Ornith-1.5 35B模型登顶本地评测榜 性能超通义千问3.8 27B

Ornith-1.5在本地评测排行榜登顶，几乎所有项目表现都超过Qwen3.8-27B。

测试对象是@deep_reinforce发布的Ornith-1.5-35B-A3B-NVFP4，测试在单节点DGX Spark上借助vLLM完成，模型量化格式为NVFP4。预填充速度约为3891词元/秒，解码速度约为78词元/秒，短提示生成200词元的整体速度约为76词元/秒，并未为了性能牺牲可用的本地运行速度。

在评测者搭建的sixcat-eval评测中，Ornith-1.5总得分为85.0，其中知识85.0分、数学95.0分、事实性75.0分、指令跟随70.0分、代码85.0分、工具调用100分。该得分是评测者所有已存档的干净本地sixcat评测结果中的最高分，Qwen3.8-27B原版总得分为82.3，排名第二。

数学成绩提升幅度尤其明显，Ornith-1.0数学得分85，本次版本得分达到95；Nemotron Lightning数学得分80，Qwen3.8原版得分仅为40，AEON微调版Qwen3.8得分仅为25。

在包含20个任务的Hermes代理循环门测试中，该模型通过14项，通过率70%，平均每个任务调用3.05次工具，没有出现触发循环停止阈值的情况，仅2项任务出现重复调用。本次测试仅针对脚本化模型加服务器的Hermes格式循环门，还未对其他模型做同项测试，不做直接对比。

本次评测用到的两款评测工具均为开源，sixcat-eval和Hermes代理基准测试的链接已经公开。速度、知识储备、数学能力、指令跟随、工具调用和任务完成能力都是重要的评价标准，目前Ornith-1.5在本地评测中的表现非常出色，模型链接也已公开。