DeepReinforce открыла Ornith-1.0: самообучающиеся модели для агентного кодинга

DeepReinforce выпустила Ornith-1.0 под открытой лицензией. Линейка включает четыре варианта: 9B Dense для edge-устройств, 31B Dense, 35B MoE и флагманский 397B MoE. Основа каждой модели: предобученные Gemma 4 и Qwen 3.5.

Ключевая особенность: модель сама генерирует скаффолды, то есть инструкции, направляющие генерацию решений. Каждый шаг обучения состоит из двух этапов: модель предлагает обновлённый скаффолд, затем генерирует решение на его основе. Скаффолды отбираются по качеству траекторий автоматически.

По бенчмаркам: 397B достигает 77.5 на Terminal-Bench 2.1 и 82.4 на SWE-Bench Verified, что компания сопоставляет с Claude Opus 4.7. Компактная 9B набирает 43.1 и 69.4 на тех же бенчмарках. Веса опубликованы на Hugging Face.