Ornith est une famille ouverte de modeles de code qui confie au modele lui meme et ce qu on entraine et comment on entraine, et son nom vient du mot grec pour oiseau.

Ornith vient du laboratoire de recherche en IA DeepReinforce et vise la programmation par agents. Il ne se contente pas de regler un modele plus finement dans une procedure fixe: il rend au modele l organisation d entrainement elle meme. La tache est proposee par le modele, l echafaudage de resolution est bati par le modele, et les trajectoires de solution sont produites par le modele aussi. L editeur appelle cette voie amelioration de soi et en fait la ligne principale de toute la famille.

Deux generations existent. Ornith-1.0, sorti en juin 2026, a pose le cadre du echafaudage propre; Ornith-1.5, sorti en aout 2026, l elargi de l optimisation conjointe du echafaudage et de la solution a une boucle complete d amelioration de soi.

Du echafaudage propre a la boucle d amelioration de soi

Le coeur d Ornith-1.0 est de traiter l echafaudage comme quelque chose qui apprend. Dans l apprentissage par renforcement ordinaire, ordre des appels d outils, logique de reprise apres une erreur et facon d organiser la memoire sont fixes par un squelette ecrit a la main, et le modele ne fait que produire une solution dedans. Ornith-1.0 fait proposer au modele, a chaque tour, une version plus fine du echafaudage a partir de la description de la tache, puis genere des trajectoires sous c echafaudage; quand une solution gagne une recompense, celle ci revient a la fois au stade qui ecrit l echafaudage et a celui qui ecrit la solution. Apres assez de tours, la strategie de conduite propre a chaque famille de taches apparait d elle meme, sans qu un humain la precise categorie par categorie.

Ornith-1.5 pousse l idee un cran plus loin. La boucle passe de deux stades a trois: le modele propose une tache nouvelle plus difficile que les precedentes, batit pour elle un echafaudage dedie, puis produit les trajectoires de solution sous c echafaudage. La recompense traverse les trois stades, donc le modele apprend non seulement a resoudre plus juste, mais aussi a poser des taches plus utiles et a batir des echafaudages plus efficaces.

Comment les taches sont posees: trois recompenses multipliees

Laisser un modele poser ses taches porte un risque evident: il choisit les cibles molles, ou il produit sans fin des variantes de la meme chose. Ornith-1.5 borne la direction en multipliant trois signaux: validite, difficulte de front et nouveaute. La validite mesure si la tache et l echafaudage forment un milieu d apprentissage clairement defini et verifiable; si l echafaudage ne tourne pas, ou si les criteres d evaluation ne correspondent pas a la specification, ce terme tombe a zero et la tache entiere ne rapporte rien.

La difficulte de front est estimee a partir du taux de reussite reel du modele sur une tache. Plus ce taux approche 0.2, plus la recompense de difficulte est haute; quand le modele devient plus sur dans une categorie, la recompense de cette tache baisse d elle meme et la direction est poussee vers un terrain plus dur. La nouveaute retient la repetition, notee a l inverse de la plus grande ressemblance entre la tache courante et une reserve de taches passees. Multipliees, les trois signifient que seule une tache a la fois verifiable, exigeante et non repetee rapporte quelque chose.

Trois tailles et les chiffres officiels

Ornith-1.5 se decline en trois tailles qui couvrent toute la portee, du centre de donnees a l appareil de poche: la version 397B en melange d experts pour les cas de pointe, la version 35B-A3B qui active environ 3B de parametres par signe, et la version 9B dense pour une seule carte ou un appareil en bord. Au dela de ces trois, la generation precedente Ornith-1.0 offrait aussi un modele dense de 31B. Tous les points de controle de la famille partagent une interface compatible avec OpenAI.

Taille

Terminal-Bench 2.1

SWE-bench Verified

Materiel

397B MoE

86.1

86.0

Noeud a plusieurs cartes

35B-A3B MoE

68.5

79.0

Equipe moyenne

9B Dense

47.0

70.6

Une carte et terminal

La version 9B donne en plus une edition Mobile compressee, que l editeur dit capable de tourner directement sur iPhone et Android. Les trois prennent en charge une fenetre de 256K, soit 262 144 signes, et avec un facteur YaRN de 4.0 cela se tend vers un million de signes.

Comment le faire tourner: inference locale et licence ouverte

La famille Ornith est faite de modeles qui raisonnent, donc par defaut la reponse de l assistant ouvre sur un bloc think avant la reponse finale; la recette officielle rend cette chaine de pensee dans un champ a part et ouvre la lecture des appels d outils, ce qui facilite le branchement dans les cadres de conduite d agents.

Pour le fonctionnement, Ornith ne propose pas d interface hebergee ni de tarif, toute la capacite sort sous forme de poids et doit etre installee par vous. L editeur donne des recettes pour les piles comme vLLM et SGLang, avec une configuration dediee au contexte long; les formats compresses couvrent GGUF et MLX, donc cela tourne en local par llama.cpp et Ollama.

Les poids sortent sous licence MIT, et l editeur les decrit comme accessibles partout dans le monde et sans limite de region, ni la recherche ni le deploiement commercial ne demandant une etape d autorisation en plus.

Ornith confie au modele lui meme et ce qu on entraine et comment on entraine: poser la tache, batir l echafaudage et ecrire la solution forment une boucle fermee, et validite, difficulte et nouveaute multipliees tiennent la direction. Trois tailles couvrent le materiel du centre de donnees au telephone, et la licence MIT avec un deploiement purement local achete la liberte complete d usage.