Ornith 1.0 35B Q8_0 (GGUF)

Mit einem Gesamtscore von 75.87% und dem Speed Profile Interactive DevOps Expert tritt Ornith 1.0 35B Q8_0 (GGUF) nicht als Schönschreiber auf, sondern als Arbeitsmodell mit klarer technischer Schlagseite. Das passt zur kuratierten Einordnung: ein agentisches Workstation-Modell für Planung, Tool-Nähe und Coding, gebaut als MoE mit 35 Milliarden Gesamtparametern, aber nur rund 3 Milliarden aktiven Parametern pro Token. Genau daran sollte man es messen: nicht an der nackten 35B-Zahl, sondern an der tatsächlich aktiven Kapazität. Sovereign Risk: MEDIUM — DeepReinforce ist ein US-Anbieter, unterliegt also US-Recht; bei diesem Open-Weight-Modell liegt die konkrete Datenschutzlage im Betrieb jedoch primär an der Hosting-Umgebung des Nutzers.

Kopfnoten: Stabilität und Zuverlässigkeit

Diese Kopfnoten sind wichtiger, als es der ordentliche Gesamtscore zunächst vermuten lässt. Für ein lokales Open-Weight-Modell dieser Größe sind sporadische Timeouts auf dem Testsystem kein kosmetischer Makel, sondern ein Hinweis auf ein Setup nahe der Hardware-Grenze. In Agenten-Workflows ist das lästig. In unbeaufsichtigten Pipelines ist es genau die Sorte Fehler, die um drei Uhr morgens Tickets erzeugt.

Architektur und Charakter: Wofür dieses Modell gebaut ist

Ornith ist kein Generalist, der zufällig auch Code kann. Die Metadaten treffen den Kern erstaunlich sauber: agentic als primärer Use Case, Workstation als Hardware-Tier, MoE als Strukturprinzip. Das bedeutet in der Praxis: Das Modell soll Aufgaben zerlegen, technische Probleme strukturieren und bei DevOps- oder Security-nahen Aufgaben kompetent wirken, ohne die rohe Breite eines schweren Frontier-Modells mit voll aktiver Parameterlast zu besitzen.

Der MoE-Charakter ist hier kein Marketing-Etikett, sondern erklärt das Leistungsprofil. Mit nur etwa 3 Milliarden aktiven Parametern pro Token arbeitet Ornith eher wie ein fokussierter Spezialist als wie ein gewaltiger Universalapparat. Das Resultat ist bemerkenswert: starke Logik, starke CLI- und Tool-Nähe, solide Sicherheitsanalyse. Gleichzeitig fehlen in sprachlich fein austarierten Disziplinen die letzten zehn Prozent Eleganz. Man merkt diesem Modell an, dass es lieber eine Angriffskette findet als den perfekten Tonfall in einer HR-Umschreibung.

Dass es als Thinking-Modell eingestuft ist, sieht man ebenfalls. Die Antworten sind oft ausführlich, strukturiert und von erkennbarem internen Planungswillen getragen. Das ist bei Reasoning-Aufgaben eine Stärke. Bei Schreibaufgaben kann dieselbe Eigenschaft in unnötige Länge kippen.

Geschwindigkeit: schnell genug für Dialog, nicht frei von Langstreckenproblemen

Das Speed Profile Interactive DevOps Expert beschreibt Ornith treffend. Gemeint ist kein Sprintmodell für Mikroantworten, sondern ein System, das für technische Interaktion gebaut wurde: Shell, Code, Debugging, Sicherheitsbefunde, mehrstufige Analyse. Qualitativ wirkt die Generierung hoch bis gut interaktiv, nicht träge. Für ein lokales Modell dieser Klasse ist das respektabel, zumal es auf dem NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory) evaluiert wurde.

Entscheidend ist aber der zweite Halbsatz: Die Interaktivität gilt nur, solange das Testsystem nicht an die Speicherdecke gedrückt wird. Q8-Quantisierung ist hier die feine Klinge, nicht der Holzhammer. Sie hält das Modell nah an Vollpräzision, erhöht aber zugleich den Platzbedarf. Bei rund 115 GB Unified Memory bleibt wenig Raum für Sorglosigkeit. Die sporadischen Timeouts passen ins Bild eines Setups, das funktional läuft, aber keine großen Reserven mehr hat.

Die Token-Effizienz verschärft diesen Eindruck. Ornith ist in mehreren Modulen redseliger als nötig. Besonders in Code Quality liegt der Ausstoß bei 6506 Tokens gegenüber einem Fleet-Median von 2802, also beim 2.32-fachen. In UX Writing sind es 3998 Tokens gegenüber 1484, also 2.69-mal so viel Text wie der Schnitt. Für ein lokales Modell heißt das vor allem: längere Laufzeit, mehr Last, mehr Risiko für unschöne Enden. Wer auf dem Papier Interaktivität liest, sollte in der Praxis also mit einem Sternchen rechnen.

