Ornith-1.0-35B-MTP-APEX (无思考 · MTP)(No Thinking · MTP)

Ornith-1.0-35B-MTP-APEX-I-Compact.gguf · Q4_K_M · 15.85 GB
🧠 MoE (3B active)📦 15.85 GB🎮 RTX 5070 Ti 16GB + 128GB RAM📅 2026-06-27🌡️ temp=0.6 top_p=0.95 top_k=20
能力上限Max Score
93.2
加权原始分 = TC×0.3 + BF×0.3 + HA×0.4Weighted raw score = TC×0.3 + BF×0.3 + HA×0.4
实用得分Effective Score
85.2
−8 重试扣分−8 retry penalty
ToolCall-15
100
15/15 通过 · 100%passed · 100%
🔄 重试 1 次🔄 1 retry
BugFind-15
92
13/15 通过 · 87%passed · 87%
🔄 重试 2 次🔄 2 retries
HermesAgent-20
89
17/20 通过 · 85%passed · 85%
🔄 重试 5 次🔄 5 retries

📐 计分规则Scoring Rules

能力上限 = 加权原始分 = ToolCall×0.3 + BugFind×0.3 + HermesAgent×0.4。反映模型的最高能力水平。Max Score = Weighted raw score = ToolCall×0.3 + BugFind×0.3 + HermesAgent×0.4. Reflects the model's highest capability level.

实用得分 = 能力上限 − 重试扣分。每题首次通过不扣分；重试后才通过的题目每重试1次扣1分；重试后仍失败的不参与扣分。Effective Score = Max Score − retry penalty. First pass = no penalty; each retry before passing = −1pt; failed retries excluded.

本模型能力上限 93.2，实用得分 85.2（扣分 8 分）。重试代价远低于思考版（18 分），实用性突出。This model: Max Score 93.2, Effective Score 85.2 (−8 penalty). Retry cost much lower than thinking version (18), highlighting practical reliability.

ToolCall-15 (15/15)ToolCall-15 (15/15)
BugFind-15 (13/15)BugFind-15 (13/15)
HermesAgent-20 (17/20)HermesAgent-20 (17/20)
❌ 失败 (5)❌ Failed (5)
题号ID分数Score结果Result重试Retry说明Summary
题号ID分数Score结果Result重试Retry说明Summary
题号ID分数Score结果Result重试Retry说明Summary
题号ID分数Score结果Result重试Retry失败原因Failure Reason

📊 模型评估总结Model Evaluation Summary

Ornith-1.0-35B-MTP（无思考模式）展现了扎实且稳定的实力。ToolCall-15 满分通过（仅 TC-03 首次 partial 后重试通过），BugFind-15 能力上限 92 分且通过了红鲱鱼陷阱题（BF-10 满分），HermesAgent-20 通过率 85%（17/20），远优于思考版的 75%。Ornith-1.0-35B-MTP (No Thinking) demonstrates solid and stable performance. ToolCall-15 perfect score (only TC-03 first attempt partial, passed on retry), BugFind-15 ceiling 92 and passed the red herring trap (BF-10 full marks), HermesAgent-20 85% pass rate (17/20), far better than the thinking version's 75%.

无思考模式最大的优势在于稳定性：总重试 8 次仅扣 8 分（思考版 18 次扣 18 分）。特别是 HA-17（1 次重试后通过 vs 思考版失败 7 次仍没通过）和 BF-10（100 分 vs 思考版 0 分）的表现差距明显。弱点是 BF-03（与思考版一样踩坑）、BF-09（slice aliasing 诊断不完整，3 次重试仍 partial）、HA-16/19/20（5 次重试仍失败）。The no-thinking mode's biggest advantage is stability: 8 retries cost only 8 points (thinking version: 18 retries, 18 points). Especially HA-17 (passed after 1 retry vs thinking version's 7 retries still failing) and BF-10 (100 vs thinking 0) show clear gaps. Weaknesses: BF-03 (same trap as thinking), BF-09 (incomplete slice aliasing diagnosis, 3 retries still partial), and HA-16/19/20 (5 retries all failed).

能力上限 93.2（全场第三），实用得分 85.2——不思考反而更靠谱的典范。Ceiling 93.2 (rank #3), effective 85.2 — a textbook case of "not thinking" being more reliable.