Ornith 1.0 35B (thinking on)

Mit einem Gesamtscore von 76,3 Prozent tritt Ornith 1.0 35B als seltene Mischung aus agentischem Arbeitsmodell, Coding-Spezialist und Reasoning-System an. Das Speed Profile lautet Interactive DevOps Expert. Das heißt in der Praxis: kein Sprintmonster, aber schnell genug für echte Dialogarbeit an Code, Shell und mehrstufigen Aufgaben. Interessant ist vor allem der architektonische Zuschnitt: ein Workstation-Modell mit 35 Milliarden Gesamtparametern, aber nur rund 3 Milliarden aktiven Parametern pro Token durch MoE-Struktur. Man sollte es also nicht wie einen rohen 35B-Boliden bewerten, sondern wie ein spezialisierteres, effizient aktiviertes System mit klarer DevOps- und Agenten-Schlagseite. Sovereign Risk: MEDIUM — DeepReinforce sitzt in den USA; die Gewichte sind zwar lokal betreibbar, die Herstellerjurisdiktion bleibt dennoch US-rechtlich geprägt.

Kopfnoten: Stabilität und Zuverlässigkeit

Architektur und Erwartungsrahmen

Ornith 1.0 35B ist kein Generalist, der überall ein bisschen mitreden will. Die kuratierte Einordnung als agentic im primären Use Case passt. Dieses Modell plant, strukturiert und arbeitet sich sichtbar an Aufgaben entlang, statt nur den erstbesten Antworttext auszuwerfen. Dazu kommt die Spezialisierung als Coder. Schwächen in feiner Tonalität oder kultureller Mikropräzision wären bei so einer Auslegung verzeihlich. Umso bemerkenswerter ist, dass es sich in mehreren nichttechnischen Modulen dennoch ordentlich schlägt.

Wichtig ist auch die Größenklasse. Workstation bedeutet hier nicht Spielzeug, sondern ein ernstzunehmendes lokales Modell im Bereich professioneller Einzel- oder Server-Workstations. Gleichzeitig ist die MoE-Architektur der entscheidende Realitätscheck: Die 35 Milliarden Parameter klingen nach Oberklasse, aber pro Token arbeiten nur etwa 3 Milliarden aktiv. Genau daran sollte man die Leistung messen. Und gemessen daran ist Ornith erstaunlich bissig. Es spielt nicht die Karte maximaler Breite aus, sondern die Karte fokussierter, effizienter Spezialisierung.

Zum Thinking-Tag gehört eine kleine methodische Fußnote. Dieses Review behandelt den Lauf mit Thinking-Modus n/a, also ohne lokalen Umschalter zwischen Standard- und Thinking-Betrieb. Relevant ist der Vergleich zur separat gemessenen FP8-Thinking-Variante dennoch: Die Thinking-Ausprägung erzielt den höheren Gesamtscore, fällt aber spürbar träger aus und verliert vor allem bei UX und Dokumentation an Eleganz. Die hier besprochene Standardvariante ist der pragmatischere Charakter. Weniger Grübeln, mehr Vorankommen.

Geschwindigkeit und Praxisprofil

Das Speed Profile Interactive DevOps Expert beschreibt Ornith ziemlich treffend. Es ist kein Batch-Schreiber für kilometerlange Ausgaben und kein Echtzeit-Flitzer für hochfrequente Tool-Schleifen. Sein natürlicher Einsatz ist interaktive Entwicklungsarbeit: Shell-Fragen, Sicherheitsreviews, Code-Analyse, strukturiertes Abarbeiten technischer Probleme. Dort wirkt die Geschwindigkeit auf dem Testsystem alltagstauglich.

Dass der Tail problematisch ausfällt, gehört trotzdem klar auf den Tisch. Ornith arbeitet im Mittel nicht nervig langsam, streut aber sichtbar. Für Einzelabfragen ist das verschmerzbar. In Agenten-Frameworks, in denen mehrere Schritte hintereinander laufen, werden solche Ausreißer schnell vom Schönheitsfehler zum Produktivitätsleck. Das ist kein Totalschaden, aber auch keine Kleinigkeit.

