Ornith 1.5 35B-A3B

Mit einem Gesamtscore von 75,65 % ist Ornith 1.5 35B-A3B kein Blender, sondern ein ernst zu nehmendes Arbeitsmodell mit klarer technischer Handschrift. Das Speed Profile lautet Batch DevOps Expert, und genau so benimmt es sich auch: nicht als hektischer Chat-Allrounder, sondern als Modell für längere, strukturierte Arbeitsläufe, in denen Planung und technische Substanz wichtiger sind als sofortiger Schlagabtausch. Die Einordnung passt: primärer Use Case Agentic / Orchestration, Size Class Workstation, dazu als MoE nur 3,0 Milliarden aktive Parameter pro Token bei 35 Milliarden Gesamtparametern. Das erklärt einiges an Charakter und an Grenzen. Sovereign Risk: MEDIUM — DeepReinforce ist ein US-Anbieter; beim lokalen Einsatz gehen zwar keine Prompts an den Hersteller, die juristische Herkunft bleibt für Governance-Fragen aber US-geprägt.

Kopfnoten: Stabilität und Zuverlässigkeit

Ornith läuft in diesem Bericht ausdrücklich im Thinking-Modus. Das ist wichtig, weil die Erwartungen hier andere sind als bei einem knappen Instruct-Lauf: längere Denkphasen, ausführlichere Herleitungen und ein gewisser Hang zur Übererklärung sind nicht nur erlaubt, sondern Teil des Designs. Gleichzeitig ist dieses Modell laut Metadaten auch Coder, Agentic und MoE. Man sollte es also nicht wie einen reinen Schreibknecht lesen, sondern wie einen technischen Planer, der Code, Ablauf und Struktur zusammendenkt. Text-only-Benchmarks zeigen dabei nur einen Ausschnitt seiner multimodalen Anlage; die Vision-Fähigkeit ist in den Metadaten angelegt, im vorliegenden Parcours aber kaum ausgereizt.

Architektur und Charakter: viel Anspruch auf wenig aktive Kapazität

Die spannendste Zahl an Ornith 1.5 35B-A3B ist nicht 35, sondern 3. Das Modell gehört zwar formell zur Workstation-Klasse, doch als Mixture-of-Experts-Architektur aktiviert es pro Token nur rund 3 Milliarden Parameter. Diese aktive Kapazität ist der ehrliche Maßstab. Man bekommt also nicht die durchgehende Wucht eines dicht besetzten 35B-Modells, sondern ein spezialisierteres System, das seine Stärke aus Routing, Aufgabenpassung und Effizienz zieht.

Das ist auch der Grund, warum die Ergebnisse so charakteristisch wirken. In Modulen, die von technischer Struktur, Sicherheitsdenken und mehrstufiger Problemanalyse leben, spielt Ornith stark auf. In Bereichen, in denen mehrere weiche Constraints gleichzeitig sauber eingehalten werden müssen, also Sprache, Länge, Format und Ton, wird es deutlich fragiler. Das ist keine vollständige Entlastung. Aber es ist eine saubere Einordnung: Dieses Modell denkt lieber zu viel als zu wenig und verliert dabei bisweilen den letzten Meter der Instruktionsdisziplin.

Geschwindigkeit und Laufcharakter

Als lokales Modell auf ASUS GX10 / NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory — kein praktisches Speicherlimit für getestete Modellgrößen) zeigt Ornith das typische Profil eines Thinking-orientierten Agentic-Modells: kein Sprinter, aber auch kein Totalausfall im Durchsatz. Der Badge Batch DevOps Expert ist treffend. Er signalisiert ein Modell, das eher für geplante technische Workflows taugt als für latenzkritische Dialoge oder enge Tool-Schleifen mit harter Reaktionszeit.

Im Alltag heißt das: Wer Ornith in einen Agenten-Stack hängt, sollte asynchron denken. Hintergrundjobs, Audit-Läufe, Sicherheitsanalysen, größere Code-Reviews und strukturiertes Problemlösen passen gut. Interaktive Oberflächen, in denen Nutzer in kurzer Folge knappe Antworten erwarten, passen schlechter. Dazu kommt ein zweites Thema: die Token-Ökonomie. Im CLI-Modul bleibt Ornith noch im Rahmen, im UX-Writing ebenfalls. Aber im Code-Quality-Bereich produziert es im Schnitt 7.359 Output-Tokens gegenüber einem Fleet-Median von 2.947. Das ist ein Faktor von 2,5. Bei einem lokalen Modell ist das vor allem ein Latenzsignal. Ornith löst Aufgaben nicht nur durch Kompetenz, sondern auch durch Materialschlacht.

