Ornith 1.0 35B (thinking on)
Ornith 1.0 35B ist DeepReinforces RL-Fine-Tune auf Gemma 4 und Qwen 3.5 unter MIT-Lizenz, ein agentisches Coding-Modell, das seine eigene Arbeitsweise im Training mitlernt. Das Open-Weight-MoE bündelt 35 Mrd. Gesamt- bei nur etwa 3 Mrd. aktiven Parametern pro Token und liefert damit Workstation-Leistung. 262.144 Tokens Kontext, natives Thinking und Tool-Calling ergänzen das Profil, Q8-Quantisierung bringt das Modell nahe an Vollpräzision.
- Open Weights
- Workstation
- SPRK
- Text
- Interactive
Sovereign Risk: LOW DeepReinforce ist eine US-basierte RL-Forschungsorganisation. Das Modell ist unter MIT-Lizenz ohne regionale Einschränkungen auf Hugging Face verfügbar. Kein chinesisches NSL-Risiko, kein US-CLOUD-Act-Risiko für Gewichte (Open-Weight-Modell, lokal betreibbar). Einziger Vorbehalt: die Basis-Architektur (Qwen 3.5 + Gemma 4) stammt von chinesischen und US-amerikanischen Organisationen.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 76.3
- Routine
- 47.07
- Reasoning
- 29.23
- LLM Judge Avg
- 3.91 / 5
- 100 Coverage
- Avg Task Duration
- 32.13s
- Interactive
- Token Rate
- 54.11tok/s
- Output Rate
- P95 Latency
- 100.22s
- Top 5 %
- Total Tokens
- 96000
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 96000 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.