Ornith-1.5-9B

更新
04.10.2026
思考
ツール利用
画像認識
推論
コード生成
多言語

Ornith-1.5-9Bは、256Kのコンテキスト長を備え、8 GBで動作する9Bのエージェント型コーディングモデルです。GGUFビルドは私たち自身で量子化しました。

基本情報

  • ライセンス: MIT
  • パラメータ数: 9.4Bのデンスモデル、32層
  • コンテキスト長: 262,144トークン
  • モダリティ: テキストと画像の入力
  • 最小ハードウェア要件: AD-IQ4_XSで8 GBのVRAM

Ornith-1.5-9Bとは?

Ornith-1.5-9BはOrnith 1.5ファミリーで最小のモデルで、2026年8月18日にMITライセンスで公開されました。Ornith 1.0はQwen3.5とGemma 4をベースに、追加の事前学習と事後学習を施して構築されました。1.5では、モデルが自ら学習タスクを提案し、自分の試行から学ぶ自己改善ループを加えて発展させています。

仕様Ornith-1.5-9B
総パラメータ数9.4B
アーキテクチャデンスモデル、ハイブリッドアテンション、Qwen3.5の技術スタックをベースに構築
層数32
コンテキスト長262,144トークン
モダリティテキストと画像の入力
推論推論過程を回答とは別に返します
公開日2026年8月18日
ライセンスMIT

この学習手法により、ノートPCに収まるサイズでエージェントとしての動作を実現しています。モデルは推論過程を回答とは別のフィールドに返すため、ハーネスはチャットに推論過程を貼り付けずにログへ記録できます。

Ornith-1.5-9Bのベンチマーク

モデルカードに記載されたOrnithの公開時の数値では、9Bを、その前モデル、ベースとなったQwen3.5 9B、そして規模が3倍から4倍の2つのモデルと比較しています。

ベンチマークOrnith-1.5-9BOrnith-1.0-9BQwen3.5-9BQwen3.6-35B-A3BGemma-4-31B
Terminal-Bench 2.1
ターミナル操作エージェント
46.243.121.352.542.1
SWE-bench Verified
ソフトウェア開発
70.669.453.273.452.0
SWE-bench Pro
高難度のソフトウェア開発
47.542.931.349.535.7
GPQA Diamond
専門レベルの科学
86.482.581.786.084.3
Humanity's Last Exam
専門レベルの問題
30.526.424.528.926.5
MCP-Atlas
MCPツール
54.249.446.862.855.0
ClawEval
エージェント型コーディング
66.563.153.268.748.5

9Bはすべての項目でOrnith-1.0-9Bを上回り、Qwen3.5-9Bにも大差をつけています。規模が3倍から4倍のモデルに対しても、GPQA Diamondとツール支援ありのHLE区分では勝っていますが、エージェント関連の項目では劣ります。

Ornith-1.5-9Bのハードウェア要件

システム要件で確認すべきなのはメモリです。私たちは元の重みからモデルを量子化し、ビルドをAtomicChat/Ornith-1.5-9B-GGUFとして公開しました。

メモリ選択するビルドファイルサイズ
8 GBAD-IQ4_XS5.5 GB
12 GBQ5_K_M6.5 GB
16 GBQ6_K7.4 GB
24 GB以上Q8_09.5 GB

このサイズなら量子化の全段階が一般的なハードウェアに収まるため、AD-IQ4_XSより低い精度を選ぶ理由はほとんどありません。16 GBのMacBookならQ6_Kを動かしても長いチャットに使える余裕があります。一緒に収まるほかのモデルについては、16 GBのMacに最適なローカルLLMをご覧ください。

Atomic ChatでOrnith-1.5-9Bを動かす方法

Atomic Chatは、macOS、Windows、Linux向けの無料のローカルアプリです。Hugging Faceのモデルブラウザーとチャット機能を内蔵しており、llama.cppを手動でビルドする必要はありません。

  1. お使いのプラットフォーム向けのAtomic Chatをダウンロードして開きます。
  2. モデルブラウザーでOrnith-1.5-9Bを検索し、Download Optionsを開きます。
  3. お使いのメモリ容量に収まるビルドを選び、チャットを開始します。

量子化の一覧表とllama.cppのコマンドを含む詳しい手順は、私たちのOrnith 1.5 9Bをローカルで動かすためのガイドに掲載しています。

より大きな姉妹モデルはOrnith-1.5-35B-A3Bで、両方ともOrnithファミリーのページに掲載されています。このクラスのモデルのコーディング性能を比較するには、コーディングに最適なローカルLLMをご覧ください。

Ornith-1.5-9Bのライセンス

Ornith-1.5-9BはMITライセンスで公開されています。コードに著作権表示を残す限り、商用利用、改変、再配布、非公開環境へのデプロイが認められており、モデルに適用できるライセンスの中でも特に制約の少ないものの1つです。

Hugging Faceからモデルをダウンロード

huggingface-cli download ornith-ai/Ornith-1.5-9B
# Atomic ChatのGGUFビルド:
huggingface-cli download AtomicChat/Ornith-1.5-9B-GGUF Ornith-1.5-9B-AD-IQ4_XS.gguf
curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Ornith-1.5-9B",
    "messages": [{"role": "user", "content": "Find the bug in this stack trace."}]
  }'
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "ornith-ai/Ornith-1.5-9B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype="auto", device_map="auto")

messages = [{"role": "user", "content": "Write a test for this function."}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)
print(tokenizer.decode(model.generate(**inputs, max_new_tokens=1024)[0]))
import OpenAI from "openai";

const client = new OpenAI({ baseURL: "http://localhost:8000/v1", apiKey: "local" });
const res = await client.chat.completions.create({
  model: "Ornith-1.5-9B",
  messages: [{ role: "user", content: "Explain what this regex matches." }],
});
// reasoning_contentには推論過程、contentには回答が格納されます
console.log(res.choices[0].message.content);
デスクトップ
macOS
(Intel・Apple Silicon)
ダウンロード
Windows
(x64)
ダウンロード
Linux
(x86_64)
ダウンロード

よくある質問

Ornith-1.5-9BはOrnithが開発した9.4Bのデンスモデルで、2026年8月18日にMITライセンスで公開されました。エージェント型コーディングとツール利用向けに学習されており、テキストと画像を読み取り、262,144トークンのコンテキスト長を備えています。

私たちのAD-IQ4_XSビルドは5.5 GBなので、8 GBのグラフィックスカードで動作します。7.4 GBのQ6_Kは16 GBのマシンに適しており、9.5 GBのQ8_0は24 GB以上の環境向けの、参照モデルに近いビルドです。

はい。重みはMITライセンスで提供されており、商用利用、改変、再配布を無料で行えます。

実際のハーネス内でのコーディング、MCP経由のツール呼び出し、複数ステップのタスクといった、エージェントとしての作業向けです。Ornithは、モデルが自らタスクを生成し、自分の試行から学ぶ自己改善ループを使って学習させています。

9Bは8 GBのグラフィックスカードに収まり、ノートPCで動かすならこちらです。35B-A3Bはすべてのコーディングベンチマークでより高いスコアを出しますが、4ビットでは約19 GBが必要なため、24 GBのグラフィックスカードまたは32 GBのMacが必要です。