Ornith-1.5: مدل متن‌باز ۱۲۲ میلیاردی برای کدنویسی و ایجنت
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
Ornith-1.5 یه مدل open weights از نوع mixture of experts هست (یعنی مدلی که برای هر ورودی فقط بخشی از پارامترهاش فعال میشه) با حدود ۱۲۲ میلیارد پارامتر کل. با لایسنس MIT منتشر شده، پس هر کسی می‌تونه دانلودش کنه، لوکال اجراش کنه و روش محصول تجاری بسازه. قبل از جواب دادن استدلال می‌کنه، عکس و متن ورودی می‌گیره و context window حدود ۲۶۰ هزار توکنی داره. سازنده‌هاش می‌گن تمرکزش روی کدنویسی، agentic workflow و tool use هست، نه گپ‌وگفت معمولی.
تو تست تصویری، یه عکس از یه غذای کاری بدون هیچ توضیحی بهش دادن. مدل اول Thai red curry، کاری کارائیبی و کاری هندی رو سبک‌سنگین کرد، به یه ماده‌ی عجیب شبیه سوسیس تو عکس دقت کرد و آخرش گفت Mughlai هست، یه کاری مرغ و سیب‌زمینی از شمال هند. بعد یه دستور پخت کامل ده‌مرحله‌ای برای چهار نفر نوشت. نویسنده می‌گه استدلالش برای یه عکس ساده بیش از حد طولانی بود، پس ادعای «سبک‌تر» بودن وقتی thinking به‌طور پیش‌فرض روشنه زیاد صدق نمی‌کنه.
مهم‌ترین تست، دیباگ یه اپ full stack به اسم Legacy Vault بود که برای حساب ارث تو دفترهای حقوقی ساخته شده. طبق قانون survivorship، وارث باید حداقل ۳۰ روز بعد از متوفی زنده بمونه تا ارث ببره، ولی تو اپ این منطق برعکس شده بود. نتیجه این بود که وارثی که ۱۳۲ روز قبل از متوفی مرده بود هنوز سهم می‌گرفت. مدل بدون هیچ سرنخی از محل باگ، با یه ستاپ ایجنتی کد رو گشت، از چند تا مسیر اشتباه گذشت و آخرش همون یه خط مقصر رو پیدا و درست کرد. بعدش حساب‌ها درست بسته شد.
تو تست خلاقانه، ازش خواستن یه فایل HTML تکی بسازه که کشیدن یه تتوی کانگورو رو انیمیشن کنه، بدون هیچ کتابخونه‌ی بیرونی. خروجی مرحله‌به‌مرحله بود: اول outline، بعد سایه، بعد پر کردن، و آخرش جزئیات پس‌زمینه مثل ستاره‌ها. نویسنده می‌گه جای ابزارهای تولید تصویر رو نمی‌گیره، ولی برای یه انیمیشن خودکفای HTML و CSS/JS خوب از آب دراومد.
تو تست‌های استدلال، از روی یه عکس فیزیکی درست گفت کدوم دو نفر با سیم‌ها برق می‌گیرن، چون مدار از بدنشون بسته میشه. تو یه اسکرین‌شات WhatsApp هم فهمید که پیام رئیس درباره‌ی «deploy امشب ساعت ۱۱» درباره‌ی کاره، نه خیانت، و یه جواب مرحله‌به‌مرحله و بامزه برای آروم کردن همسر نوشت. ولی تو ترجمه‌ی یه جمله به ۸۰ زبون، زبون‌های بزرگ مثل اسپانیایی، فرانسوی، ژاپنی و عربی درست بودن و تایلندی، هاوایی، زولو و بعضی زبون‌های جنوب و جنوب‌شرق آسیا ضعیف.
جمع‌بندی نویسنده اینه که برای تیم‌هایی که با ابزارهایی مثل llama.cpp مدل‌های open weight اجرا می‌کنن، Ornith-1.5 گزینه‌ی خوبی برای کدنویسی و کار ایجنتیه. طبق بنچمارک‌های سازنده‌ها، از مدل‌های هم‌اندازه جلوتره و روی SweepBench Pro با مدل‌های چند برابر بزرگ‌تر رقابت می‌کنه. نقطه‌ضعف‌هاش هم استدلال‌های طولانی حتی برای ورودی ساده و ترجمه‌ی ناهمگونه. مقدار VRAM لازم هم خیلی به نوع quantization و طول context بستگی داره.
نکات کلیدی:
- حدود ۱۲۲ میلیارد پارامتر، معماری mixture of experts و لایسنس MIT
- ورودی متن و تصویر و context حدود ۲۶۰ هزار توکن
- یه باگ منطقی برعکس‌شده‌ی قانون ۳۰ روزه‌ی ارث رو تو اپ Legacy Vault بدون راهنمایی پیدا و درست کرد
- ترجمه به ۸۰ زبون: برای زبون‌های اصلی درست، برای تایلندی، هاوایی و زولو ضعیف
- طبق ادعای سازنده‌ها، روی SweepBench Pro با مدل‌های چند برابر بزرگ‌تر رقابت می‌کنه
- استدلالش حتی برای ورودی‌های ساده طولانی میشه