Im lokalen Test lief das Modell nativ auf NVIDIA DGX Spark (GB10 Grace Blackwell Superchip, ~115 GB Unified Memory — kein praktisches Speicherlimit für getestete Modellgrößen). Genau deshalb sind die gemessenen Durchsatz- und Stabilitätswerte ernst zu nehmen. Speicher war hier kein Ausredenlieferant.

Reasoning und Logik

Für ein Modell mit Thinking-Herkunft ist die wichtigste Frage simpel: Kann es denken, wenn Denken tatsächlich nötig ist, oder simuliert es nur Gründlichkeit? Ornith besteht diesen Test weitgehend. Im Metakognitions-Protokoll zur klassischen Wächterfrage landet es nicht bei der Show des Denkens, sondern bei der korrekten Lösung. Die entscheidende doppelte Inversion erkennt es sauber, formuliert die richtige Frage präzise und leitet die Handlungsanweisung korrekt ab.

Interessant ist, woran es Punkte liegen lässt. Nicht an der Logik selbst, sondern an der didaktischen Tiefe. Das Modell eliminiert falsche Ansätze systematisch und kommt richtig ans Ziel, spart sich aber die ausführliche Fallprüfung, die man einem idealen Lehrbuch-Output wünschen würde. Das ist kein Denkfehler. Es ist eher ein Pragmatismusproblem. Ornith will lösen, nicht dozieren.

Genau das passt zur Agentic-Einordnung. Bei mehrstufigen Aufgaben ist die Planungs- und Strukturierungsfähigkeit wichtiger als rhetorischer Kommentar zur eigenen Brillanz. Mit 77,75 Prozent im Reasoning-Modul liefert es hier die Leistung, die man von einem spezialisierten Workstation-System erwarten darf. Nicht die philosophische Tiefe eines Heavy-Reasoning-Frontier-Modells, aber eine robuste, produktive Logik, die im Alltag deutlich mehr wert ist als hübsche Gedankenschlaufen.

Code Quality und Security

Hier zeigt Ornith seinen eigentlichen Beruf. Mit 73,68 Prozent im Code-Quality-Bereich arbeitet es sichtbar über dem Niveau bloßer Autocomplete-Modelle. Im Security-Audit erkennt es 15 von 19 relevanten Schwachstellen, darunter die großen Brocken: SQL Injection, Klartext-Passwörter, XSS, Path Traversal, IDOR, Session Fixation, schwache Zufallswerte und Type Juggling. Das ist keine oberflächliche Checklisten-Antwort, sondern ein ernstzunehmender Review-Durchlauf.

Gerade im Security-Kontext ist das ein starkes Signal. Ornith halluziniert sich nicht in Fantasie-Lücken hinein, sondern findet viele der tatsächlich relevanten Probleme. Noch wichtiger: Es liefert die geforderte Tabellenstruktur korrekt aus und bleibt im Ton diszipliniert. Die Fix-Vorschläge sind vorhanden, oft sinnvoll, aber nicht immer scharf genug. Bei Path Traversal etwa nennt es realpath() und Verzeichnis-Whitelisting, bleibt aber hinter der Konkretheit zurück, die man für ein echtes Entwickler-Handover gern hätte. Es erkennt die Gefahr klarer, als es die Reparatur ausformuliert.

Die Schwächen sind dabei unerquicklich, aber sehr klar umrissen. Es verpasst vier relevante Punkte, darunter fehlenden CSRF-Schutz, unsichere Auth-Cookies, Header-Probleme nach vorzeitigem Output und ablauflose Reset-Token. Das sind keine exotischen Randfunde, sondern Standardmunition moderner Web-Sicherheitsprüfungen. Wer Ornith als Security-Reviewer einsetzt, bekommt also einen guten Erstprüfer, aber keinen Auditor, den man blind unterschreibt. Genau da verläuft die Grenze.

Auch die Einordnung der Schweregrade sitzt nicht immer perfekt. Path Traversal nur als hoch statt kritisch zu bewerten, ist mehr als ein Schönheitsfehler. Es verrät, dass das Modell Bedrohungsfolgen nicht durchgehend maximal konsequent kalibriert. Das ist für Code-Reviews verkraftbar. Für Security-Freigaben ist es zu wenig.