Reasoning und Logik: Ornith denkt sauber, aber nicht immer didaktisch

Im Reasoning gehört Ornith zu den erfreulich nüchternen Modellen. Es löst die klassische Wächterlogik korrekt, formuliert die richtige verschachtelte Frage und landet auch bei der Schlussfolgerung sauber auf der Gegentür. Das Urteil des Judges ist hier eindeutig: logisch korrekt, klar strukturiert, sprachlich stabil. Der Modulscore von 77.75 ist verdient.

Interessant ist weniger, dass Ornith die Lösung findet, sondern wie es sie findet. Das Modell arbeitet schrittweise, verwirft unbrauchbare Ansätze und kommt dann kontrolliert zur funktionierenden Strategie. Das ist genau das Verhalten, das man von einem Thinking- und Agentic-Modell sehen will. Es denkt nicht bloß laut. Es sortiert.

Was fehlt, ist nicht Intelligenz, sondern pädagogische Großzügigkeit. Der Judge bemängelt die fehlende Fall-für-Fall-Verifikation und die geringere Anschaulichkeit gegenüber der Referenz. Das ist ein fairer Punkt. Ornith erklärt ausreichend, aber nicht luxuriös. Wer lernen will, warum die Doppelinversion elegant ist, bekommt die Lösung früher als die Erleuchtung.

Im Alltag ist das eher Lob als Tadel. In produktiven Umgebungen ist korrekte Schlussfolgerung wichtiger als ein hübsches Lehrbuch. Für Trainingsmaterial oder Wissensvermittlung würde ich dennoch ein Modell bevorzugen, das seine Begründungen etwas breiter abstützt.

Code Quality und Security: technisch überzeugend, aber nicht vollständig

Der Charakter von Ornith zeigt sich am klarsten im Code- und Security-Bereich. Der Code-Quality-Score von 73.68 ist stark, aber nicht makellos. Im vorliegenden Security-Audit identifiziert das Modell 15 Schwachstellen in korrektem Markdown-Tabellenformat, inklusive mehrerer impliziter Lücken, die viele kleinere Modelle zuverlässig übersehen. SQL Injection, Plaintext-Passwörter, XSS, Path Traversal, IDOR, Session Fixation, schwache Zufallsquellen, Loose Comparison, Mail Header Injection: Das ist kein oberflächlicher Rundgang, sondern ein echter Audit-Blick.

Die Stärke liegt in der Breite und in der Priorisierung. Ornith erkennt nicht nur offensichtliche Defekte, sondern markiert auch fortgeschrittene Probleme, die in realen Audits den Unterschied zwischen „brauchbar“ und „nützlich“ ausmachen. Besonders für ein Modell mit nur etwa 3 Milliarden aktiven Parametern ist das ein respektabler Befund. Man sieht, dass das Coding- und Agentic-Training nicht bloß auf Syntax, sondern auf technische Handlungsfähigkeit zielt.

Die Schwäche ist ebenso klar: Es bleibt Lücken im Netz. Der Judge nennt vier fehlende Schwachstellen, darunter fehlenden CSRF-Schutz, ein unsicheres Auth-Cookie und ein Reset-Token ohne Ablaufzeit. Hinzu kommen einzelne Fehlklassifikationen bei der Schwere. Path Traversal als High statt Critical ist keine Kleinigkeit. In einem echten Security-Review verändert so ein Etikett die Priorisierung.

Noch wichtiger ist ein zweiter Punkt: Ornith liefert Fixes, aber teils zu knapp. Das Modell weiß, wohin es will, bleibt bei der Landung aber mitunter auf halber Höhe. realpath() plus Whitelist ist als Richtung richtig, als belastbarer Fix aber zu dünn. Wer Sicherheit nur markieren will, ist damit bedient. Wer ein Team direkt in die Umsetzung schicken will, braucht oft noch einen erfahrenen Menschen zwischen Modell und Merge-Button.

Das ist am Ende der Unterschied zwischen einem guten technischen Analysten und einem exzellenten Remediation-Partner. Ornith ist näher am ersten als am zweiten.

