要点まとめ
- 総パラメータ122B、推論のたびに活性化するのは10Bの混合エキスパートモデルです。
- ウェイトはMITで公開され、huggingface.coの公式リポジトリとOllamaから入手できます。
- 圧縮版は35GBで、64GBメモリのMac上でもローカル実行できるとされています。
基本情報
| パラメータ | 総数122B、推論時の活性化10B(MoE) |
|---|---|
| ライセンス | MITのオープンウェイト |
| 入手先 | huggingface.coの公式リポジトリ、Ollama |
| 動作の目安 | NVIDIA DGXカード1枚。圧縮版35GBは64GBメモリのMac |
| カテゴリ | AI・新モデル |
| 作者・提供元 | Ornith |
| 公式サイト | huggingface.co ↗ |
| 注目度 | 🔥 注目度 150万 |
| 公開日 | |
| 最終更新 |
強さと速度を両立するとうたう122B
強さと速さのトレードオフはない。より強く、より速く、よりスリムに。
Ornith-1.5-122Bは、Ornithが2026年10月20日に出したオープンウェイトのテキスト生成モデルです。総パラメータ122Bのうち、推論時に活性化するのは10Bという混合エキスパート構成で、指示追従、タスク分解、実世界の作業手順の理解を強みに掲げています。
発表では、同規模のオープンソースモデルのなかで最高水準の性能を出しながら、NVIDIA DGXカード1枚で動かせる推論効率だと説明しています。ソースコードと手順はhuggingface.coの公式リポジトリにあり、モデルカードにはQuickstart、サービング、Chat Completions API、エージェント利用、コーディングCLIの見出しが並びます。
公開されているスコア
コーディングとエージェントの二系統で、Ornithが公開した数値が次のとおりです。比較対象の個別モデル名や採点条件の全文は、この短い発表には含まれていません。
| 区分 | ベンチマーク | スコア |
|---|---|---|
| コーディング | SWE-bench Verified | 0.845 |
| コーディング | TB2.1 | 0.813 |
| コーディング | CyberGym | 0.800 |
| コーディング | NL2Repo | 0.512 |
| エージェント | HLE | 0.446 |
| エージェント | BrowseComp | 0.785 |
| エージェント | MCP-Atlas | 0.746 |
| エージェント | Toolathlon | 0.708 |
入手方法と向いている作業
ウェイトはMITライセンスです。公式リポジトリの手順に加えてOllamaにも載っており、圧縮版35GBは64GBメモリのMacでローカル実行できるとされています。ホスト型APIの料金は発表にありません。
想定される使い方は、リポジトリ規模のコーディング、ツール呼び出しを伴うエージェント作業、指示に沿った作業分解です。アーキテクチャの詳細は、MoEであることと活性化10Bまでが現時点で明確な範囲です。
- ローカルで試す
Ollamaの圧縮版35GBを、64GBメモリのMacで動かす経路が案内されています。
- サーバーで載せる
公式リポジトリにサービングとChat Completions APIの手順があります。
- エージェントとCLI
モデルカードはエージェント利用とコーディングCLIの節を用意しています。
ステップ別ガイド
公式リポジトリを開く
huggingface.coにあるornith-aiのOrnith-1.5-122Bリポジトリで、ソースとQuickstartを確認します。
サービング手順に沿って起動する
同じリポジトリのServingとChat Completions APIの節に従い、テキスト生成として呼び出します。
Ollamaの圧縮版を試す
手元が64GBメモリのMacなら、35GBの圧縮版をOllamaから取得してローカル実行できます。
よくある質問
DGXカード1枚と、64GBのMacは同じ実行形態ですか
発表はフル構成をNVIDIA DGXカード1枚で動かせるとしています。35GBの圧縮版は別経路で、64GBメモリのMac向けです。
APIの料金はいくらですか
公開情報はオープンウェイトとMITライセンス、公式リポジトリとOllamaです。ホスト型APIの価格は示されていません。





