AI 自己寫「考試題目」？編碼代理的新演進，Ornith-1.0

한국어 English 日本語 简体中文 繁體中文
By Gi Pyeong Lee
AI 編碼 開源 技術趨勢
Ornith-1.0 標誌與複雜編碼邏輯自動重構的數位圖形
AI Summary

Ornith-1.0 是一款具備自動設計與學習所需測試環境（腳手架）能力的最新開源編碼 AI 模型。

想像一下。您委託一位能幹的開發人員修復複雜的軟體錯誤，而對方不只是單純修復代碼，還為了驗證該錯誤是否確實解決，自動動手建立起所有需要的測試工具與環境。這聽起來簡直就像魔法一樣。

最近，人工智慧研究所 Deep Reinforce 發布了一款名為 Ornith-1.0 的新型 AI 模型家族，展現了如此驚人的能力。雖然市面上已有許多會編碼的 AI，但 Ornith-1.0 就像經驗豐富的工程師一樣，能自行設計解決問題的「舞台」，展現了截然不同的進化。

這為什麼很重要？

過去大部分的編碼 AI 都僅止於在人類訂定的規則內尋找答案。然而，現實世界的編碼並沒有唯一的「標準答案」。找出問題所在、建構驗證用的測試環境、修正後再次確認，這些複雜的過程是必不可少的。 [출처: Ornith1.0: SelfLearningLLM forCoding by Mehul Gupta Medium](https://medium.com/data-science-in-your-pocket/ornith-1-0-self-learning-llm-for-coding-318c9a830bfc)

像 Ornith-1.0 這樣的「代理型（Agentic）編碼模型」，使 AI 不再— layout: post title: “AI 竟能自己編寫「考題」？編碼代理的新演進：Ornith-1.0” description: “由 Deep Reinforce 發布的開源編碼 AI「Ornith-1.0」，能自主建立編碼環境並解決問題。給一般大眾的淺顯解說。” summary: “Ornith-1.0 是最新的開源編碼 AI 模型，具備自主設計必要測試環境（支架）並進行學習的能力。” tags: [AI, 編碼, 開源, 技術趨勢] image: 2026-06-27-Ornith-10-A-family-of-open-source-LLMs-specialized-for-agentic-coding.jpg image_alt: “Ornith-1.0 標誌與複雜編碼邏輯自主重構的數位圖形” reporter: “MindTickleBytes AI” news_type: “Knowledge” ai_opinion: “不拘泥於人類既定框架，由 AI 自主建立嘗試錯誤標準的能動性學習方式，將使編碼代理的水平提升至新高度。” quiz:

  • question: “Ornith-1.0 模型與以往編碼 AI 相比，最大的差異特徵為何？” choices: [“提升網路搜尋速度”, “自主建立解決問題用的測試環境（支架）”, “增加影像生成功能”] answer: 1 explanation: “Ornith-1.0 不僅透過強化學習解決編碼問題，連驗證問題用的環境（支架）都能自主設計。”
  • question: “Ornith-1.0 模型以哪種授權方式公開？” choices: [“不公開的獨家授權”, “GPL 授權”, “MIT 授權”] answer: 2 explanation: “Ornith-1.0 以 MIT 授權公開，無論是研究用途或商業目的皆可自由使用。”
  • question: “Ornith-1.0 模型是基於哪些既有模型進行學習的？” choices: [“Gemma 4 與 Qwen 3.5”, “GPT-4o”, “Llama 3”] answer: 0 explanation: “Ornith-1.0 是以既有的強大模型 Gemma 4 與 Qwen 3.5 為基礎，進行了額外學習（後訓練）。” lang: zh-TW ref: 2026-06-27-Ornith-10-A-family-of-open-source-LLMs-specialized-for-agentic-coding —

想像一下：你委託一位優秀的開發人員修改複雜的軟體錯誤。然而，這位開發人員不僅只是修改程式碼，為了確認錯誤是否真的已修復，還能自動將所有必要的測試工具與環境「變」出來，這會是什麼樣的情況？簡直就像魔法一樣。

近期，人工智慧研究室 Deep Reinforce 發布了全新的 AI 模型家族——Ornith-1.0，展現了這般驚人的能力。過去雖然已有許多具備編碼能力的 AI，但 Ornith-1.0 的進化層次不同，它就像一位資深工程師，能為了自主解決問題而直接設計出「舞台」。

為何這很重要？

以往大多數的編碼 AI，僅止於在人類訂定的規則內尋找答案。然而，真實世界的程式開發並沒有唯一的「正確解答」。判斷問題所在、建立驗證用的測試環境、修復後再次確認，這些繁複的過程是不可或缺的。[出處: Ornith1.0: SelfLearningLLM forCoding by Mehul Gupta Medium](https://medium.com/data-science-in-your-pocket/ornith-1-0-self-learning-llm-for-coding-318c9a830bfc)

像 Ornith-1.0 這類「代理型編碼模型」，使 AI 超越了單純預測下一個單字的層次，能夠自主執行軟體工程的全過程。此外，這些模型皆以開源方式公開，讓全球開發者無論企業規模大小，都能將尖端技術導入至自己的服務中。出處: DeepReinforce ReleasesOrnith-1.0:AnOpen-SourceCodingModel…