CLI und agentische Arbeitsweise: fast lehrbuchhaft passend zur Kategorie

Der CLI-Wert von 93.0 gehört zu den klaren Ausrufezeichen dieses Modells. Hier wirkt die Agentic-Klassifikation nicht wie ein theoretisches Etikett, sondern wie eine ziemlich präzise Beschreibung. Ornith scheint Aufgaben gut in ausführbare Schritte zu zerlegen, technische Kontexte sauber zu lesen und in eine Form zu bringen, mit der reale Tool-Nutzung plausibel wird.

Gerade bei solchen Modellen ist es wichtig, nicht mit dem falschen Maßstab zu urteilen. Ein agentisches System muss nicht jeden Einzeiler mit der Kälte eines Regex-Wettbewerbs ausspucken. Seine Kernkompetenz ist Planung, Strukturierung und die Fähigkeit, mehrstufige Arbeit so zu organisieren, dass daraus eine robuste Pipeline wird. Genau dort ist Ornith stark. Es benimmt sich weniger wie ein Chatbot und mehr wie ein ruhiger Operator, der zuerst das Problem sortiert und dann handelt.

Diese Qualität hebt auch die insgesamt ordentliche Tool-Use-Leistung. Das Modell scheint technische Aufgaben nicht bloß sprachlich zu umschreiben, sondern in ihrer Arbeitslogik zu erfassen. Für lokale DevOps-Assistenten ist das fast der halbe Mieterfolg.

Content Transformation: funktional stark, dramaturgisch nicht ganz auf Anschlag

Im Modul Content Transformation erreicht Ornith 77.8 und zeigt damit, dass seine technische Schlagseite nicht in Einseitigkeit umkippt. Das Beispiel mit dem deutschsprachigen YouTube-Skript zu 2FA ist aufschlussreich: Das Modell liefert ein vollständiges, produktionsnahes Skript mit Timestamps, Pausenmarkern, Screen-Anweisungen, B-Roll-Hinweisen, Musik-Cues und Easter Egg. Vor allem erfüllt es die formalen Anforderungen sauber. Das ist keine Selbstverständlichkeit.

Sein Problem ist hier nicht Struktur, sondern Inszenierung. Der Judge beschreibt den Unterschied zur Referenz sehr treffend: Ornith arbeitet mit Klarheit und Funktion, die Goldlösung mit mehr emotionaler Wucht. Statt eines erzählerischen Hooks mit konkreter Verlustangst setzt das Modell auf Statistik. Statt eines scharf gesetzten Pattern Interrupts zur idealen Stelle setzt es den Haltepunkt später und weniger markant. Das Skript funktioniert. Es brennt nur nicht ganz so hell.

Das ist für ein Coding- und Agentic-Modell völlig plausibel. Solche Modelle sind trainiert, Aufgaben zuverlässig abzuräumen, nicht den ersten Satz wie eine Netflix-Kaltöffnung zu schreiben. Für Content-Teams heißt das: Ornith kann aus Rohmaterial brauchbare Assets machen. Wer starke Dramaturgie oder Markenstimme will, sollte nachredigieren.

UX Writing und Cultural Intelligence: kompetent, aber mit technischem Fingerabdruck

Die weicheren Disziplinen zeigen Orniths Grenzen präziser als jede Overall-Note. Der UX-Writing-Wert von 69.09 ist ordentlich, aber eben nicht herausragend. Das Modell schreibt verständlich, meist korrekt und selten peinlich. Was ihm fehlt, ist die letzte Präzision in Ton, kultureller Lesart und impliziter Nutzerpsychologie.

Das zeigt sich besonders im Cultural-Intelligence-Beispiel zur Entgiftung einer Stellenanzeige. Ornith entfernt toxische und gendercodierte Formulierungen zuverlässig, bleibt grammatikalisch sauber und liefert eine professionell nutzbare deutsche Fassung. Das Kernziel wird erfüllt. Der Judge vermisst jedoch die bewusste Umcodierung der ursprünglichen Aggressionssprache in positive Energiebegriffe wie Tatkraft, Leidenschaft und Eigeninitiative. Genau dort trennt sich routinierte Umschreibung von sprachlicher Intelligenz.

Ornith glättet, wo ein stärkeres Sprachmodell neu rahmen würde. Es ersetzt problematische Signale, aber es baut nicht immer die psychologische Ersatzarchitektur. Für deutschsprachige Unternehmenskommunikation ist das relevant. Schlechte Sprache ist leicht zu streichen. Gute Sprache muss das verlorene Versprechen ersetzen.

Man sollte diese Schwäche aber fair lesen. Für ein Modell mit klarer Coding-Spezialisierung sind solche Abzüge kein Totalschaden, sondern ein Architektureffekt. Ornith klingt an manchen Stellen wie ein sehr kluger Techniker, der den Text verstanden hat, aber nicht jede feine soziale Farbe ausmisst. Das ist verlässlich genug für interne Arbeit. Für publizistische oder markensensible Außenkommunikation reicht es allein nicht.

