Ornith AI 正式發布 Ornith-1.5 模型家族，提供 397B、35B-A3B 及 9B 等多種參數規模的變體。這些模型採用混合專家（MoE）架構，專為倉庫規模的代理程式編碼任務設計。該發布對本地 LLM 社群意義重大，因為 MoE 架構允許大型模型透過僅激活部分參數，在消費級硬體上高效運行。此舉也彌補了競爭對手如 Qwen 未為其最新系列發布 35B-A3B 變體所留下的空白。其中，35B-A3B 變體每個令牌僅激活 30 億個參數，使其能以更高速度和更好的量化支援（q4 對比 q8）超越 Qwen3.8 27B。這些模型採用 MIT 授權，並可在 Hugging Face 上取得以進行本地部署。

事件背景

混合專家（MoE）是一種神經網路架構，將模型權重分割成多個「專家」，並將每個輸入令牌僅路由到其中少數幾個專家。這使得模型擁有巨大的總參數數，同時保持較低的推理成本，因為在任何一次前向傳播中只有少數參數處於激活狀態。「A3B」記號特指每次推理中激活的參數數量（以十億為單位）。

社群觀察

社群情緒普遍正面，用戶對高效的 MoE 架構表示興奮，並將 35B-A3B 變體與 Qwen3.8 27B 進行有利比較。部分用戶對基準測試結果持懷疑態度，而其他用戶則期待使用 Samosa-Chat 等工具在本地測試這些模型。