开源大模型追上Claude Opus，还能跑在自家电脑上

有人想跑自己的大语言模型，又嫌现有开源模型性能不够，闭源模型又不能本地部署，只能一直等。

2026年8月20日，Ornith AI发布了Ornith-1.5开源大语言模型系列，包含9B Dense、35B MoE和397B MoE三种不同规格，发布后很快登上了Hacker News热门榜单。

这个系列用「自改进策略」训练，采用封闭训练循环：模型除了解决任务，还会自己生成新的训练数据，官方把这个思路叫做「从自脚手架到自改进」。训练框架是基于Qwen和Gemma 4得到的。

官方称，在同尺寸的开源模型中，Ornith-1.5达到了顶尖性能，在推理、智能体和编码任务上，表现和Claude Opus 4.8相当，在多个基准测试中拿到了具体分数，比如Terminal-Bench 2.1得分为86.1，SWE-Bench验证集得分86。核心推文目前已有超过214万次浏览，总互动量超过1.1万。

@federikacm 认为：大部分开源模型发布只会在尺寸、成本、跑分里选一个方向竞争，Ornith-1.5同时做到三个，还覆盖三个不同模型尺寸，这种情况很少见。

@0x0SojalSec 提到，这个能力接近Claude Opus 4.8的模型，可以放在本地个人电脑上运行。也有观点认为，Ornith的「自改进」属于营销表述，底层的技术思路本身有价值，但不会改变模型日常部署使用的方式。

开源大语言模型允许任何人自由使用、修改和分发，这和OpenAI、谷歌的闭源专有模型完全不同。2026年以来，已经有多个开源模型在测试中接近顶级闭源模型的性能，两者的差距已经大幅缩小。

对不想把数据交给云端、只想自己部署模型的人来说，现在不用再为了性能妥协，也不用花大价钱升级硬件就能选到合适的规格。

什么时候，我们日常用的AI功能，都能自己存在本地电脑里了？