的标题。紧接着CSDN、知乎、短视频平台一起涌上来有人拿 16G 显存的 4080 实测有人用 Mac Mini 折腾本地部署还有人把它接进终端里的编程助手边跑边直播。奇怪的是真正让评论区炸锅的并不是那些跑分数字。而是发布说明里的一句话这个模型开始自己给自己出题了。一、先说明白它到底是个啥抛开那些术语你可以把 Ornith-1.5 理解成一个专门练“干编程活”的 AI 学徒。它不是那种你问一句“帮我写个请假条”、它答一句的聊天机器人。它更像一个能自己打开电脑、翻代码、跑测试、发现报错再回头改的“数字打工人”。你把一个仓库丢给它说“这个 bug 你查一下”它会自己拆步骤、自己找文件、自己验证。而“35B-A3B”这串看起来像密码的东西其实可以翻译成一句人话这个模型脑子里一共装了 350 亿个“知识点”但每次干活只叫醒其中 30 亿个。就像一家大公司不是每次开会都全员到齐而是哪个项目就喊哪几个部门的人来。人还是那么多人但每次开会的成本只有十分之一。这就是它能塞进普通显卡的原因。二、它最出圈的本事自己出题自己批改自己变强我们上学时怎么变强的老师出题、自己刷题、对答案、改错再来一轮。过去训练 AI基本也是这个路子只不过“出题老师”是人。工程师们手工整理几万道题、写好评分脚本、设计好流程模型在这些题目上反复练。问题是题库是死的模型练到一定程度就没题可做了。Ornith-1.5 干的这件事用大白话说就是把出题的老师也换成了 AI 自己。它每一轮训练分三步走第一步看一眼当前的代码环境然后自己编一道“比我目前水平再难一点点”的题第二步自己搭一套“怎么解这道题”的流程包括用什么工具、先干什么后干什么、怎么算过关第三步自己上手解解完自己打分把经验吃回去。更妙的是它挑题的胃口太简单的不要完全不会的也不要专挑那种“踮踮脚刚好够得着”的题。官方给出的目标成功率大概在两成左右也就是十道题能做出两道的那种难度——既有挑战又不至于全军覆没。而且它还防着 AI 耍小聪明。评分系统里专门有一道“防作弊”关卡防止模型靠钻空子、抄答案、改测试用例来骗高分。说白了这套机制让 AI 从“刷别人给的题”变成了“自己开补习班、自己当老师、自己当学生”。有科技媒体在标题里写得很形象AI 自己出题自己练两个月涨了 11%。三、数字到底有多能打光讲道理不过瘾我们看点实的。先看最能体现“真干活”能力的 DeepSWE 测试——这个测试模拟的是真实软件开发场景难度不低。Ornith-1.5-35B-A3B 拿了 22 分。它的上一代 Ornith-1.0-35B是 0 分。同规模的 Qwen3.6-35B也是 0 分。从 0 到 22这个跨度比“85 分进步到 90 分”震撼得多。它说明模型不是把旧题型刷得更熟而是真的长出了新能力。再看几组普通人更容易感知的对比在 SWE-bench Verified一个被业界当作“修真实 bug”标准的测试上它拿到 79 分上一代是 75.6同规模对手是 73.4。在 Terminal-Bench 2.1考验在终端里连续操作完成任务上它是 67.8 分上一代 64.2对手 52.5。在 NL2Repo一句话生成一个完整项目仓库上它是 46.2 分上一代 34.6对手 29.4。还有一个细节挺有意思这个总参数 350 亿的“大块头”把 Gemma-4-31B、Muse-Glimmer-30B 这类同量级的“满血型”选手在智能体编程这项上甩开了明显差距。它每次只动用 30 亿参数却能打赢一堆全员上阵的对手。再看旗舰版本。397B 的 Ornith-1.5 在 Terminal-Bench 2.1 拿到 86.1DeepSWE 拿到 56两项都和 Claude Opus 4.8 基本打平。这也正是那批“比肩闭源顶流”标题的由来。当然咱也得说句公道话这些分数都是团队自己测的方法和参数都写在说明里但终究不是第三方机构盲测。真要拿它上生产还是得拿自己的代码库试一试。