Mindket

Ornith-1.5-122B-GGUF

新上架第 1 版 · 更新于

概览

在你自己的机器上运行 Ornith-1.5-122B 文本模型,由 unsloth 制作成 GGUF 文件。这是一个 122B 混合专家模型,面向单块 GPU 上的编程和智能体工作。

Ornith-1.5-122B-GGUF 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。

速览

你需要
  • Python,用来运行 Hugging Face 下载工具
  • 4-bit 文件需要约 62.3 GB 的可用磁盘空间
  • 能容纳这种体量模型的硬件,最好是一块大显存 GPU
用在
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载
  • Unsloth Desktop,模型卡把它列为运行方式
  • 其他能加载 GGUF 文件的程序
先运行
pip install -U huggingface_hub
hf download unsloth/Ornith-1.5-122B-GGUF

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这是 Ornith-1.5-122B 的 GGUF 副本,Ornith-1.5-122B 是 ornith-ai 推出的文本生成模型,由 unsloth 打包供本地使用。该模型是 122B 的混合专家结构,设计为在单块 GPU 上运行。4-bit 文件约 62.3 GB,许可证是 MIT。

适合谁

适合想在自己硬件上使用大型开放模型的开发者和团队,用于编程和智能体类任务,而不用把提示词发给托管服务。

IndustryWho uses itHow they use itExample
软件开发者运行大型本地模型来辅助编程一个可离线工作的终端助手
研究AI 实验室和学生在编程基准上把一个开放模型与其他模型比较在同一组任务上的并排测试
IT 运维有私有代码的团队让源码和提示词留在自己的服务器上一个内部代码审查工具

如果你的电脑内存很小或没有强力 GPU,可以跳过它,因为光是 4-bit 文件就约 62.3 GB。

用在哪里

  • 装有 Python 的 Windows、macOS 或 Linux,用来下载
  • Unsloth Desktop,模型卡把它列为运行方式
  • 其他能加载 GGUF 文件的程序
Use caseWhoWhat they get back
编程辅助开发者本地模型写出的代码和修复
智能体工作智能体工具的开发者一个通过任务与策略自我改进训练出来的模型
基准比较研究人员可与其他开放模型对照的分数

如何设置

  • Python,用来运行 Hugging Face 下载工具
  • 4-bit 文件需要约 62.3 GB 的可用磁盘空间
  • 能容纳这种体量模型的硬件,最好是一块大显存 GPU
  1. 用 pip 安装 Hugging Face 的 hub 工具。
  2. 用 hf 命令下载 GGUF 文件。
  3. 在 Unsloth Desktop 或其他支持 GGUF 的程序里打开这些文件。
pip install -U huggingface_hub
hf download unsloth/Ornith-1.5-122B-GGUF

如何使用

模型卡指向 Unsloth Desktop 来运行这个模型。在那里加载下载好的 GGUF 文件,然后像使用任何文本模型一样,在聊天窗口输入提示词。

示例

你在 Unsloth Desktop 里加载文件,输入“Write a shell script that renames every file in a folder to lowercase”。模型回复一段脚本,并简短说明每一行的作用。

新手与专家

先运行那两条下载命令,并在 Unsloth Desktop 里打开文件。先试一个小的编程问题,因为这个体量的模型在普通硬件上会很慢。

1.5 版本承接更早的 1.0 版本,后者以 Qwen3.5 和 Gemma4 模型为起点。它的训练循环会自己生成任务、设计自己的解题方式,并通过强化学习从推演中学习。另有一个面向手机的量化版本 Ornith-1.5-122B-Mobile。

  1. 下载 GGUF 文件
  2. 在 Unsloth Desktop 中打开
  3. 输入提示词
  4. 模型生成回复

注意事项

  • License: MIT
  • Cost to run: 没有提到费用,但你需要自己的硬件,4-bit 约占 62.3 GB 磁盘
  • Data it reaches: 从 Hugging Face 下载文件,之后在你加载它的地方运行
  • Not for: 放不下约 62.3 GB 模型文件的机器
模型卡表格中的 TerminalBench 2.1 分数
Ornith-1.5-122B81.2
Qwen3.8-Flash-Next83.4
Qwen3.8 27B dense71.9
Nemotron 3.5 Super VL66.7

README 和文件

README

Ornith-1.5-122B-GGUF

在你自己的机器上运行 Ornith-1.5-122B 文本模型,由 unsloth 制作成 GGUF 文件。这是一个 122B 混合专家模型,面向单块 GPU 上的编程和智能体工作。

由 unsloth 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。

简介

它是什么:这是 Ornith-1.5-122B 的 GGUF 副本,Ornith-1.5-122B 是 ornith-ai 推出的文本生成模型,由 unsloth 打包供本地使用。该模型是 122B 的混合专家结构,设计为在单块 GPU 上运行。4-bit 文件约 62.3 GB,许可证是 MIT。

