Ornith 1.5: Warum das 9B-Modell wichtiger als der 397B-Riese sein könnte

Ornith hat am 20. August 2026 drei offene Modelle mit 397B, 35B und 9B Parametern vorgestellt. Die interessanteste Zahl steht dabei nicht beim Flaggschiff, sondern beim kleinsten Modell.

Die 9B-Variante trägt dieses Release

Das dichte 9B-Modell erreicht nach Angaben von Ornith 70,6 Punkte auf SWE-Bench Verified und 47,0 auf Terminal-Bench 2.1. Das 397B-Flaggschiff kommt im selben Herstellervergleich auf 86,1 Punkte auf Terminal-Bench 2.1.

Der Abstand ist deutlich. Für viele Entwickler dürfte trotzdem die Gegenrichtung wichtiger sein: Zusätzlich gibt es eine quantisierte 9B-Mobile-Version, die auf iPhones und Android-Geräten laufen soll.

Praktisch entscheidet nicht die Rangliste, sondern das, was auf die vorhandene Hardware passt. Die drei Varianten sind bereits paketiert verfügbar. Ollama dokumentiert ein Kontextfenster von 256.000 Token sowie Text- und Bildeingabe; die offizielle Hugging-Face-Sammlung bietet GGUF-, FP8-, NVFP4- und MLX-Fassungen. Bei Ollama reicht der Speicherbedarf von 6,6 GB für das 9B-Modell über 23 GB bis zu 242 GB für das Flaggschiff — der Unterschied zwischen einem Entwicklerlaptop und einer eigenen GPU-Maschine. Die kleine Variante startet mit ollama run ornith-1.5:9b.

Der Trainingsansatz kombiniert drei Schritte: Das Modell schlägt neue Aufgaben vor, erzeugt dafür passende Scaffolds und produziert Lösungs-Rollouts für Reinforcement Learning. Damit optimiert Ornith zugleich, was das Modell übt, mit welcher Hilfsstruktur es arbeitet und welche Lösungswege anschließend als Trainingsmaterial dienen.

Herstellerzahlen sind ein Startpunkt

Alle genannten Benchmarkwerte stammen von Ornith. Sie gelten unter den Bedingungen des Anbieters und liefern für die eigene Modellwahl zunächst eine Hypothese. Entscheidend ist, wie sich die tatsächlich eingesetzte Variante mit echten Aufgaben aus dem eigenen Entwicklungsprozess schlägt.

Gerade die Mobile-Version braucht einen getrennten Test. Der Wert von 70,6 auf SWE-Bench Verified bezieht sich auf das 9B-Modell; daneben steht eine quantisierte Smartphone-Fassung. Ob diese konkrete Fassung im Alltag dieselbe Qualität erreicht, geht aus den veröffentlichten Angaben nicht hervor. Produkt- und Evaluationsteams sollten deshalb exakt die Quantisierung prüfen, die später eingesetzt wird.

Damit wird aus der Modellrangliste eine Kostenentscheidung: Das 397B-Modell erzielt bei Terminal-Bench 2.1 den höchsten genannten Wert, belegt auf Ollama aber 242 GB. Die 9B-Variante kommt dort mit 6,6 GB aus. Bewältigt sie einen ausreichenden Anteil echter Coding-Aufgaben, kann sie lokale Routinearbeit übernehmen, während anspruchsvollere Fälle an eine größere Modellklasse gehen.

Gewichte, Quantisierungen und Ollama-Pakete waren bereits zur Vorstellung verfügbar. Die sinnvollste nächste Prüfung ist deshalb konkret: Die 9B-Variante tritt in der vorgesehenen Quantisierung gegen einen festen Satz echter Aufgaben aus dem eigenen Backlog an. Dieses Ergebnis wiegt für den Betrieb schwerer als jede Zahl aus der Ankündigung.