O que é Ornith-1.5-122B?
O Ornith-1.5-122B é o membro de 122 bilhões de parâmetros da família 1.5 da Ornith. Seus pesos apareceram no Hugging Face em 16 de outubro de 2026, com builds FP8, NVFP4, GGUF e MLX em 20 de outubro, dois meses depois dos tamanhos 9B, 35B e 397B. Sua configuração usa a arquitetura mixture-of-experts do Qwen3.5 (256 especialistas, 8 roteados por token, 48 camadas que misturam atenção linear e completa); a Ornith não publica a contagem de parâmetros ativos. O treino estende o Ornith-1.0, ele próprio construído sobre o Qwen3.5 e o Gemma 4: o modelo propõe novas tarefas de treino, monta o ambiente de agente para tentar cada uma e aprende com os resultados por aprendizado por reforço.
A Ornith informa 84,5% no SWE-bench Verified, 76,9% no SWE-bench Pro e 81,2% no Terminal-Bench 2.1, pontuados com o que ela chama de salvaguardas anti-hacking, e afirma liderar o Qwen3.8-Flash-Next e o Nemotron 3.5 Super VL na maioria dos testes de programação e de agentes. Ele raciocina antes de responder, aceita texto e imagens, suporta chamadas de ferramenta e contexto de 262.144 tokens, e roda em vLLM e SGLang. O card diz que ele roda em uma única GPU de 80 GB, mas só os builds de 4 bits (cerca de 76 a 78 GB) chegam perto; o FP8 tem 133 GB e o BF16 250 GB.
Os pesos estão sob a licença MIT.
Ornith-1.5-122B vale a pena?
O Ornith-1.5-122B apresenta os números mais impressionantes da sua categoria de peso, e a alegação que mais importa aos compradores é mais fraca do que parece. O model card diz que ele roda em uma única GPU de 80 GB, mas o checkpoint BF16 tem 250 GB e o build FP8 133 GB. Só as versões de 4 bits, NVFP4 com 77,7 GB e o GGUF Q4_K_M com 75,8 GB, chegam perto de uma placa de 80 GB, e deixam pouco espaço para o cache que um contexto de 262.144 tokens exige.
Na própria tabela da Ornith, ele marca 76,9% no SWE-bench Pro, contra 43,9% do Qwen3.8-Flash-Next, uma diferença de 33 pontos que pede confirmação independente. Em outros pontos a disputa é mais apertada: o Qwen3.8-Flash-Next lidera o Terminal-Bench 2.1 por 83,4% a 81,2%, e no SWE-bench Verified a margem é de menos de dois pontos. A configuração "no-hack" significa que os modelos foram avisados sobre reward hacking e que qualquer solução que ainda o fizesse era marcada como errada; é mais cuidado do que a maioria dos laboratórios mostra, mas foi a Ornith que escreveu as regras, as aplicou e usou o Claude Opus como juiz em dois benchmarks.
O método de treino é o motivo para acompanhar o laboratório. Em cada ciclo, o modelo propõe tarefas mais difíceis, pontuadas por validade, novidade e dificuldade em torno de uma taxa de sucesso-alvo de 20%, depois monta o scaffold para tentá-las e aprende com as tentativas por GRPO, um método de aprendizado por reforço. O blog cita um termo de resistência a hacking na recompensa, mas nunca diz como ele é calculado, o que importa para um loop que escreve as próprias provas.
A adoção é fácil para quem já usa Qwen. A arquitetura é a do Qwen3.5, os comandos de serving usam os parsers de ferramentas e de raciocínio do Qwen, e vLLM 0.19.1+, SGLang 0.5.9+ e Ollama funcionam. A Ornith não divulga pessoas, localização nem financiamento, mas o seu GGUF de 35B teve cerca de 3,9 milhões de downloads no Hugging Face no último mês, então a família tem usuários reais, ainda que o laboratório continue anônimo. O post de agosto no blog que explica o método é anterior ao 122B e não trata dele.
Onde ele se destaca
Um engenheiro de plataforma de ML com uma GPU de 80 GB
Substituir um modelo de programação baseado no Qwen3.5 sem reescrever o stack de serving
Troque o caminho do modelo no vLLM ou no SGLang e mantenha os parsers qwen3 de raciocínio e de ferramentas. Na prática, isso significa o build de 4 bits e um contexto bem abaixo de 262K para sobrar memória para o cache; rode antes o seu próprio conjunto de regressão, já que todas as pontuações são da Ornith.
Uma equipe de infraestrutura com um nó de duas GPUs de 80 GB
Servir um agente interno de programação com qualidade FP8 em vez de 4 bits
O checkpoint FP8 de 133 GB precisa das duas placas com tensor parallelism em 2, o dobro do hardware que o destaque do card sugere. O prefix caching no comando de vLLM documentado ajuda com contexto de repositório repetido.
