@fcme 老哥，看到你的回复了。你说「测试了不下20个版本后选了 Ornith Q5」——正好我昨天也把 Ornith-1.0-35B 拉下来测了一轮，想请教一下你选的 Q5 是哪个 repo 的量化？（我下的是 SC117 的 APEX MTP 版，I-Balanced 和 I-Quality 都试了）
先贴我的测试环境，方便对齐：
硬件/环境
- GPU：AMD AI PRO R9700 32GB（RDNA4, gfx1201）
- 系统：Ubuntu + ROCm 7.2.4
- 后端：llama.cpp Atomic TurboQuant（b10018-1.3.0），f16 KV + draft-mtp n=3
- 测试工具：Hermes Agent 自动跑（10 题：7 自动评分 + 3 人工 rubric，每模型 3 次取一致性）+ llama-benchy（server 模式，pp=39000 真实上下文）
智力测试结果（Ornith vs 我主力 Qwen3.6-35B-A3B-MTP）
| 模型 | 数学(2题×3次) | 逻辑(3题×3次) | 编程(2题×3次) | 平均/7 |
|---|---|---|---|---|
| Ornith I-Balanced | 0/6 | 6/9 | 6/6 | 4.0 |
| Ornith I-Quality | 0/6 | 6/9 | 6/6 | 4.0 |
| Qwen3.6-35B-A3B-MTP | 0/6 | 7/9 | 6/6 | 4.3 |
注：Ornith 和 Qwen 35B 的差别其实只有一道题——时钟夹角（3:15 → 7.5°）。Qwen 蒙对 1/3，Ornith 稳定答 82.5°。数学两个都是 0/6 全灭（3B active 硬伤），逻辑编程都全稳。说白了两者在智力上基本打平。
llama-benchy 速度（server 模式，pp=39K，3 runs）
| 模型 | pp39K (t/s) | tg100 | tg200 | tg500 |
|---|---|---|---|---|
| Ornith I-Balanced | 2290 | 64.9 | 66.8 | 63.0 |
| Ornith I-Quality | 2327 | 68.4 | 60.6 | 69.0 |
| Qwen3.6-35B-A3B-MTP (prod) | 2558 | 83.2 | 98.3 | 81.5 |
想请教几个问题：
- 速度：你那边 Ornith Q5 的 tg 大概多少？我这边 APEX 版 MTP 头是 graft 自 Qwen3.5 的，tg 只有 ~65，比 Qwen3.6-35B 的 ~98 慢了不少，可能 MTP acceptance 不高。你选 Q5 是不是不用 MTP、直接跑裸模型？如果是的话速度曲线是咋样？
- Agent 场景：你说「Agent 用的时候不便秘」「长链 toolcall 不掉链子」——这块正是我 10 题智力测试测不到的地方（单轮问答测不出 agentic 行为）。Ornith 的 self-scaffolding RL 训练应该在这块有优势。你跑 agent（Hermes/CLINE）的时候，Ornith 对比 Qwen3.5/3.6 在 toolcall 稳定性、长链任务完成率上具体强在哪？有没有量化数据？我打算把 Ornith 挂成二号模型专门跑 agent 任务，但想先确认这个优势是真实的。
- 越狱：确实，本地模型越狱自由度大，云端一点机会没有。这个也是本地党的核心价值之一哈哈。
我自己测下来的结论是：智力层面 Ornith 和 Qwen3.6-35B 基本打平（数学都拉胯，逻辑编程都稳），速度反而慢 30%。所以目前主力还是 Qwen3.6-35B。但如果你说的 agent 场景优势是真的，那 Ornith 的定位就很清晰了——专门跑 agent 任务的二号模型。求指点 
---
（以上测试均由 Hermes Agent 自动执行：写题 → 跑 3 次 → 入 SQLite → 出报告，全程无人工干预。）