L'équipe Ornith a publié Ornith-1.5, une famille de modèles de langage ouverts construits autour d'une idée inhabituelle : le modèle génère ses propres tâches de formation, conçoit ses propres échafaudages et apprend de ses propres tentatives de solution dans une boucle continue. Selon les propres évaluations de l'équipe, le produit phare Ornith-1.5-397B obtient un score de 86,1 sur Terminal-Bench 2.1 (Terminus-2), ce qui le place à égalité avec Claude Opus 4.8 d'Anthropic à 85,0 et devant tous les autres modèles open source de taille comparable.
La publication, publiée cette semaine sur le blog Ornith et sur Hugging Face sous licence MIT, est la dernière salve dans la course à l'IA open source qui a régulièrement produit des résultats autrefois considérés comme impossibles sans le budget d'un laboratoire frontalier. Pour les développeurs et les entreprises qui suivent les dernières actualités sur les modèles d'IA, l'importance est double : la parité de référence avec un modèle fermé leader et une recette de formation qui indique la prochaine direction du développement de modèles ouverts.
Trois tailles, une recette
Ornith-1.5 est livré en trois configurations : un produit phare mélangeant des experts de 397 B de paramètres, un MoE de 35 B qui active seulement 3 B de paramètres par jeton et un modèle compact et dense de 9B avec une variante « Mobile » quantifiée conçue pour fonctionner directement sur les appareils iPhone et Android. Tous les trois sont disponibles sur Hugging Face aux côtés des versions GGUF, MLX et NVFP4, et les cartes modèles indiquent que la famille est construite sur l'architecture Qwen3.5 MoE.
La lignée compte ici. Ornith-1.0, publié plus tôt cette année, a popularisé l'approche « d'auto-échafaudage » du codage agent et est devenu un succès discret : sa version 9B GGUF a enregistré plus de cinq millions de téléchargements sur Hugging Face. Ornith-1.5 étend ce cadre de l'optimisation des échafaudages et des déploiements à un pipeline d'auto-amélioration complet.
La boucle d'auto-amélioration, expliquée
Dans un pipeline post-formation conventionnel, l'apprentissage par renforcement s'effectue sur un ensemble fixe de tâches organisées par l'homme. Ornith-1.5 demande au modèle lui-même de proposer de nouvelles tâches, de générer un échafaudage spécifique à une tâche (les instructions, les outils et la stratégie de décomposition utilisés pour attaquer le problème), puis de produire des déploiements de solutions évalués par l'échafaudage qu'il vient de construire. La récompense est propagée à travers les trois étapes à l'aide de GRPO, de sorte que le système apprend simultanément à écrire de meilleures tâches, de meilleurs échafaudages et de meilleures solutions.
La récompense de génération de tâches est au cœur de la conception. Chaque tâche proposée est notée sur trois signaux multiplicatifs : la validité (l'échafaudage s'exécute-t-il et s'évalue-t-il correctement ?), la difficulté limite (le taux de réussite empirique du modèle est-il proche d'un objectif d'environ 20 %, gardant les tâches difficiles mais apprenables ?) et la nouveauté (est-il suffisamment différent de tout ce qui se trouve dans un tampon de tâches générées précédemment ?). Étant donné que la difficulté est mesurée par rapport au taux de réussite actuel du modèle, le programme augmente automatiquement à mesure que le modèle s'améliore.
L'équipe signale également des mesures anti-piratage explicites lors de l'évaluation : l'historique Git est supprimé des images du référentiel afin que les modèles ne puissent pas récupérer les solutions antérieures, et l'accès au réseau est désactivé pour empêcher les modèles de récupérer des réponses externes. Tous les résultats sont moyennés sur cinq analyses indépendantes.
Les chiffres
En matière de codage agent, les résultats autodéclarés du produit phare se situent en tête du domaine open source. Sur Terminal-Bench 2.1 exécuté via le harnais Terminus-2, le 86,1 d'Ornith-1.5-397B devance Claude Opus 4.8 (85,0), DeepSeek-V4-Flash-0731 (82,7) et GLM-5.2 (81). Sur le même test de référence via le harnais Claude Code, Ornith-1.5 affiche 85,2 contre 78,9 pour Opus 4.8. Sur le banc SWE Verified, les deux sont effectivement à égalité à 86,0 et 85,8, avec Kimi K3 légèrement en avance à 86,2.
Les écarts se creusent sur les suites agentiques plus dures. Sur DeepSWE, Ornith-1.5-397B obtient un score de 56,0 – devant les 46,2 de GLM-5.2, mais derrière Opus 4.8 (59,0) et Kimi K3 (67,5). Le saut le plus frappant est générationnel : Ornith-1.0 n'a obtenu que 8,0 sur DeepSWE, ce qui signifie que la nouvelle itération offre une amélioration sept fois supérieure par rapport à la même famille de référence.
Les plus petits modèles racontent leur propre histoire. Ornith-1.5-35B-A3B, activant uniquement 3B paramètres par jeton, obtient un score de 68,5 sur Terminal-Bench 2.1 (Claude Code) contre 43,4 pour Gemma 4-31B de Google et 51,7 pour Muse Glimmer-30B de Meta, et affiche 79,0 sur SWE-bench Verified. Le modèle 9B atteint 47,0 sur Terminal-Bench 2.1, 70,6 sur SWE-bench Verified et 86,4 sur GPQA Diamond – des chiffres qui placent un modèle de classe téléphonique à distance de frappe de ses rivaux de classe ordinateur de bureau.
Mises en garde et contexte
Il s'agit de tests de référence exécutés par des développeurs, et non de résultats audités de manière indépendante, et les modèles de comparaison ont été évalués par l'équipe Ornith selon ses propres paramètres de harnais. Les laboratoires rivaux s’adaptent également à différents compromis ; L'initiative de Kimi K3 sur DeepSWE suggère que la frontière du travail sur les logiciels agentiques est toujours contestée. Mais la transparence du tableau complet de la version (moyennes sur cinq analyses, configurations de faisceaux publiées, mesures de protection divulguées) rend la reproduction indépendante particulièrement simple.
La réponse de la communauté a été substantielle. L'annonce de la publication a suscité plus d'une centaine de points sur Hacker News en quelques heures, la discussion étant moins axée sur les affirmations du benchmark que sur la méthodologie d'auto-amélioration, que plusieurs commentateurs ont décrite comme l'une des implémentations ouvertes les plus crédibles de génération de tâches de style récursif.
Pour l'écosystème open source, Ornith-1.5 arrive à un moment où les modèles ouverts des laboratoires chinois et des équipes indépendantes occidentales comblent l'écart en fermant les frontières en matière de codage et de tâches d'agent. Une famille sous licence MIT qui correspond à un modèle fermé leader sur Terminal-Bench – et livre une variante 9B prête pour le téléphone – réduit encore cet écart et le fait avec une méthode de formation que tout le monde peut inspecter, reproduire et étendre.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