Token-seitig fällt auf, dass Ornith im Code-Quality-Modul deutlich mehr Text produziert als der Median der Testflotte. Das ist lokal kein Kostenproblem, aber sehr wohl ein Latenzsignal. Es redet sich hier länger zur Lösung, ohne proportional mehr Präzision zu liefern. In einem lokalen IDE-Workflow stört das weniger. In einem agentischen Multi-Step-Setup summiert es sich.

CLI, Tooling und agentisches Verhalten

Die CLI-Leistung ist mit 93,0 Prozent eine der klarsten Visitenkarten des Modells. Das passt zur Agentic-Klassifikation fast lehrbuchhaft. Ornith wirkt nicht wie ein Modell, das auf jeder Teilaufgabe mit maximaler sprachlicher Brillanz glänzen will. Es wirkt wie eines, das Arbeitsaufträge versteht, Zwischenschritte sinnvoll anordnet und technisch brauchbare Ergebnisse liefern soll. Genau dafür sind hohe CLI- und Tool-Werte da.

Auch der Tool-Use-Score von 60,0 Prozent liegt auf brauchbarem Niveau, ohne in den Ausnahmebereich vorzustoßen. Das ist für ein agentisches Open-Weight-Modell in dieser Klasse durchaus respektabel. Es deutet auf ein System hin, das Werkzeuge nicht nur nominell kennt, sondern in Benchmarks produktiv einbindet. Man sollte es trotzdem nicht mit spezialisierten Orchestratoren verwechseln, die ganze Multi-Agent-Pipelines souverän dirigieren. Ornith ist eher der kompetente technische Einsatzleiter als der große Dirigent im gläsernen Leitstand.

Content Transformation und UX Writing

Im Content-Transformation-Modul ist Ornith besser, als seine Etiketten vermuten lassen. 77,8 Prozent sprechen für ein Modell, das Formvorgaben, Dramaturgie und Produktionssignale ordentlich umsetzt. Das Judge-Protokoll zum deutschsprachigen YouTube-Skript zeigt genau dieses Profil. Ornith liefert Zeitmarken, Regieanweisungen, Pausenmarker, B-Roll-Hinweise, CTA und sogar das verlangte Easter Egg. Das ist vollständig, brauchbar und nah an echter Produktionsvorlage.

Die Grenzen liegen in der emotionalen Regie. Der goldene Referenzentwurf arbeitete stärker mit erzählerischem Sog und präziser gesetzten Retention-Momenten. Ornith entscheidet sich stattdessen für funktionale Klarheit. Der Hook mit Statistik ist okay, aber weniger ein Aufschlag als ein sauber gespielter Ball. Auch der Pattern Interrupt sitzt zu spät und weniger markant. Man merkt: Das Modell versteht die Mechanik von Content. Es lebt sie nicht mit letzter Raffinesse.

Im UX-Writing steht ein ordentlicher, aber nicht herausragender Wert von 71,91 Prozent. Das ist für ein coding- und agentiklastiges Modell absolut in Ordnung. Es schreibt brauchbar, oft sauber, gelegentlich etwas nüchtern. Wer Marketing-Mikrocopy mit maximalem Tongefühl sucht, findet elegantere Kandidaten. Wer ein technisches Modell braucht, das auch textliche Randaufgaben nicht peinlich vermasselt, bekommt hier ein solides Paket.

Dokumentation und Wissensaufbereitung

Mit 71,71 Prozent in der Dokumentationsqualität liegt Ornith im Bereich „brauchbar mit Ambitionen“. Es kann strukturieren, es kann erklären, und es vermeidet groben Unsinn. Aber es fehlt ihm manchmal der letzte pädagogische Ehrgeiz. Das sieht man schon im Reasoning-Protokoll: korrekt, klar, aber nicht maximal auf Verständniserzeugung getrimmt.

