开源代码Agent学会自我进化
推荐指数 39.0 NO. 019 · 2026.06.30
发布2026/06/29Score52Comments5
为什么值得看
Ornith-1.0 用强化学习让模型同时生成代码和驱动搜索的脚手架，在多个编程基准上达到同尺寸开源模型SOTA。对想部署本地Coding Agent的团队来说，这是少数MIT授权、无地区限制的选择。
编辑判断
当前开源Coding Agent的痛点不是模型基座能力，而是搜索策略僵化——大多数项目硬编码了ReAct或Plan-and-Solve的固定流程，遇到复杂仓库就陷入死循环。Ornith-1.0的关键区别是让RL同时优化脚手架结构和最终代码输出，相当于让Agent自己学会"怎么拆任务"而不是只学"怎么写代码"。
跟SWE-agent、OpenHands这些主流框架比，Ornith-1.0的397B MoE版本在SWE-Bench上应该会有显著优势，但9B Dense版本更值得关注——它证明了小模型也能通过结构搜索补偿推理深度，这对成本敏感的创业团队是更务实的路径。
已经在用Cursor或GitHub Copilot做内部工具集成的团队，可以先用9B版本替换现有的固定流程Agent，测试复杂重构任务的成功率变化。如果脚手架生成确实降低了人工干预频率，再考虑上MoE版本做核心链路。
社区反馈
负面 5 条评论
核心争论："自我进化"是训练过程噱头还是真实能力，模型实际表现与宣传差距大
相关内容
让 Agent 在对话中成长：自进化机制的五层实现 以 CowAgent 开源项目为例，介绍 Agent 框架中五层自进化机制的架构设计和工程实现，从记录信息到自我重构的完整演进路径。 AgentEvolver：让智能体系统学会「自我进化」 ModelScope 社区发布的自进化系统，支持自我任务生成、自动评估与迭代优化，推动智能体从执行者向学习者转变。 让 AI 学会"成长"：从 Hermes Agent 提炼通用的自我进化 Skill 针对 AI Agent "阅后即焚"的能力天花板问题，提炼 Hermes Agent 的自我进化 Skill，实现跨会话的持续成长与记忆沉淀。 浙大&中科院让Agent学会自我进化，玩德州扑克心机尽显 基于深度强化学习的 AI Agent 行为决策研究，结合开源项目《自衍体》代码实战，展示自我进化在复杂博弈场景中的应用。
Can anyone explain what’s the story here? Is this just a re-skinned qwen? Who is deepreinforce-ai and why isn’t this model listed on their website? How does it self-improve, does the model change on disk - or just during a single context run it gets better?
It doesn't self-improve, that's a misleading headline. As far as I can tell they trained it by running their own reinforcement learning on top of Qwen and Gemma 4 (not sure how they combined weights from both, or if they used Qwen as the basis and Gemma 4 to help train?) - so the "self-improving" is
Gotcha. That makes more sense. We ran the model to train the model -> “self-improving”.