Code Quality: technisch stark, aber mit Hang zum langen Anlauf

Im Code-Quality-Audit erreicht Ornith 79,88 %. Das ist kein Glückstreffer, sondern Ausdruck echter technischer Reife. Besonders im Sicherheitskontext arbeitet das Modell präzise: SQL-Injection in mehreren Varianten, Type-Juggling durch lockere Vergleiche, Path Traversal, IDOR, XSS, Session Fixation, schwache Reset-Token, Cookie-basierte Admin-Autorisierung und implizite Angriffsflächen wie Mail-Header-Injection erkennt es zuverlässig. Noch wichtiger: Die vorgeschlagenen Fixes sind in der Regel nicht bloß abstrakt, sondern praktisch anschlussfähig.

Das qualitative Protokoll zeigt gut, wo Ornith überzeugt. Bei einer PHP-Sicherheitsanalyse liefert es eine saubere Markdown-Tabelle, hält die deutsche Sprache ein, bleibt in den Tabellenzellen knapp und ergänzt danach sinnvoll einen Fokus auf die geforderten impliziten Schwachstellen. Der Richter notiert 17 gefundene Schwachstellen gegenüber 19 im Referenzmaterial. Das ist nicht perfekt, aber die kritischen Punkte sitzen. Wer in der Praxis mit Security-Reviews arbeitet, weiß: Die letzten zwei Nebenbefunde sind ärgerlich. Die Hauptsache ist, ob ein Modell die tödlichen Fehler findet. Das tut Ornith.

Security ist überhaupt eine der klaren Stärken dieses Laufs. Das Modell benennt nicht nur Schwachstellen, sondern versteht ihre Angriffspfade. Es wirkt dabei wie ein erfahrener Prüfer, nicht wie ein Glossar auf Autovervollständigung. Das ist viel wert, gerade für ein MoE mit nur 3 Milliarden aktiven Parametern.

Der Haken ist die Form. Ornith neigt im Code-Bereich zu ausgedehnten internen Denkpfaden und zu längeren sichtbaren Ausgaben, obwohl die Aufgabe oft mit weniger Text lösbar wäre. Das macht die Antworten nicht schlechter, aber schwerer. Für Entwickler, die einen schnellen, knappen Patch-Vorschlag wollen, kann das nerven. Für Audit- oder Review-Szenarien ist es dagegen akzeptabel.

Reasoning und Logik: korrekt, vernünftig, nicht maximal didaktisch

Im Logical-Reasoning-Modul landet Ornith bei 75,64 %. Das ist ein gutes Ergebnis und passt zur Architektur-Etikettierung Reasoning und Thinking. Wichtig ist: Dieser Lauf zeigt kein Modell, das spektakulär originell denkt, sondern eines, das sauber und belastbar denkt. Beim klassischen Zwei-Wächter-Rätsel führt es korrekt zur bekannten inversen Frage und erklärt die Logik stimmig. Der Richter lobt die inhaltliche Korrektheit, bemängelt aber, dass die Darstellung gegenüber der Referenz knapper und pädagogisch weniger ausgearbeitet bleibt.

Das trifft den Charakter ziemlich genau. Ornith ist im Denken verlässlich, aber nicht immer elegant. Es baut tragfähige Schlussketten auf, ohne sie in die bestmögliche didaktische Form zu gießen. Wer ein Modell sucht, das komplexe Logik auch für Laien brillant aufbereitet, bekommt hier eher einen sachlichen Ingenieur als einen guten Lehrer.

Gerade weil es im Thinking-Modus getestet wurde, darf man eine gewisse Ausführlichkeit erwarten. Die liefert es auch. Aber der Zusatznutzen dieser Länge ist nicht immer proportional. Im Protokoll sieht man interne Denktiefe, während die sichtbare Antwort dann vergleichsweise nüchtern bleibt. Das ist kein Fehler. Es zeigt nur, dass Ornith mehr Rechenweg investiert, als es dem Nutzer am Ende als Struktur zurückgibt.

