Ornith-1.5 9B
DeepReinforce
Son güncelleme: 31 Ağustos 2026
🖥️ Bu model bilgisayarında çalışır mı?
Q4 quantization ile en az 6 GB VRAM ya da birleşik bellek ister — 8 GB ve üstünde rahat çalışır.
6GB'de bağlam kısıtlı, 8GB rahat
Resmi Q4_K_M GGUF dosyası 5,78 GB. 8GB VRAM önerilir; 6GB'lık kartlarda (RTX 4050/3060 6GB) kısa bağlamla çalışır. Apple Silicon 16GB birleşik bellekle sorunsuz. 262K bağlama çıkarsan bellek ihtiyacı katlanır.
Ekran kartını seç, çalışır mı gör →Bağlam uzunluğu
262K token
API giriş (1M token)
—
API çıkış (1M token)
—
Kullanıcı planı
Ücretsiz (açık kaynak)
Ücretsiz plan mevcut
Türkçe destek
Zayıf
Çok modlu
Hayır
Hızı
Hızlı
OpenAI uyumlu
Evet
SWE-Bench
70.6%
Ne İçin Kullanılır?
- ✓İnternetsiz, tamamen yerel kodlama asistanı
- ✓Orta seviye oyun bilgisayarında AI denemek
- ✓Tool çağıran küçük yerel ajanlar
- ✓Gizli veriyle çalışan küçük ekipler
Güçlü Yönler
- ↑9B boyutuna göre çok yüksek skor: SWE-bench Verified 70,6
- ↑Q4_K_M GGUF 5,78 GB — 8GB VRAM'li karta rahat sığıyor
- ↑MIT lisansı, ticari kullanıma açık
- ↑262K context, YaRN ile ~1M'a uzatılabiliyor
- ↑Ayrı reasoning alanı ve OpenAI uyumlu tool calling
Dikkat Edilecekler
- ↓Çok dilli SWE-bench'te 54,4 — İngilizce dışında belirgin düşüş, Türkçe ayrı test edilmedi
- ↓Terminal-Bench 47: uzun ajan görevlerinde büyük kardeşlerinin gerisinde
- ↓Sadece metin — görsel girişi yok
- ↓6GB'lık kartta bağlamı kısa tutmak gerekiyor
- ↓Sıfırdan eğitilmemiş: Qwen3.5 ve Gemma 4 türevi tabana dayanıyor
Ornith-1.5 ailesinin en küçüğü ve ev bilgisayarına en yakın üyesi. 9 milyar parametreli dense bir akıl yürütme modeli, MIT lisanslı, 19 Ağustos 2026'da çıktı. MoE değil — yani tüm parametreler her token'da çalışıyor, ama boyutu zaten küçük. Büyük kardeşleriyle aynı eğitim döngüsünden geçiyor: model kendi görev müfredatını üretip pekiştirmeli öğrenmeyle kendini besliyor. Taban Qwen3.5 ve Gemma 4 üzerine kurulu Ornith-1.0. Bu boyut için skorları şaşırtıcı: SWE-bench Verified'da 70,6, Terminal-Bench 2.1'de 47. 9 milyar parametreli bir modelden SWE-bench'te 70 üstü almak birkaç ay öncesine kadar duyulmuş şey değildi. Çok dilli SWE-bench'te 54,4 alıyor — İngilizce dışına çıkınca fark açılıyor, Türkçe için ayrı bir test yok. Context 262.144 token, YaRN ile ~1 milyona uzatılabiliyor. Düşünme bloklarını ayrı alanda döndürüyor, OpenAI uyumlu tool calling destekliyor. Resmi GGUF'u yayınlandı: Q4_K_M dosyası 5,78 GB. Asıl değeri burada: 6GB'lık bir kartta kısa bağlamla, 8GB'da rahat çalışıyor. Yani orta seviye bir oyun bilgisayarında, internet olmadan, tamamen ücretsiz bir kodlama asistanı demek. Mobil için ayrıca kuantize edilmiş bir "Mobile" sürümü de var.
En Yakın Alternatif
Gerekli Programlar
Açık ağırlıklı bir modeli kendi bilgisayarında çalıştırmak için bir model yöneticisi gerekir. İkisi de ücretsiz, ikisi de Windows, Mac ve Linux'ta çalışır.
LM Studio — görsel arayüz isteyenler için
Modeli listeden seçip indiriyorsun, terminal yok. Yeni başlayan için en kısa yol.
Ollama — terminalden çalıştıranlar için
Terminalden tek komutla model indirip çalıştırıyorsun, arayüz yok. Bu modelin Ollama kütüphanesinde hazır bir sürümü olup olmadığını ollama.com'da arayarak görebilirsin.
Donanım tarafı
Büyük modeller için ekran kartı yetmiyorsa, iş istasyonu sınıfı donanımın ne verdiğini rehberde ölçtük.
DGX Spark rehberi →