2026年 Ornith-1.5とは：397B公開重みと自己生成カリキュラム

8月19日にOrnith-1.5の公開重みが三規模で出た。公式数字とGIGAZINEのMIT／Hugging Face記述を分ける。

2026年8月19日、Ornithはダウンロードできる公開重みを三規模で出した。最大のMoEはクローズド旗艦のエージェント得点の隣に置き、最小のDenseは公式が携帯へ量子化できると書く。

対象は Ornith-1.5 である。公式ブログは端到端の自己改善として書く。モデルがより難しい課題を出し、課題固有の足場を作り、強化学習用の解答ロールアウトを出す。以下は公式数字とGIGAZINEの配布メモだけであり、外部ラボがOpus越えを再現したとは書かない。

何が出たか

公式は1.5が1.0を拡張し、1.0はQwen3.5とGemma 4の上に継続事前学習・中間学習・事後学習を足したと書く。1.5は足場とロールアウトの最適化から、課題生成も同時に最適化するループへ移す。

照合できる表現

1. 1

   三規模は名前が付いている

   公式の列は Ornith-1.5-397B（MoE）、Ornith-1.5-35B-A3B（MoE、トークンあたり3B活性）、Ornith-1.5-9B（Dense）。GIGAZINEはiPhone／Android向け Ornith-1.5-9B-Mobile も書いた。

2. 2

   397B対Opus 4.8は混在であり全勝ではない

   公式はTerminal-Bench 2.1で86.1、DeepSWEで56.0、Opus 4.8の85.0／59.0と「同程度」と書く。同表ではTerminus-2は上、DeepSWEは下。GLM-5.2とDeepSeek-V4-Flash-0731に対しては同規模公開モデルで先行すると書く。

3. 3

   カリキュラムは生成され、報酬に硬い門がある

   各周期は環境・課題種別・履歴からより難しい課題を出し、足場（指示、ツール、分解、編成）を書き、ロールアウトを出す。課題報酬は妥当性V×フロンティア難度D×新規性N。V=0なら全体がゼロ。難度は現モデルの成功率で、目標はp*=0.2。三段階ともGRPO。

公式の閉ループは、強い方策がより難しく情報の多い課題を生み、進化する足場が能力を引き出し、質の高いロールアウトが次の学習信号になる、と書く。方法の主張であり、外部監査ではない。

# Official 1.5 loop (2026-08-19)
propose harder tasks
generate / refine scaffold
produce solution rollouts
R_task = V * D(p*=0.2) * N
optimize three stages with GRPO

読み方と境界

「Opusと同程度」≠ 全行で上回る

公式のDeepSWEでは397BはOpus 4.8を下回る（56.0対59.0）。Terminal-Benchの差もハーネス（Terminus-2とClaude Code）に依存する。

自己生成カリキュラムでも報酬ハッキングはあり得る

公式は課題整合・報酬忠実・耐ハックのハーネス報酬を別に書く。評価脚注はSWE-benchでgit履歴削除とネットワーク遮断、NL2Repoで指定リポジトリとpip遮断を書く。防護の声明であり、抜けない証明ではない。

公開されるのはチェックポイントであり、訓練の全請求ではない

重み、提供手順、量子化形式は出た。自己生成カリキュラムの計算量とデータ軌跡は、行ごとの再現予算としては書かれていない。

確認したい問い