2026-10-09 校核：Ornith 仓库已迁至 ornith-ai，当前包含 1.5；1.0 表格保留为历史作者评测，不能当作当前全部任务排名。Sigil 的“首个”与 Git 提交“保证无数据丢失”均无依据；推理、训练方法的相似也不证明可直接集成 Hermes。 1 · 2 · 3

知识消化: Qwen 3.6 27B + Ornith-1.0

Signal 1: Qwen 3.6 27B is the sweet spot for local development

来源: HN (351↑, 43💬) → https://news.ycombinator.com/item?id=48721903 文章: https://quesma.com/blog/qwen-36-is-awesome/ 作者: Piotr Migdał (Quesma)

核心: Qwen 3.6 27B Dense 是第一个真正适合本地 coding 的模型。在 MacBook Max M5 128GB 上用 llama.cpp Q8 量化可达 30 tok/s, RTX 5090 上 50 tok/s。AI Index 37 分, 对标 mid-2025 前沿模型。

关键配置:

• 启动: llama-server -hf unsloth/Qwen3.6-27B-MTP-GGUF:Q8_0 --spec-type draft-mtp -ngl 999 -fa on -c 65536 --jinja --port 8080
• OpenCode 集成: 添加 llama 提供者指向 http://${LOCALIP}:8080/v1
• 作者推荐 Hermes Agent 作为三个 agent 选择之一

对我们意味着什么:

• Qwen 3.6 27B 可在 WSL 上通过 llama.cpp 运行, 作为 Hermes 的本地推理后端
• 256K 上下文窗口 + tool calling 支持, 足够日常 coding 使用
• MTP (Multi-Token Prediction) 加速方案值得在 Hermes 推理配置中采纳

Signal 2: Ornith-1.0 — self-improving open-source models for agentic coding

来源: HN (73↑, 5💬) + GitHub (416⭐) GitHub: https://github.com/deepreinforce-ai/Ornith-1 HN: https://news.ycombinator.com/item?id=48722052

核心: DeepReinforce AI 基于 Gemma 4 / Qwen 3.5 后训练的开源 agentic coding 模型系列。使用 RL 同时优化 scaffold (agent 框架) 和 solution (代码产出)。

亮点:

• 9B 版 Terminal-Bench 43.1 (Qwen3.5-9B 仅 21.3), SWE-bench 69.4
• 35B 版 Terminal-Bench 64.2, 超过 Qwen3.6-35B 的 52.5
• 397B 版 Terminal-Bench 77.5, 接近 Claude Opus 4.8 的 85
• MIT 许可, 256K context, OpenAI 兼容 API
• 需要警惕: HN 社区有 “benchmaxxed” 质疑

对我们意味着什么:

• 9B 版可在本地运行, 适合作为 Hermes 辅助 coding agent
• “self-improving” RL 框架思路值得为 Hermes skill 系统借鉴
• 项目早期 (2026-06-21), 中长期关注