Ornith-1.5 representa um avanço significativo em direção a modelos de base auto-melhorantes. Construindo sobre o quadro de auto-andamio de Ornith-1.0, Ornith-1.5 estabelece um ciclo completo de auto-melhoria onde o modelo propõe novas tarefas, gera andames específicos para cada tarefa e produz implementações de soluções para aprendizado por reforço. Este ciclo contínuo cria novas experiências de aprendizado que impulsionam ganhos de capacidade sustentados.
O sistema abrange três escalas de modelo: 397B MoE, 35B MoE e 9B Dense. O modelo principal Ornith-1.5-397B alcança desempenho de ponta entre modelos de código aberto de tamanho comparável, obtendo 86.1 no Terminal-Bench 2.1 e 56.0 no Deep SWE. Estes resultados correspondem ao Claude Opus 4.8 (85.0 e 59.0) enquanto superam modelos de código aberto líderes como GLM-5.2 e Deep Seek-V4-Flash-0731.
No menor extremo, Ornith-1.5-9B oferece resultados notavelmente sólidos para seu tamanho, alcançando 47.0 no Terminal-Bench 2.1 e 70.6 no SWE-Bench Verified. Sua versão quantizada Ornith-1.5-9B-Mobile pode ser implantada diretamente em dispositivos iPhone e Android, superando amplamente modelos maiores como Gemma 4-31B e Qwen 3.6-35B.
Em vez de depender de distribuições de treinamento estáticas ou design de agentes manualmente engenharia, Ornith-1.5 continua expandindo seu próprio currículo e adaptando estratégias de resolução de problemas através de um ciclo fechado de auto-melhoria envolvendo geração de tarefas, construção de andames e implementações de soluções.
Entidades-chave: Empresas: Anthropic, Google, Meta, Zhipu AI, DeepSeek
Fonte: Hacker News · Resumido por HeadlinesBriefing