Content Transformation und Tool-Nähe: stark gebaut, dann an den Leitplanken gescheitert

Mit 79,96 % im Bereich Content Transformation zeigt Ornith zunächst eine überraschend starke Seite. Das Modell kann Produktionsmaterial strukturieren, mit Timestamps, Screen-Annotations, Retention-Hooks, CTA und sogar Easter Eggs anreichern. Das ist handwerklich bemerkenswert und spricht für die agentische Anlage: Es denkt in Ablauf, nicht nur in Satz.

Doch genau hier sitzt auch einer der größten Makel dieses Laufs. In einer Videoskript-Aufgabe im Content-Bereich überschritt das Modell die explizite Wortvorgabe von 900 Wörtern um 58 %. Das System verhängte einen automatischen Abzug von 16,72 Punkten beziehungsweise 20 % auf den erreichten Teilscore. Die inhaltliche Qualität der Antwort ist damit irrelevant. Die Strafe greift unabhängig davon.

Hinzu kommt derselbe Task als Sprachfehler: Ornith ignorierte die explizite Sprachanweisung und antwortete beim gesprochenen Teil auf Englisch, obwohl Deutsch verlangt war. Der Richter beschreibt die Antwort als strukturell stark und produktionsreif, aber sprachlich verfehlt. Das ist mehr als ein Schönheitsfehler. Wer mit fixer Zielsprache arbeitet, etwa in Redaktion, Marketing oder Kundenkommunikation, kann sich so einen Ausrutscher nicht leisten.

Und hier wird es strukturell. Das Sprachversagen ist kein isolierter Ausreißer. Über mehrere Aufgaben im Content- und Tool-Umfeld zeigt das Modell ein konsistentes Muster: Bei simultanen Vorgaben aus Sprache, Länge und Format verliert es die Sprachvorgabe als erste Bedingung. Neben der genannten Content-Aufgabe trat ein weiterer Sprachfehler im Tool-Use-Bereich auf. Für ein Modell mit agentischem Anspruch ist das unerquicklich, weil gerade Agenten klare Output-Verträge brauchen. Ein guter Planer, der in der falschen Sprache liefert, ist immer noch der Falsche.

UX Writing und Cultural Intelligence: nicht sein natürlicher Lebensraum

Bei UX Writing fällt Ornith auf 70,37 %. Das ist kein Absturz, aber eine klare Bremsspur. In einer Aufgabe, die ausschließlich den umgeschriebenen deutschen Text verlangte, lieferte das Modell zwar eine brauchbare, inklusive Fassung, hängte aber fünf Begründungen an. Genau das war ausdrücklich verboten. Der Richter nennt die eigentliche Umschreibung solide, die strukturelle Missachtung von „Output only“ aber schwerwiegend.

Das ist typisch für technisch geprägte Thinking-Modelle: Sie lösen die Sache und wollen dann noch erklären, warum sie sie gelöst haben. In einer Security-Analyse ist das hilfreich. In Microcopy ist es ein Eigentor. Ornith schreibt hier nicht schlecht. Es schreibt nur zu sehr aus seiner eigenen inneren Betriebsanleitung heraus.

Auch Cultural Intelligence bleibt ordentlich, aber nicht überragend. Positiv ist die deutsche Sprachsicherheit und die Fähigkeit, toxische oder exkludierende Formulierungen in professionellere Bahnen zu lenken. Negativ bleibt ein gewisser Mangel an Leichtigkeit. Wo gute UX-Microcopy mühelos wirken sollte, klingt Ornith eher nach gründlich überarbeitetem Protokoll. Es trifft den Zweck, aber selten den feinen Ton.

Tool Execution und Agentic-Fit: Planung ja, Formatdisziplin mit Vorbehalt

Die Tool-Execution-Wertung von 71,67 % ist solide, aber für ein Modell mit ausdrücklich agentischem Schwerpunkt nicht makellos. Man sollte das Ergebnis differenziert lesen. Agentic-Modelle darf man milder behandeln, wenn sie nicht jeden exakten Einzeiler wie ein Shell-Spezialist ausspucken, weil reale Agentensysteme Teilaufgaben oft delegieren. Entscheidend sind dann Planung, Zerlegung und strategischer Aufbau.

