Ornith-1.5: Modellfamilie mit Selbstverbesserung von 9B bis 397B
Ornith-1.5 trainiert sich über einen Self-Improvement-Loop selbst weiter und erscheint in vier Größen von 9B bis 397B, mit Vision und 256K Kontext.
Worum es geht
Ornith-1.5 ist eine Modellfamilie, die auf Ornith-1.0 aufbaut. Neu ist, dass der Self-Improvement-Loop nicht mehr nur Scaffolds und Rollouts optimiert. Er optimiert nun gemeinsam auch die Aufgabenerzeugung. Das Modell generiert fortlaufend neue Trainingsaufgaben, sucht Lösungsstrategien und verbessert sich per Reinforcement Learning.
Die wichtigsten Fakten
- Größen: 9B (6,6 GB), 35B (23 GB), 122B (73–77 GB) und 397B (242 GB).
- 256K Kontextfenster, Text- und Bildeingabe.
- Fähigkeiten laut Ollama: Vision, Tools, Thinking.
- Das 122B-Modell soll laut Hersteller unter Open-Source-Modellen vergleichbarer Größe State of the Art sein. Es soll auf einer einzelnen NVIDIA-DGX-Karte laufen.
- Rund 415K Downloads bei Ollama.
- Start:
ollama run ornith-1.5:9b. - Lizenz und Hersteller nennt die Quelle nicht.
Einordnung
Die 9B-Variante läuft mit gut 6 GB Download auch auf Consumer-GPUs. Die Familie ist damit für viele Leser ausprobierbar. Die Leistungsangaben stammen vom Hersteller und sind nicht unabhängig geprüft. Lizenz und Details zum Trainingsverfahren stehen im verlinkten Blog.
🧪 Selbst ausprobieren: Ornith-1.5
| Ollama | ornith-1.5 · Größen: 9b, 35b, 122b, 397b |
|---|---|
| Größe | 122.0 Mrd. Parameter |
| VRAM (4-bit, geschätzt) | ~74.7 GB |
| Typ | vision-language · image-text-to-text |
⚠️ Groß (122 Mrd. Parameter): braucht auch quantisiert ~74.7 GB VRAM/RAM. Colab Free (T4, 15 GB) reicht nicht.
⚡ Schnellster Weg (Ollama, alle Systeme)
ollama run ornith-1.5☁️ Google Colab
Notebook herunterladen- colab.research.google.com öffnen
- Datei → Notebook hochladen →
colab.ipynb - Laufzeit → Laufzeittyp ändern → GPU (T4)
- Laufzeit → Alle ausführen
Die Skripte sind automatisch erzeugt. Vor dem Ausführen kurz reinschauen – und die Model Card lesen, manche Modelle brauchen spezielle Versionen.