Um chefe de engenharia em uma fintech regulada
Rodar on-premises um modelo de programação com agentes sob uma licença permissiva
Os pesos MIT permitem uso comercial e fine-tuning sem negociação, e o código nunca sai da rede. A contrapartida é o risco de fornecedor: sem equipe identificada, contrato de suporte ou API própria a que recorrer.
Antes de decidir
- Configuração
- `ollama run ornith-1.5:122b` baixa de 73 a 77 GB. Para servidores, os comandos de vLLM ou SGLang do card exigem Transformers 5.8.1+, vLLM 0.19.1+ ou SGLang 0.5.9+.
- Integrações
- Chat completions compatível com OpenAI, com chamadas de ferramenta e um campo reasoning_content separado; o card mostra Ollama, llama.cpp, Atomic.chat e Hermes Agent. A entrada de imagem usa o arquivo mmproj do repositório GGUF.
- Dados e privacidade
- Só self-hosting, então os dados ficam onde você o rodar. Não há API própria e, portanto, nenhum termo de retenção ou de treino a revisar.
- Custo em escala
- Pesos gratuitos. O BF16 tem 250 GB (um nó com várias GPUs), o FP8 133 GB (duas placas de 80 GB), e o NVFP4 (77,7 GB) ou o Q4_K_M (75,8 GB) são os únicos builds perto de uma placa de 80 GB; Macs têm um build MLX de 4 bits com 68,7 GB. Nenhum preço hospedado próprio publicado; o NanoGPT lista $0,20 de entrada e $0,80 de saída por milhão de tokens, mas marca o modelo como indisponível.
- Limites
- O raciocínio vem ligado por padrão, então as respostas vêm depois de um bloco de think. O contexto é de 262.144 tokens, extensível a cerca de 1M com YaRN, com algum custo de qualidade em entradas de tamanho normal.
O que é bom
- 84,5% informados no SWE-bench Verified, 76,9% no Pro
- Licença MIT
- Substituto direto em stacks de vLLM ou SGLang com Qwen3.5
- Builds FP8, NVFP4, GGUF e MLX desde o lançamento
O que não é
- "Uma única GPU de 80 GB" só em 4 bits
- Todas as pontuações são autodeclaradas, sob regras definidas pela Ornith
- Sem equipe identificada, financiamento ou API própria
- Fica atrás do Qwen3.8-Flash-Next no Terminal-Bench 2.1
Ideal para
Equipes que servem agentes de programação de pesos abertos em uma única GPU grande e podem rodar as próprias avaliações.
Alternativas ao Ornith-1.5-122B
Ornith-1.5-122B: perguntas frequentes
- Ornith-1.5-122B vale a pena?
- Pontuações de programação impressionantes de um laboratório sem nomes públicos, e uma promessa de uma GPU que só se sustenta em 4 bits. Damos nota 3.6 de 5.
- Quanto custa Ornith-1.5-122B?
- Pesos abertos gratuitos sob MIT. Você paga só pelo próprio hardware ou hospedagem.
- Quais são as desvantagens de Ornith-1.5-122B?
- "Uma única GPU de 80 GB" só em 4 bits; todas as pontuações são autodeclaradas, sob regras definidas pela Ornith; sem equipe identificada, financiamento ou API própria; fica atrás do Qwen3.8-Flash-Next no Terminal-Bench 2.1.
- Para quem Ornith-1.5-122B é indicado?
- Equipes que servem agentes de programação de pesos abertos em uma única GPU grande e podem rodar as próprias avaliações.
- Quanto custa Ornith-1.5-122B para uma equipe ou em produção?
- Pesos gratuitos. O BF16 tem 250 GB (um nó com várias GPUs), o FP8 133 GB (duas placas de 80 GB), e o NVFP4 (77,7 GB) ou o Q4_K_M (75,8 GB) são os únicos builds perto de uma placa de 80 GB; Macs têm um build MLX de 4 bits com 68,7 GB. Nenhum preço hospedado próprio publicado; o NanoGPT lista $0,20 de entrada e $0,80 de saída por milhão de tokens, mas marca o modelo como indisponível.
- Ornith-1.5-122B é seguro para dados da empresa?
- Só self-hosting, então os dados ficam onde você o rodar. Não há API própria e, portanto, nenhum termo de retenção ou de treino a revisar.
- Quais são as melhores alternativas ao Ornith-1.5-122B?
- As alternativas mais próximas que analisamos são Qwen3.8-Flash-Next, Nemotron 3.5 Super VL e DeepSeek-V4.1-Flash.
Respostas verificadas em 23 de out. de 2026.