Il team di Ornith ha rilasciato Ornith-1.5, una famiglia di modelli linguistici a peso aperto costruiti attorno a un'idea insolita: il modello genera i propri compiti di formazione, progetta le proprie impalcature e apprende dai propri tentativi di soluzione in un ciclo continuo. Secondo le valutazioni del team, l'ammiraglia Ornith-1.5-397B ottiene un punteggio di 86,1 su Terminal-Bench 2.1 (Terminus-2), mettendolo alla pari con Claude Opus 4.8 di Anthropic a 85,0 e davanti a ogni altro modello open source di dimensioni comparabili.

Il comunicato, pubblicato questa settimana sul blog Ornith e su Hugging Face sotto licenza MIT, è l'ultima salva nella corsa all'intelligenza artificiale open source che ha regolarmente prodotto risultati una volta ritenuti impossibili senza il budget di un laboratorio di frontiera. Per gli sviluppatori e le aziende che seguono le ultime novità sui modelli di intelligenza artificiale, il significato è duplice: la parità di riferimento con un modello chiuso leader e una ricetta di formazione che indica dove si dirigerà lo sviluppo del modello aperto.

Tre formati, una ricetta

Ornith-1.5 viene fornito in tre configurazioni: un'ammiraglia con una miscela di esperti da 397B parametri, un MoE da 35B che attiva solo 3B parametri per token e un modello compatto ad alta densità da 9B con una variante "Mobile" quantizzata progettata per funzionare direttamente su iPhone e dispositivi Android. Tutti e tre sono disponibili su Hugging Face insieme alle build GGUF, MLX e NVFP4 e le schede modello indicano che la famiglia è basata sull'architettura Qwen3.5 MoE.

Qui conta la discendenza. Ornith-1.0, rilasciato all'inizio di quest'anno, ha reso popolare l'approccio "self-scaffolding" alla codifica ad agenti ed è diventato un successo discreto: la sua build GGUF 9B ha registrato più di cinque milioni di download su Hugging Face. Ornith-1.5 estende tale struttura dall'ottimizzazione di scaffold e implementazioni a una pipeline completa di auto-miglioramento.

Il ciclo di auto-miglioramento, spiegato

In una pipeline post-formazione convenzionale, l’apprendimento per rinforzo viene eseguito rispetto a una serie fissa di attività curate dall’uomo. Ornith-1.5 prevede invece che il modello stesso proponga nuovi compiti, generi un'impalcatura specifica per l'attività (le istruzioni, gli strumenti e la strategia di scomposizione utilizzata per attaccare il problema) e quindi produca implementazioni di soluzioni che vengono valutate dall'impalcatura appena costruita. La ricompensa viene propagata attraverso tutte e tre le fasi utilizzando GRPO, in modo che il sistema impari contemporaneamente a scrivere attività migliori, impalcature migliori e soluzioni migliori.

La ricompensa per la generazione di attività è il cuore della progettazione. A ogni compito proposto viene assegnato un punteggio in base a tre segnali moltiplicativi: validità (l'impalcatura viene eseguita e valutata correttamente?), difficoltà di frontiera (il tasso di successo empirico del modello è vicino a un obiettivo di circa il 20%, mantenendo i compiti impegnativi ma apprendibili?) e novità (è sufficientemente diverso da tutto ciò che si trova in un buffer di compiti generati in precedenza?). Poiché la difficoltà viene misurata rispetto al tasso di successo attuale del modello, il curriculum aumenta automaticamente man mano che il modello migliora.

Il team segnala inoltre esplicite misure anti-hacking durante la valutazione: la cronologia git viene rimossa dalle immagini del repository in modo che i modelli non possano recuperare le soluzioni precedenti e l'accesso alla rete è disabilitato per impedire ai modelli di recuperare risposte esterne. Di tutti i risultati viene calcolata la media su cinque corse indipendenti.

I numeri

Per quanto riguarda la codifica ad agenti, i risultati auto-riferiti dell'ammiraglia si collocano in cima al campo open source. Sul Terminal-Bench 2.1 attraversa il cablaggio Terminus-2, l'86.1 di Ornith-1.5-397B supera Claude Opus 4.8 (85.0), DeepSeek-V4-Flash-0731 (82.7) e GLM-5.2 (81). Nello stesso benchmark eseguito tramite il cablaggio Claude Code, Ornith-1.5 registra 85,2 contro 78,9 di Opus 4.8. Su SWE-bench Verified, i due sono effettivamente pari a 86.0 e 85.8, con Kimi K3 leggermente avanti a 86.2.

Le lacune si ampliano nelle suite agentiche più difficili. Su DeepSWE, Ornith-1.5-397B ottiene un punteggio di 56,0, davanti al 46,2 di GLM-5.2, anche se dietro a Opus 4.8 (59,0) e Kimi K3 (67,5). Il salto più sorprendente è generazionale: Ornith-1.0 ha ottenuto solo 8,0 su DeepSWE, il che significa che la nuova iterazione offre un miglioramento di sette volte rispetto alla stessa famiglia di benchmark.

I modelli più piccoli raccontano la loro storia. Ornith-1.5-35B-A3B, attivando solo 3B parametri per token, ottiene un punteggio di 68,5 su Terminal-Bench 2.1 (Claude Code) contro 43,4 per Gemma 4-31B di Google e 51,7 per Muse Glimmer-30B di Meta, e pubblica 79,0 su SWE-bench Verified. Il modello 9B raggiunge 47,0 su Terminal-Bench 2.1, 70,6 su SWE-bench Verified e 86,4 su GPQA Diamond: numeri che pongono un modello di classe telefonica a una distanza impressionante dai rivali di classe desktop.

Avvertenze e contesto

Si tratta di benchmark gestiti dagli sviluppatori, non di risultati controllati in modo indipendente, e i modelli di confronto sono stati valutati dal team di Ornith in base alle proprie impostazioni di cablaggio. Anche i laboratori rivali si adattano a diversi compromessi; Il vantaggio di Kimi K3 su DeepSWE suggerisce che la frontiera del lavoro del software tramite agenti è ancora contestata. Ma la trasparenza dell’intera tabella del comunicato – medie di cinque analisi, configurazioni di cablaggio pubblicate, garanzie divulgate – rende la riproduzione indipendente insolitamente semplice.

La risposta della comunità è stata sostanziale. L'annuncio del rilascio ha attirato oltre un centinaio di punti su Hacker News in poche ore, con la discussione focalizzata meno sulle affermazioni del benchmark che sulla metodologia di auto-miglioramento, che diversi commentatori hanno descritto come una delle implementazioni aperte più credibili della generazione di attività in stile ricorsivo.

Per l'ecosistema open source, Ornith-1.5 arriva in un momento in cui i modelli aperti dei laboratori cinesi e dei team indipendenti occidentali stanno colmando il divario con le frontiere chiuse sui compiti di codifica e di agenti. Una famiglia con licenza MIT che corrisponde a un modello chiuso leader su Terminal-Bench - e fornisce una variante 9B pronta per il telefono - riduce ulteriormente questo divario e lo fa con un metodo di formazione che chiunque può ispezionare, riprodurre ed estendere.

---

Stai al passo con l'intelligenza artificiale

Ricevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.

Leggi altre notizie sull'AI →