适合谁:适合想在自己硬件上使用大型开放模型的开发者和团队,用于编程和智能体类任务,而不用把提示词发给托管服务。

Industry | Who uses it | How they use it | Example
软件 | 开发者 | 运行大型本地模型来辅助编程 | 一个可离线工作的终端助手
研究 | AI 实验室和学生 | 在编程基准上把一个开放模型与其他模型比较 | 在同一组任务上的并排测试
IT 运维 | 有私有代码的团队 | 让源码和提示词留在自己的服务器上 | 一个内部代码审查工具

如果你的电脑内存很小或没有强力 GPU,可以跳过它,因为光是 4-bit 文件就约 62.3 GB。

用在哪里:

  • 装有 Python 的 Windows、macOS 或 Linux,用来下载
  • Unsloth Desktop,模型卡把它列为运行方式
  • 其他能加载 GGUF 文件的程序
Use case | Who | What they get back
编程辅助 | 开发者 | 本地模型写出的代码和修复
智能体工作 | 智能体工具的开发者 | 一个通过任务与策略自我改进训练出来的模型
基准比较 | 研究人员 | 可与其他开放模型对照的分数

如何设置:

  • Python,用来运行 Hugging Face 下载工具
  • 4-bit 文件需要约 62.3 GB 的可用磁盘空间
  • 能容纳这种体量模型的硬件,最好是一块大显存 GPU
  1. 用 pip 安装 Hugging Face 的 hub 工具。
  2. 用 hf 命令下载 GGUF 文件。
  3. 在 Unsloth Desktop 或其他支持 GGUF 的程序里打开这些文件。
pip install -U huggingface_hub
hf download unsloth/Ornith-1.5-122B-GGUF

如何使用:模型卡指向 Unsloth Desktop 来运行这个模型。在那里加载下载好的 GGUF 文件,然后像使用任何文本模型一样,在聊天窗口输入提示词。

示例:你在 Unsloth Desktop 里加载文件,输入“Write a shell script that renames every file in a folder to lowercase”。模型回复一段脚本,并简短说明每一行的作用。

新手与专家:先运行那两条下载命令,并在 Unsloth Desktop 里打开文件。先试一个小的编程问题,因为这个体量的模型在普通硬件上会很慢。

1.5 版本承接更早的 1.0 版本,后者以 Qwen3.5 和 Gemma4 模型为起点。它的训练循环会自己生成任务、设计自己的解题方式,并通过强化学习从推演中学习。另有一个面向手机的量化版本 Ornith-1.5-122B-Mobile。

下载 GGUF 文件
在 Unsloth Desktop 中打开
输入提示词
模型生成回复

注意事项:

  • License: MIT
  • Cost to run: 没有提到费用,但你需要自己的硬件,4-bit 约占 62.3 GB 磁盘
  • Data it reaches: 从 Hugging Face 下载文件,之后在你加载它的地方运行
  • Not for: 放不下约 62.3 GB 模型文件的机器
Title: 模型卡表格中的 TerminalBench 2.1 分数
Ornith-1.5-122B: 81.2
Qwen3.8-Flash-Next: 83.4
Qwen3.8 27B dense: 71.9
Nemotron 3.5 Super VL: 66.7

Hugging Face 上的数据(2026年11月13日)

  • 任务:text generation
  • 参数量:125B
  • Weights: about 62.3 GB at 4-bit (estimate)
  • Formats: GGUF
  • 最近 30 天下载:680,483
  • 点赞:101
  • 许可证:mit
  • 基于:ornith-ai/Ornith-1.5-122B
  • 标签:gguf, ornith, qwen3_5_moe, unsloth, text-generation, conversational

链接

  • 模型:https://huggingface.co/unsloth/Ornith-1.5-122B-GGUF
  • 文件:https://huggingface.co/unsloth/Ornith-1.5-122B-GGUF/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download unsloth/Ornith-1.5-122B-GGUF

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。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-13

同类产品对比

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-1.5-122B-GGUF 本页680,483101125Bmit
Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled-GGUF共有 qwen3_5_moe · unsloth · gguf17,17929634.7Bapache-2.0
Swift 1.5 Ornith 9B GGUF共有 ornith · gguf · conversational3,763269.2Bapache-2.0
Qwen3.6-35B-A3B-MTP-GGUF共有 qwen3_5_moe · unsloth · gguf2,315,1671,05135.5Bapache-2.0
Qwen3.6-35B-A3B-GGUF共有 qwen3_5_moe · unsloth · gguf1,649,8711,78934.7Bapache-2.0
Qwen3.5-35B-A3B-GGUF共有 qwen3_5_moe · unsloth · gguf314,67988534.7Bapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

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。

新上架

FLUX.2 Klein LoRA Studio

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。

新上架

anaksor-ocr

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。

新上架