淺顯易懂：會「自建廚房」的廚師

Ornith-1.0 的核心在於「自主建立測試環境（Self-Scaffolding）」。

讓我們換個簡單的比喻。假設我們正在聘請一位廚師，如果現有的 AI 是只能看食譜做菜的機器人，那麼 Ornith-1.0 就是在做菜之前，會先檢查廚房設備的廚師。如果瓦斯爐不夠，它會自己安裝噴槍；如果缺乏確認食材新鮮度的工具，它也會親手製作該工具後再開始烹飪。

這裡所謂的「支架（Scaffold）」，是一種為了驗證程式碼是否正常運作的測試設計圖。現有模型多半依賴人類預先建立好的測試環境，但 Ornith-1.0 透過強化學習（Reinforcement Learning，即透過施行錯誤，若答對則給予獎勵的方式進行學習），能同時優化問題解決方案與驗證結果的舞台。出處: Ornith on X: “Aloha! 🌺 Meet Ornith-1.0…” 出處: Open-Source Coding Model Ornith-1.0 Writes Its Own Training Scaffold in Reinforcement Learning

進展到什麼程度了？

Deep Reinforce 公開了多種模型，讓使用者能依照環境進行選擇。從輕量快速的 9B（90 億參數）模型，到展現巨大規模的 397B（3,970 億參數）「專家混合（MoE，結合多個小型模型的高效率方式）」模型，選擇範圍相當廣泛。出處: DeepReinforce ReleasesOrnith-1.0:AnOpen-SourceCodingModel…

性能表現同樣耀眼。在測量實際編碼問題解決能力的著名測試平台「SWE-Bench Verified」中，它創下了 82.4 分的高分，這在現有的開源模型中無疑是最高水平。出處: Ornith on X: “Aloha! 🌺 Meet Ornith-1.0…” 出處: Open-Source Coding Model Ornith-1.0 Writes Its Own Training Scaffold in Reinforcement Learning

未來的樣貌

Ornith-1.0 的問世，預告了開源 AI 生態系將出現巨大波瀾。過去依賴大型科技巨頭專有模型的時代即將過去，開啟了每個人都能親手建立與改善強力編碼工具的時代。出處: DeepReinforce ReleasesOrnith-1.0:AnOpen-SourceCodingModel…

未來，AI 將不再僅僅是協助編寫程式碼，而是會演變成指揮整個軟體開發專案的「自主型工程師」。開發者將能更專注於具創意與架構性的思考，而反覆且乏味的驗證工作則交由 AI 代理代勞，這一未來的第一步，已隨著 Ornith-1.0 正式邁出。出處: DeepReinforce Releases Ornith-1.0 for Self-Scaffolding Coding Agents, TechGig

參考資料

  1. Ornith1.0—Open-SourceAgenticCodingModels
  2. [Ornith1.0: SelfLearningLLM forCoding by Mehul Gupta Medium](https://medium.com/data-science-in-your-pocket/ornith-1-0-self-learning-llm-for-coding-318c9a830bfc)
  3. IntroducingOrnith1.0-AgenticCodingLLMs - YouTube
  4. Ornith-1.0-adeepreinforce-ai Collection
  5. IntroducingOrnith1.0-open-source- Art of Smart
  6. DeepReinforce ReleasesOrnith-1.0:AnOpen-SourceCodingModel…
  7. DeepReinforce releasesopen-sourceOrnith-1.0codingmodels…
  8. deepreinforce-ai/Ornith-1.0-9B-GGUF · Hugging Face
  9. Ornith-1.0: Self-ScaffoldingLLMsforAgenticCoding
  10. DeepReinforceOpenSourcesOrnith-1.0CodingModels - Open…
  11. LLM Explorer: AI Agent andOpen-SourceLanguage Model Directory
  12. Ornith on X: “Aloha! 🌺 Meet Ornith-1.0…”
  13. Saidul on X: “Open-source AI just raised the bar for coding agents…”
  14. [🚨 AI News TestingCatalog on X: “DeepReinforce has released Ornith-1.0…”](https://x.com/testingcatalog/status/2070153054679179400)
  15. Open-Source Coding Model Ornith-1.0 Writes Its Own Training Scaffold in Reinforcement Learning
  16. DeepReinforce Releases Ornith-1.0 for Self-Scaffolding Coding Agents, TechGig
  17. 0xMarioNawfal on X: “DeepReinforce just launched Ornith-1.0…”
  18. deepreinforce-ai/Ornith-1.0-9B · Hugging Face
測試你的理解
Q1. Ornith-1.0 模型與過往編碼 AI 相比，最大的差別在於什麼？
  • 提升網路搜尋速度
  • 自動建構解決問題所需的測試環境（腳手架）
  • 新增影像生成功能
Ornith-1.0 不僅能透過強化學習解決編碼問題，還能自行設計用於驗證該問題的環境（腳手架）。
Q2. Ornith-1.0 模型以哪種授權條款發布？
  • 非公開專有授權
  • GPL 授權
  • MIT 授權
Ornith-1.0 以 MIT 授權發布，無論是研究或商業用途皆可自由使用。
Q3. Ornith-1.0 模型的學習基礎是參考哪種既有模型？
  • Gemma 4 與 Qwen 3.5
  • GPT-4o
  • Llama 3
Ornith-1.0 是以強大的既有模型 Gemma 4 與 Qwen 3.5 為基礎，進行了額外的訓練（後訓練）。