Ornith 1.5 35B-A3B
Ornith 1.5 35B-A3B ist seit dem 19. August 2026 das mittlere Modell von DeepReinforces offener Ornith-Familie. Das MoE aktiviert nur rund 3 Mrd. von 35 Mrd. Parametern pro Token, schlägt aber laut Hersteller das ähnlich große Qwen 3.6-35B auf allen Coding- und Agentic-Benchmarks deutlich. Trainiert mit einem geschlossenen Selbstverbesserungs-Loop, der eigene Aufgaben, Scaffolds und Lösungen gemeinsam optimiert. Lizenz: MIT, komplett offen und kommerziell nutzbar.
- Open Weights
- Workstation
- vLLM
- Text
- Vision
- Batch
Sovereign Risk: LOW DeepReinforce ist ein US-amerikanisches Forschungsteam. Das Modell wird unter der permissiven MIT-Lizenz mit vollständig offenen Gewichten veröffentlicht, was unabhängige Prüfung und vollständig lokalen Betrieb ohne Cloud-Abhängigkeit ermöglicht. Bei lokalem Deployment entsteht keine zusätzliche Datenübertragung an den Hersteller.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 75.65
- Routine
- 45.86
- Reasoning
- 29.79
- LLM Judge Avg
- 3.79 / 5
- 100 Coverage
- Avg Task Duration
- 53.43s
- Batch
- Token Rate
- 54.22tok/s
- Output Rate
- P95 Latency
- 154s
- Top 5 %
- Total Tokens
- 175000
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 175000 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
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).
- 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.