这一点社区里不少实测帖也提醒过。四、为什么“自我进化”这四个字比分数更能点燃社区这才是这次刷屏最值得琢磨的地方。你想想一个模型跑分高普通人看了是什么反应“哦又一个榜单第一。”划走。但“AI 自己出题、自己变强”普通人的反应是“等等那它会不会越跑越离谱”“这东西是不是有点科幻了”“那以后还需要人吗”分数只打动工程师故事才打动所有人。而且这个故事特别适合中文互联网的传播土壤它有一个极简的比喻——AI 自己当老师有一个反常识的钩子——上一代 0 分这一代 22 分有一个能落地的抓手——一台普通电脑、一块 24G 显卡就能跑还有一个足够大的想象空间——如果这套“自己练自己”的循环能一直转下去天花板在哪于是你看到了一条很典型的传播路径先是技术圈在 GitHub 和模型社区里围观讨论训练方法接着 CSDN 上出现大量“16G 显存实测”“Mac Mini 部署”“Ollama 一把梭”的保姆帖然后知乎抛出“这达到 Opus 4.8 级性能意味着什么”的问题最后公众号和短视频把它包装成“开源即王炸”“会自我进化的大模型”彻底推到大众面前。开源模型的传播正在从“发布—跑分—讨论”三步走变成“发布—讲一个能被复述的故事—全民实测”。Ornith 这次踩中的就是后者。五、普通人想上手门槛高不高这可能是最实在的一段。第一档成本最低Ollama 或 LM Studio。装上软件搜模型名点下载等它拉完就能聊。仓库里直接提供了从 Q4 到 Q8 的多个量化版本文件大小从 20 多 G 到 37G 不等。选哪个一句话显卡 24G闭眼选 Q4显存更多往上加只想试试水Q4 完全够用。第二档稍微折腾llama.cpp。命令行起一个本地服务然后让各种编程助手连过来。社区里已经有人把它接进终端里的 AI 编程工具让它在自己的项目里改代码。第三档给团队用走 vLLM 或 SGLang。这是正经部署的路线官方建议用两张 80G 显卡起步好给 26 万字的超长上下文留出余量。顺便说个体积上的惊喜它还支持把 26 万字上下文再往上扩理论上能顶到百万字级别等于把一整个中型项目连注释带文档全塞进去让它慢慢读。另外仓库里除了模型本体还单独放了一个视觉模块文件——这意味着它不只是“看代码”还能“看图”截图、界面稿、报错画面都能读。这对做设计还原、看图表找问题的场景挺实用。那到底谁适合玩程序员和独立开发者收益最大日常查 bug、写测试、重构小模块接进编辑器就是半个不领工资的助手。技术爱好者和折腾党这是眼下最能讲故事的本地模型之一跑起来发个朋友圈评论区必然热闹。学生党拿它读开源项目源码、解释陌生代码比翻文档快得多。普通办公族说实话暂时不用急着上。这类模型的长处是“动手改代码”不是“帮你写周报”。想日常用 AI 办公网页版产品更省心。至于手机端官方另外放了一个 9B 的量化版本能在 iPhone 17 和安卓旗舰上跑。不过别抱太高期待——那是“随身带个能聊技术的小助手”不是“揣着个满血程序员”。结语这次刷屏真正被改变的是什么回头看Ornith 这次火得有点“不讲武德”。它没有靠一个炫酷的产品界面没有靠一场发布会甚至没有靠一个能碾压所有对手的分数。它靠的是一个叙事AI 开始自己给自己出题了。这个叙事未必百分之百成立——毕竟“自己出题”仍然要在人搭好的环境和规则里进行离科幻电影里那种“自己决定要变多强”还差得远。但它足够新也足够让人心里一动。更有意思的是它背后那条路一个开源模型靠一份写得清清楚楚的技术说明、几组对比数据、一堆能直接下载的量化文件就让成千上万人愿意花一个周末去折腾自己的显卡。这在几年前是不可想象的。那么问题来了如果 AI 真的能自己出题、自己刷题、自己变强你觉得它下一步会先抢走哪类工作——是写重复代码的程序员还是那些“照着流程办事”的岗位评论区聊聊我挺想听听你的判断。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考