當 OpenAI 與 Anthropic 忙著關起門來遊說政府「管制開源」，DeepReinforce 直接把一顆震撼彈砸進整個 AI 圈。代號 Ornith-1.5 的全新開源模型系列正式亮相，技術白皮書上的數字讓人不得不揉揉眼睛——在 SWE-bench 與極限推理評測中，它的旗艦版本不僅追平 Claude 3.5 Sonnet，甚至在某些項目上踩過了 Opus 4.8。更諷刺的是，那個能在你口袋裡手機離線運行的 9B 輕量版，竟然還是開源的。
這不只是一次產品發布。這是一封戰書。
算力貧瘠時代的終結？開源社群終於等到「破壁者」
過去兩年，開源模型與閉源旗艦之間始終存在一道看不見的天塹。不是開源陣營不夠努力，而是後訓練階段的資料瓶頸與算力落差實在太現實。當 GPT-4 等級的模型在複雜程式碼建構與多步驟推理中游刃有餘時，開源社群多半還在為了「如何用 7B 參數硬撐出 30B 的效果」絞盡腦汁。
但 Ornith-1.5 的出現，某種程度上宣告了這場龜兔賽跑進入新的賽段。根據 DeepReinforce 公布的技術白皮書，這一系列模型從 397B 雲端旗艦到 9B 端側輕量版，全部採用 Apache 2.0 商業友善授權。這意味著企業不僅可以免費下載、修改，還能直接拿去商用，完全不用看任何閉源廠商的臉色。
從產業面來看，Apache 2.0 的授權選擇是極具戰略意圖的一步。過去許多開源模型打著「開放」旗號，卻在商用條款上綁手綁腳。DeepReinforce 這招等於直接拆掉了最後一道門檻，讓從新創到大型企業都能毫無顧慮地採用。這不是情懷，這是精準的市場卡位。
自我改進循環：讓 AI 自己跟自己下棋
Ornith-1.5 效能躍升的核心秘密，藏在一個名為「自我改進循環（Self-Improvement Loop）」的訓練機制裡。白話文來說，傳統模型訓練到後期就像一個學生把課本翻爛了，沒有新題目可寫，進步幅度自然趨緩。但 DeepReinforce 的做法，是讓模型在學習過程中自己出題給自己寫，而且越出越難、越寫越深。
這套機制的本質，是讓 AI 在無需持續依賴人工標註數據的情況下，自主建構出一個性能提升閉環。模型會主動探索推理邊界、提出更具挑戰性的邏輯任務，再透過強化學習反饋進行迭代校正。聽起來很抽象？用圍棋來比喻，就是 AlphaGo 不再需要人類棋譜，而是自己跟自己下棋，然後突然下出讓人類完全看不懂的 37 手。
從技術層面來說，這解決了開源模型長期以來「靜態資料集訓練」的根本痛點。當閉源廠商靠著海量用戶對話數據不斷強化模型時，開源陣營往往只能仰賴有限的公開資料。自我改進循環的價值在於——它讓模型的進化不再完全取決於外部數據的輸入量，而是靠內部的推理迭代來突破天花板。
從 397B 雲端巨獸到口袋裡的 9B：一場精準的產品矩陣布局
如果說自我改進循環是 Ornith-1.5 的「裡子」，那它的產品矩陣布局就是徹底打破市場想像的「面子」。DeepReinforce 一口氣端出三個主力版本，每個都有明確的市場定位與打擊目標：
注意最後一列。Ornith-1.5-9B 以 90 億參數的「小身板」，在標準基準評測中跨級擊敗了 Google 的 Gemma-4-31B。這不是「接近」，是直接越級打怪。參數利用效率的懸殊差距，說明了 DeepReinforce 在架構設計與訓練演算法上的積累，已經不是單純的「堆參數」邏輯可以解釋。
換個角度想，這對企業採購決策會產生很實際的影響。假設你是一家新創的技術長，現在面對兩個選擇：每個月花數萬美元租用閉源 API，或是一次性投入硬體成本、部署一個效能相當甚至更好的開源模型。這道選擇題的答案，接下來幾個月會越來越明顯。
9B-Mobile 量化版：AI 隱私的最後一塊拼圖？
在所有版本中，我最感興趣的反而是最不起眼的那個——Ornith-1.5-9B-Mobile。DeepReinforce 透過 4-bit 權重壓縮、端側 NPU 記憶體佔用優化與頻寬加速技術，把這款模型塞進了 iPhone 17 與 Android 旗艦機的晶片裡。離線、免費、不送數據上雲，三個關鍵字組合在一起，殺傷力極大。
