ornith-ai/ornith-1.5-122b

ornith-1.5-122b 属于 ornith-1.5 系列，是这一系列中体量较大的版本；同系列还有 35b-a3b 这一更轻量的型号，两者定位不同。模型输入输出均为纯文本，参数规模 122B，权重以 MIT 许可证开放，可商用、可修改、可二次分发。它要解决的核心问题在于：当团队既希望获得大参数模型在复杂指令跟随、长文写作和多步推理上的表现，又不愿把数据交给闭源 API 时，需要一个能运行在自己机房、能被微调和审计的基座模型。开源权重加宽松许可，意味着部署成本从按 token 付费转为自持算力与运维投入，同时允许把领域数据固化进权重。代价是官方披露的信息有限：价格未公开，能力项未标注，也没有第三方跑分可供参考，是否合用得用自有数据实测。

选型建议需要可商用、可微调、能自主掌控部署的团队适合选它；要求低延迟、按 token 计费或开箱即用 API 的场景则不适合。

• 私有化部署一套可改造的 122B 文本生成服务，承接内部文档写作与润色
• 基于 MIT 许可对模型做领域微调，落地法律、医疗等垂直问答助手
• 用离线批处理批量完成长文摘要、报告改写与结构化信息抽取
• 在研发环境对比同系列 35b-a3b 与 122B 的质量和开销，确定主力模型

官方未公布结构细节，只能结合参数规模与命名惯例做定性判断；训练数据、上下文长度与对齐方案均属未知。

• 结构122B 参数属超大规模，按命名惯例更接近稠密结构，单卡难以承载，通常需要多卡并行配合量化才能部署。
• 能力输入输出均为纯文本，不具备图像、音频等模态处理能力，任务边界集中在写作、摘要、问答与代码类生成。
• 披露除参数量、许可证与发布日期外，官方未公开分词方案、训练语料与上下文长度，公开资料较少，需自行压测确认。

开源权重

是

许可证

mit

参数规模

122B

没有第三方跑分支撑，效果判断只能定性；同系列内，参数规模差异是主要参照。

• 强项122B 体量在复杂指令跟随、长文连贯性与多步推理上通常优于同系列小尺寸版本，适合质量优先于速度的任务。
• 短板显存占用与单次推理开销显著更高，首字延迟和并发成本高于 35b-a3b 这类小激活版本，实时对话不划算。
• 适合离线批处理、私有知识库问答、需要继续微调的垂直领域文本任务，能用吞吐换质量的场景更契合。

官方价格未公开，也没有平台接入与托管报价记录，成本结构只能从开源权重这条路来推断。

• 定位走开源权重路线，支出主要落在自有 GPU、显存容量与运维人力，而不是按 token 计费的调用账单。
• 横向对比同系列 35b-a3b 体量更小、推理更轻，但两者官方均未公布价格，当前无法做价差比较。
• 平台差价暂无平台接入记录，缺少托管报价可对照，自建与租用算力的实际成本差需按自身负载测算。
• 省钱凭借 MIT 许可自行量化或蒸馏小版本，可在预算收紧时替代闭源大模型的高频调用，把成本压到算力侧。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径能力项未标注、无第三方跑分，任何效果结论都只能来自自有数据集实测，不宜直接采信宣传式描述。
• 边界纯文本模型，无多模态输入；上下文与最大输出长度未公开，长文档与多轮长对话场景需先做验证。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。