Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
处理编程和终端任务,是一个适合单张 GPU 的 9B 稠密语言模型。适合想用小型开源模型做软件开发的开发者,另有面向手机的移动版本。
Ornith-1.5-9B 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download ornith-ai/Ornith-1.5-9B
Ornith-1.5-9B 是 Ornith-1.5 系列里最轻量的成员。它是一个 9B 稠密模型,目标是在一张 GPU 上运行。这个系列用自我改进循环训练,会自己生成训练任务,再通过强化学习从结果中学习。量化的 Ornith-1.5-9B-Mobile 版本面向手机。
想用小型开源模型做编程和终端工作、又没有大型 GPU 集群的开发者。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 软件 | 开发者 | 在一台机器上运行小型编程模型 | 修复本地项目里的一个 bug |
| 运维 | 工程师 | 在终端类任务上试用模型 | 写脚本完成一项例行的服务器杂务 |
| 研究 | AI 研究人员 | 研究用自我改进方式训练的模型 | 与模型卡里的 Qwen3.5 和 Gemma 模型做比较 |
如果你需要在每项任务上都拿到最强的结果,建议先看看模型卡里更大的系列成员和更大的模型。
| Use case | Who | What they get back |
|---|---|---|
| 编程帮助 | 开发者 | 由小型模型写出的代码和修复 |
| 终端任务 | 工程师 | 模型尝试完成的命令行工作 |
| 设备端测试 | 应用开发者 | 一个可以试用的手机级量化版本 |
pip install -U huggingface_hub hf download ornith-ai/Ornith-1.5-9B
用 transformers 加载模型,再把编程或终端任务以文本形式交给它。这里看到的模型卡部分没有运行代码片段,所以请查看模型卡的其余部分,了解具体的调用方法。
你把一个小项目里的 bug 描述给它,请它给出修复。模型会以文本形式回复一个建议的代码改动。这只是对其基准测试所衡量的编程任务类型的示意,并不是实际测试的结果。
如果你是新手,先问一个小的编程问题,看看回答是什么样。先确认 GPU 显存,因为全精度权重约 19.3 GB。
如果你是专家,Ornith-1.5 承接 Ornith-1.0,后者从 Qwen3.5 和 Gemma4 起步,并在其上增加了更多训练阶段。1.5 的循环把任务生成、脚手架构建和解题尝试放在一起优化,而不是使用固定的人工任务。
模型卡比较了编程基准的分数。这里展示的是 Terminus-2 设置下的 Terminal-Bench 2.1。
处理编程和终端任务,是一个适合单张 GPU 的 9B 稠密语言模型。适合想用小型开源模型做软件开发的开发者,另有面向手机的移动版本。
由 ornith-ai 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:Ornith-1.5-9B 是 Ornith-1.5 系列里最轻量的成员。它是一个 9B 稠密模型,目标是在一张 GPU 上运行。这个系列用自我改进循环训练,会自己生成训练任务,再通过强化学习从结果中学习。量化的 Ornith-1.5-9B-Mobile 版本面向手机。
适合谁:想用小型开源模型做编程和终端工作、又没有大型 GPU 集群的开发者。
Industry | Who uses it | How they use it | Example
软件 | 开发者 | 在一台机器上运行小型编程模型 | 修复本地项目里的一个 bug
运维 | 工程师 | 在终端类任务上试用模型 | 写脚本完成一项例行的服务器杂务
研究 | AI 研究人员 | 研究用自我改进方式训练的模型 | 与模型卡里的 Qwen3.5 和 Gemma 模型做比较
如果你需要在每项任务上都拿到最强的结果,建议先看看模型卡里更大的系列成员和更大的模型。
用在哪里:
Use case | Who | What they get back
编程帮助 | 开发者 | 由小型模型写出的代码和修复
终端任务 | 工程师 | 模型尝试完成的命令行工作
设备端测试 | 应用开发者 | 一个可以试用的手机级量化版本
如何设置:
pip install -U huggingface_hub
hf download ornith-ai/Ornith-1.5-9B
如何使用:用 transformers 加载模型,再把编程或终端任务以文本形式交给它。这里看到的模型卡部分没有运行代码片段,所以请查看模型卡的其余部分,了解具体的调用方法。
示例:你把一个小项目里的 bug 描述给它,请它给出修复。模型会以文本形式回复一个建议的代码改动。这只是对其基准测试所衡量的编程任务类型的示意,并不是实际测试的结果。
新手与专家:如果你是新手,先问一个小的编程问题,看看回答是什么样。先确认 GPU 显存,因为全精度权重约 19.3 GB。
如果你是专家,Ornith-1.5 承接 Ornith-1.0,后者从 Qwen3.5 和 Gemma4 起步,并在其上增加了更多训练阶段。1.5 的循环把任务生成、脚手架构建和解题尝试放在一起优化,而不是使用固定的人工任务。
模型生成新的训练任务
它找出解决这些任务的策略
强化学习更新策略
循环重复,任务越来越难
注意事项:模型卡比较了编程基准的分数。这里展示的是 Terminus-2 设置下的 Terminal-Bench 2.1。
Title: 模型卡中 Terminal-Bench 2.1 (Terminus-2) 的分数
Qwen3.6-35B-A3B: 52.5 分
Ornith-1.5-9B: 46.2 分
Ornith-1.0-9B: 43.1 分
Gemma-4-31B: 42.1 分
Qwen3.5-9B: 21.3 分
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download ornith-ai/Ornith-1.5-9B
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| Ornith-1.5-9B 本页 | 534,050 | 414 | 9.7B | mit | |
| Qwen3.8-9B-Distill共有 qwen3_5 · image-text-to-text · text-generation | 6,592 | 237 | 9.7B | apache-2.0 | |
| Terminal-RSI-27B共有 qwen3_5 · image-text-to-text · text-generation | 2,536 | 33 | 27.8B | apache-2.0 | |
| Sabi-Noema共有 qwen3_5 · image-text-to-text · text-generation | 1,810 | 55 | 27.4B | apache-2.0 | |
| Ara-JEV共有 qwen3_5 · image-text-to-text · text-generation | 1,316 | 4 | 853M | apache-2.0 | |
| MLX-Qwen3.5-0.8B-Claude-4.6-Opus-Reasoning-Distilled-6bit共有 qwen3_5 · image-text-to-text · text-generation | 253 | 4 | 752M | apache-2.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。