Für Entwicklerdokumentation ist das oft kein Nachteil. Viele Teams wollen keine Texttapete, sondern eine verständliche, zielgerichtete Erklärung. Ornith tendiert genau dorthin. Es ist eher Techniker als Lehrer. Das kann man mögen. Man sollte es nur nicht mit didaktischer Exzellenz verwechseln.

Cultural Intelligence und Sprachgefühl

Die Cultural-Intelligence-Leistung mit 76,6 Prozent ist für ein coding-nahes Modell durchaus beachtlich. Das deutsche HR-Umschreiben im Protokoll zeigt eine der sympathischeren Eigenschaften von Ornith: Es säubert problematische Sprache zuverlässig, bleibt grammatikalisch sauber und kippt nicht in steife Behördensprache. Die toxischen Marker werden entfernt, der Text bleibt als Stellenanzeige lesbar und professionell.

Warum reicht es nicht für die Bestnote? Weil das Modell zwar entschärft, aber nicht immer intelligent genug umcodiert. Der Judge kritisiert zu Recht, dass energiegeladene, aber inklusive Ersatzformulierungen wie „Tatkraft“ oder „Eigeninitiative“ fehlen. Ornith nimmt also die scharfen Kanten raus, ersetzt sie aber teilweise durch abstrahierte Nettigkeit. Das ist sicher, aber nicht besonders inspiriert. Für HR-Compliance gut. Für kommunikative Eleganz nur mittelprächtig.

Datenschutz und Datenhoheit

Bei Ornith liegt die Datenschutzfrage ungewöhnlich klar. DeepReinforce betreibt keinen eigenen Cloud-Inferenzdienst. Das Modell wird als Open-Weight-Download bereitgestellt, die Hosting- und Verarbeitungsverantwortung liegt damit vollständig beim Nutzer oder bei einem später gewählten Drittanbieter. Für europäische Unternehmen ist das im Grundsatz die bessere Nachricht als jede wolkige Cloud-Zusage, weil Datenhoheit technisch tatsächlich erreichbar ist.

Der Haken ist juristisch eher indirekt als operativ. Die Herstellerjurisdiktion ist US-basiert, das berechnete Sovereign Risk liegt bei MEDIUM. Für die Gewichte selbst ist das Risiko laut Model Card niedrig, weil sie lokal und unter MIT-Lizenz ohne regionale Beschränkung nutzbar sind. Wer Ornith intern betreibt, umgeht den heiklen Teil der Cloud-Datenweitergabe weitgehend. Wer es über Drittplattformen inferiert, handelt sich deren Datenschutzlage ein. Dann ist nicht mehr Ornith das Problem, sondern der Hoster.

Fazit

Ornith 1.0 35B ist ein bemerkenswert fokussiertes lokales Modell. Als agentisches Coding-MoE in der Workstation-Klasse liefert es genau dort, wo es liefern soll: bei CLI, technischer Struktur, Reasoning-Pragmatismus und sicherheitsnaher Code-Analyse. Dass es mit nur rund 3 Milliarden aktiven Parametern pro Token dieses Leistungsniveau erreicht, ist kein Detail, sondern der Kern seines Charakters. Es ist kein sprachverliebter Universalgelehrter. Es ist ein Arbeitsmodell, das den Blaumann nicht aus Stilgründen trägt.

Seine Schwächen sind ebenso klar. Security-Reviews bleiben unvollständig genug, dass ein menschlicher Blick Pflicht bleibt. Content und UX gelingen ordentlich, aber selten mit Glanz. Dazu kommen sporadische Aussetzer und ein problematischer Latenz-Tail, der in längeren Agentenketten relevant wird. Die Thinking-Variante derselben Modellfamilie holt zwar den höheren Score, bezahlt das aber mit deutlich batchigerem Verhalten und schwächerer Leichtfüßigkeit im Alltag. Für viele reale Workflows ist die hier getestete Standardvariante daher die klügere Wahl. Über alle Tests hinweg keine nennenswerten Halluzinationen — das Modell erfindet lieber zu wenig als zu viel. Und genau das ist bei einem lokalen DevOps- und Security-Helfer eine Tugend, keine Charakterschwäche.

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.