Dokumentation: brauchbar, aber ohne den letzten Schliff

Mit 71.71 in Documentation Quality landet Ornith im guten Mittelfeld seines Leistungsprofils. Das passt zum Gesamtbild: technisch kompetent, strukturiert, in der Fläche ordentlich. Was fehlt, ist nicht Klarheit, sondern Eleganz und manchmal Verdichtung. Das Modell kann erklären, aber es schreibt selten so, dass man den Text später freiwillig als Referenz behält.

Für Entwicklerdokumentation, interne Notes oder strukturierte Entwürfe ist das ausreichend bis gut. Für externe, fein polierte Produktdokumentation eher ein Startpunkt als ein Endprodukt.

Halluzinationen und Verlässlichkeit des Inhalts

Ein eigener Halluzinationsabschnitt ist hier nicht nötig, und das ist ein Kompliment. Ornith wirkt über die getesteten Module hinweg bemerkenswert diszipliniert. Es erfindet nicht wild, füllt Lücken selten mit Fantasie und bleibt vor allem im Security- und Reasoning-Bereich nah an überprüfbaren Strukturen. Das ist bei einem Modell mit diesem Agentic-Anspruch wichtiger als ein paar Punkte mehr im Stilmodul.

Datenschutz und Datenhoheit

DeepReinforce sitzt in Santa Clara, Kalifornien, und unterliegt damit US-Recht. Praktisch ist die Lage bei Ornith trotzdem anders als bei klassischen API-Modellen, weil der Anbieter keinen eigenen Cloud-Inferenzdienst betreibt. Das Modell wird als Open Weight unter MIT-Lizenz verteilt, die konkrete Datenverarbeitung findet also dort statt, wo der Nutzer es hostet.

Für Unternehmen in Deutschland und Europa ist das die entscheidende Nachricht: Datenschutz und Datenhoheit hängen hier fast vollständig an der eigenen Infrastruktur oder am gewählten Drittanbieter. DeepReinforce speichert selbst keine Inferenzdaten, nennt folgerichtig keinen Datenstandort und keine Aufbewahrungsdauer für Nutzeranfragen. Das berechnete Sovereign Risk steht dennoch bei MEDIUM, weil das Modell von einem US-Unternehmen stammt und US-Jurisdiktion im Hintergrund steht. Für die Gewichte selbst ist das Provenienzrisiko als LOW eingestuft. Der Grund ist simpel: Open Weights lassen sich lokal betreiben, also ohne CLOUD-Act-Zugriffspfad auf laufende Nutzerdaten. Der kleine Vorbehalt bleibt die Basisherkunft aus Qwen 3.5 und Gemma 4. Das ist kein Alarmzeichen, aber ein Provenienz-Mix, den streng regulierte Umgebungen dokumentieren sollten.

Fazit

Ornith 1.0 35B Q8_0 (GGUF) ist ein ungewöhnlich überzeugendes lokales Arbeitsmodell für technische Praxis. Es denkt sauber, plant gut, ist im CLI- und Tool-Kontext stark und liefert im Security-Audit echte Substanz statt bloßer Stichwortwolken. Seine MoE-Architektur mit rund 3 Milliarden aktiven Parametern macht das Ergebnis umso bemerkenswerter. Dieses Modell gewinnt nicht durch rohe Masse, sondern durch Fokussierung.

Die Kehrseite ist ebenso klar. Sprachlich feine Aufgaben liegen ihm weniger als technische. UX-Texte und kulturell sensible Umschreibungen gelingen ordentlich, aber selten brillant. Dazu kommen sporadische Aussetzer und ein problematischer Tail bei den Antwortzeiten. Auf dem Testsystem heißt das ganz praktisch: produktiv nutzbar, aber nicht blind vertrauenswürdig. Wer Agenten damit unbeaufsichtigt über längere Ketten laufen lässt, sollte Retries und Monitoring fest einplanen.

Als lokales Open-Weight-Modell ist Ornith dennoch ein ernstzunehmendes Angebot. Für DevOps-Assistenz, Sicherheitsreviews, Codeanalyse, technische Planung und agentische Workflows ist es klar empfehlenswert. Für Markentexte, feine UX-Sprache und kommunikative Hochglanzarbeit eher mit redaktionellem Sicherheitsnetz. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber zu wenig als zu viel. Die Weights-Provenienz ist dabei vergleichsweise sauber: MIT-lizenziert, lokal betreibbar, mit niedrigem Provenienzrisiko für die Gewichte selbst.

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.