Ornith-1.5は自己改善型基盤モデルに向けた大きな進歩を表しています。Ornith-1.0の自己足場フレームワークに基づいて、Ornith-1.5はモデルが新しいタスクを提案し、タスク固有の足場を生成し、強化学習のためのソリューションロールアウトを生成する完全な自己改善ループを確立します。この継続的なサイクルは新しい学習体験を創造し、持続可能な能力向上を促進します。
このシステムは3つのモデルスケールをカバーしています：397B MoE、35B MoE、および9B Dense。旗艦モデルOrnith-1.5-397Bは同等のサイズのオープンソースモデルの中で最先端のパフォーマンスを達成し、Terminal-Bench 2.1で86.1、Deep SWEで56.0のスコアを記録しました。これらの結果はClaude Opus 4.8（85.0と59.0）と一致し、GLM-5.2やDeep Seek-V4-Flash-0731のような主要なオープンソースモデルを上回っています。
小規模な端では、Ornith-1.5-9Bはそのサイズに驚くほど強力な結果を提供し、Terminal-Bench 2.1で47.0、SWE-Bench Verifiedで70.6を達成しました。量子化されたOrnith-1.5-9B-MobileバージョンはiPhoneやAndroidデバイスに直接展開でき、Gemma 4-31BやQwen 3.6-35Bのような大きなモデルをはるかに上回ります。
静的なトレーニング分布や手動で設計されたエージェントデザインに依存するのではなく、Ornith-1.5はタスク生成、足場構築、ソリューションロールアウトを含む閉じた自己改善ループを通じて独自のカリキュラムを拡張し、問題解決戦略を適応させ続けます。
主要なエンティティ：会社：Anthropic, Google, Meta, Zhipu AI, DeepSeek
出典: Hacker News · 要約：HeadlinesBriefing