Ornith 1.0 9B (Unsloth)
Ornith 1.0 9B ist DeepReinforces kompaktes Reasoning-Modell der ersten Generation, aufgebaut auf Qwen-3.5-Basis und ausgeliefert als Unsloth-GGUF für lokale Edge-Setups. 9,4 Mrd. Dense-Parameter, 262.000 Tokens Kontext, MIT-Lizenz — Reasoning-first Profil für agentische Coding-Workflows statt klassischer Chat-Generalist.
- Open Weights
- Edge
- llama.cpp
- Text
- Vision
- Batch
Sovereign Risk: LOW TODO
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 66.84
- Routine
- 39.47
- Reasoning
- 27.37
- LLM Judge Avg
- 3.28 / 5
- 100 Coverage
- Avg Task Duration
- 115.9s
- Batch
- Token Rate
- 25.05tok/s
- Output Rate
- P95 Latency
- 466.75s
- Top 5 %
- Total Tokens
- 174200
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 174200 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Ornith 1.0 9B (Unsloth)
Bestes Modell
Ø Alle Modelle
Code Quality
71.2
CLI Benchmark
82.78
Logical Reasoning
67.5
UX Writing
56.85
Documentation
56.79
Content Transform.
61.24
Cultural Intelligence
75.6
Synthesis Quality
52.5
Tool Execution
90
ToolUse Score
70.75
Benchmark Cost
$0
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.