Что такое Ornith-1.5 2026: 397B открытые веса и самоучебный курс

19 августа Ornith-1.5 вышла с открытыми весами. Ниже отделены официальные цифры от MIT / Hugging Face у GIGAZINE.

19 августа 2026 Ornith выложила три скачиваемых размера открытых весов: большой MoE рядом с агентными баллами закрытого флагмана и плотный 9B, который авторы квантуют на телефоны.

Объект — Ornith-1.5. Официальный блог описывает сквозное самоулучшение: модель предлагает более трудные задачи, пишет каркас и даёт rollout для RL. Ниже только официальные цифры и заметка GIGAZINE — не утверждение, что внешняя лаборатория воспроизвела победу над Opus.

Что вышло

Текст пишет, что 1.5 расширяет 1.0, а 1.0 собран на Qwen3.5 и Gemma 4 с продолженным претрейном, mid- и post-training. 1.5 сдвигает цикл от оптимизации каркаса и rollout к совместной оптимизации генерации задач.

Проверяемые формулировки

1. 1

   Три размера названы

   Официальный список: Ornith-1.5-397B (MoE), Ornith-1.5-35B-A3B (MoE, 3B активных на токен), Ornith-1.5-9B (плотный). GIGAZINE также назвала Ornith-1.5-9B-Mobile для iPhone и Android.

2. 2

   397B против Opus 4.8 — смешанно, не свип

   Текст даёт 86,1 на Terminal-Bench 2.1 и 56,0 на DeepSWE, «on par» с Opus 4.8 на 85,0 и 59,0. Terminus-2 выше, DeepSWE ниже. Против GLM-5.2 и DeepSeek-V4-Flash-0731 авторы заявляют лидерство среди открытых моделей схожего масштаба.

3. 3

   Курс генерируется; у награды есть жёсткий затвор

   Каждый цикл предлагает более трудные задачи, пишет каркас (инструкции, инструменты, разбор, оркестрация) и даёт rollout. Награда = валидность V × трудность фронтира D × новизна N. V=0 обнуляет член. Трудность — по текущей доле успеха, цель p*=0,2. Все три стадии — GRPO.

Официальный цикл: более сильные политики дают более трудные и информативные задачи; эволюционирующие каркасы вытягивают способность; более качественные rollout дают следующий сигнал обучения. Это методическое утверждение, не внешний аудит.

# 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

Как читать границы

«On par with Opus» ≠ впереди в каждой строке

В собственной колонке DeepSWE 397B отстаёт от Opus 4.8 (56,0 против 59,0). Отрыв Terminal-Bench зависит от harness (Terminus-2 против Claude Code).

Самодельный курс всё ещё можно хакнуть

Текст задаёт отдельную награду harness за выравнивание, верность награды и устойчивость к хаку. Сноски: SWE-bench без git-истории и сети, NL2Repo с блокировкой репозиториев и pip. Это их контроли, не доказательство неуязвимости.

Открыт чекпоинт, не полный счёт обучения

Веса, заметки по сервису и кванты опубликованы. Вычисления и следы данных самокурса не записаны как построчный бюджет воспроизведения.

Вопросы для сверки