過去企業導入 AI 最大的痛點，始終繞不開資料隱私。銀行業不敢把客戶資料餵給 API、醫療機構不敢用雲端模型處理病歷、法務部門更不可能讓合約內容經過第三方伺服器。Ornith-1.5-9B-Mobile 給出的解方是：既然大家不信任雲端，那我們就把模型搬到你的設備裡，數據從頭到尾不出門。
說實話，端側 AI 不是新概念，Google 的 Gemma 系列、Apple 的端側模型都在做類似的事情。但 Ornith-1.5 的差異在於——它在不犧牲推論品質的前提下，把運行門檻壓到了幾乎任何一台旗艦手機都能負荷的程度。這不只是技術示範，這是直接走進消費者的日常生活。
閉源陣營的噩夢：當開源不再只是「第二選擇」
就在 Ornith-1.5 發布的同一段時間，外媒披露 OpenAI 與 Anthropic 正在密集遊說美國政府，呼籲對中國開源模型實施更嚴格的出口管制。諷刺的是，黃仁勳和馬斯克等人卻公開表態力挺開放生態——這場 AI 霸權的角力，早已超越單純的技術競賽，上升到地緣政治與商業利益的全面對決。
回到技術本身。Ornith-1.5 的出現，真正撼動的是一個根深蒂固的產業預設——「開源等於次等貨」。過去企業選擇閉源模型，不只是因為效能更好，更因為閉源廠商提供了「責任歸屬」的明確窗口。但當開源模型在效能上逐漸追平，甚至部分超越閉源旗艦時，這個預設就開始鬆動了。
DeepReinforce 的布局很聰明。它沒有走 OpenAI 那種「單一巨型模型打天下」的路線，而是用完整的產品矩陣從雲端一路覆蓋到終端設備。397B 打的是品牌旗艦與技術話語權，35B 搶的是企業私有化部署的利潤中心，9B-Mobile 攻的則是隱私敏感型應用與消費端場景。三條戰線同時開打，火力相當集中。
當然，開源生態的挑戰從來不在「發布那一刻」的聲量，而在後續的生態維護與版本迭代。Ornith-1.5 能否在三個月後仍然保持競爭力、社群能否圍繞它建立起完整的工具鏈與應用生態，才是真正決定這場「開源反擊戰」能走多遠的關鍵。
但至少在今天，你可以把這句話記下來：閉源旗艦的護城河，已經被鑿開了一道裂縫。
▍寫在最後：如果你正在評估企業導入 AI 的方案，現在或許是時候重新盤點開源模型的選項了。Ornith-1.5 系列的釋出，不只是一則新聞，它可能直接影響你下一季的技術採購決策與資料治理策略。花一個週末下載 9B 版本在你的開發環境跑一輪，親眼確認它的真實表現——這比看一百篇評測文都更有說服力。
本文改寫整理自公開新聞來源，原始報導由T客邦發布。
常見問題 FAQ
Ornith-1.5 真的能在 iPhone 17 上離線跑嗎？效能會不會打折？
可以。DeepReinforce 專門推出了 9B-Mobile 量化版本，透過 4-bit 權重壓縮與 NPU 優化，在旗艦手機上就能離線執行複雜對話與程式碼輔助，無需連網、無需 API 費用，且推論品質仍維持極高水準。
Ornith-1.5 的 Apache 2.0 授權代表我可以免費商用嗎？
是的。Apache 2.0 是商業友善的開源授權條款，允許企業自由下載、修改、甚至拿來開發商業產品，不需要向 DeepReinforce 支付任何授權費或權利金。
9B 輕量版真的能打贏 Gemma-4-31B？參數差這麼多怎麼可能？
根據 DeepReinforce 公布的基準評測數據，Ornith-1.5-9B 在多數標準測試中確實跨級擊敗了 Gemma-4-31B。這並非神話，而是源於其訓練階段的「自我改進循環」機制與更高效的架構設計，讓參數利用效率遠超傳統稠密模型。
自我改進循環跟一般的 RLHF 有什麼不一樣？
RLHF（基於人類反饋的強化學習）需要大量人工標註數據來提供獎勵信號，而 Ornith-1.5 的自我改進循環是讓模型自主生成更困難的推理任務並自我迭代，大幅降低對人工數據介入的依賴，實現更接近「自主進化」的訓練模式。
現在哪裡可以下載 Ornith-1.5 的模型權重？
DeepReinforce 已將 Ornith-1.5 系列模型全面開源上架，使用者可透過官方 GitHub 頁面與 Hugging Face 平台取得各版本的模型權重與部署文件，建議參照官方技術手冊進行環境配置與效能調校。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