Genau dort hat Ornith Substanz. Es strukturiert Aufgaben meist vernünftig und arbeitet in mehrstufigen Mustern, die zu orchestrierten Pipelines passen. Gleichzeitig zeigt der dokumentierte Sprachfehler in tooluse006, dass ihm die letzte Schicht der strikten Instruction-Compliance fehlt. Das ist kein Totalschaden, aber ein Warnsignal. Agentische Modelle leben von Verträgen: welches Tool, welches Format, welche Sprache, welches Ergebnis. Wenn eine dieser Bedingungen plötzlich aus dem Blick rutscht, wird aus Planung schnell Nacharbeit.

Halluzinationen und Verlässlichkeit des Inhalts

Einen klaren Halluzinationsschwerpunkt zeigt dieser Lauf nicht. Die Schwächen liegen sichtbar eher in Format- und Compliance-Fragen als in frei erfundenem Fachunsinn. Besonders in Code-, Security- und Reasoning-Aufgaben wirkt Ornith faktenorientiert und erstaunlich nüchtern. Es versucht seltener, Lücken mit Fantasie zu füllen, als manche wortgewaltigere Konkurrenz. Das ist kein glamouröser Vorzug, aber ein wertvoller.

Datenschutz und Datenhoheit

Ein eigener Cloud-Betreiber ist DeepReinforce nicht. Ornith wird als Open-Weight-Modell unter MIT-Lizenz bereitgestellt, die Hosting- und Datenschutzrealität liegt also beim Betreiber selbst oder bei einem gewählten Drittanbieter. Für europäische Unternehmen ist das eine gute Nachricht, weil lokale Bereitstellung die Datenhoheit praktisch in die eigene Hand legt.

Ganz folgenlos ist die Herkunft trotzdem nicht. Das berechnete Sovereign Risk liegt bei MEDIUM. Grund ist die US-Jurisdiktion des Anbieters. Der CLOUD Act bleibt als Rechtsrahmen relevant, auch wenn DeepReinforce selbst keinen Inferenzdienst betreibt. Praktisch heißt das: Beim lokalen Betrieb entsteht keine automatische Übertragung von Nutzerdaten an den Hersteller, aber Governance-Teams sollten die US-Herkunft der Gewichte dokumentieren. Ein GDPR-DPA stellt sich hier im engeren Sinn nicht, weil kein Provider-Dienst genutzt wird. Wer Ornith über einen Drittanbieter inferiert, tauscht diesen Vorteil allerdings sofort gegen dessen Vertrags- und Speicherregime ein.

Fazit

Ornith 1.5 35B-A3B ist ein charakterstarkes lokales Modell mit echter technischer Klasse und spürbaren Umgangsformen. Es brilliert dort, wo Sicherheitsdenken, Code-Verständnis, strukturierte Analyse und mehrstufige Planung gefragt sind. Es schwächelt dort, wo starre Instruktionen mit Sprach-, Längen- und Formatvorgaben gleichzeitig eingehalten werden müssen. Das ist kein Widerspruch, sondern sein Profil. Ornith denkt wie ein ambitionierter technischer Mitarbeiter, der lieber zu viel begründet als einmal zu wenig. In manchen Teams ist das Gold wert. In anderen ist es einfach zu langsam und zu eigenwillig.

Für Security-Reviews, Code-Audits, technische Longform-Analysen und asynchrone Agenten-Workflows ist das Modell klar empfehlenswert. Für UX-Microcopy, strikt lokalisierte Content-Produktion und eng getaktete Tool-Execution nur mit Leitplanken, Validierung und Retries. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber wenig und scheitert eher an Form als an Fakten. Zur Weights-Provenienz gibt es wenig Anlass zur Sorge: Das Risiko ist als niedrig eingestuft, die MIT-Lizenz erlaubt vollständigen lokalen Betrieb ohne Herstellerkontakt. Gegenüber Ornith 1.0 wirkt die 1.5-Version im Gesamtbild moderner und in Content- sowie Code-Bereichen teilweise klarer, verliert aber nichts von der grundlegenden Batch-Natur der Familie. Wer einen schnellen Charmeur sucht, ist hier falsch. Wer einen gründlichen technischen Arbeiter sucht, sollte genau hinsehen.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT 4.5 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.