Ornith-1.0: エージェントコーディングのための自己改善型オープンソースモデル
Ornith-1.0: self-improving open-source models for agentic coding (github.com)
要約
Ornith-1.0は、エージェントコーディングのための自己改善型オープンソースモデルです。Gemma 4やQwen 3.5をベースに、9Bから397Bまでの多様なモデルサイズで提供され、Terminal-Bench 2.1やSWE-Benchなどの主要なコーディングベンチマークで最先端のパフォーマンスを発揮します。強化学習を利用した自己改善型トレーニングフレームワークを採用し、より質の高いソリューション生成と検索経路の最適化を実現しています。
全文翻訳
Ornith
[画像: Ornith 1.0 Blog] | [画像: Ornith 1.5 Blog]
Aloha! 🌺 Ornithは、エージェントタスクのための自己改善型オープンソースモデルファミリーです。このリポジトリは両世代をカバーしています:
- 🐦 Ornith-1.5 (最新) — 自己足場組(self-scaffolding)を完全なエンドツーエンドの自己改善ループに拡張します。モデルは新しいタスクを提案し、タスク固有の足場を生成し、強化学習のためのソリューションロールアウトを生成します。モデルの重みはHuggingFaceにあり、詳細はブログで確認できます。
- 🐦 Ornith-1.0 — 足場と生成されたソリューションロールアウトを共同で最適化する最初のリリースです。モデルの重みはHuggingFaceにあり、詳細はブログで確認できます。
両世代ともにMITライセンス、グローバルにアクセス可能、地域制限なしです。
[画像: Ornith 397B Benchmark Results]
ベンチマーク
397B
| Ornith-1.5-397B | Ornith-1.0-397B | DeepSeek-V4-Flash-0731 (284B) | GLM-5.2 (753B) | Claude Opus 4.8 | Kimi K3 (2.8T) | |
|---|---|---|---|---|---|---|
| Coding | ||||||
| Terminal-Bench 2.1 (Terminus-2) | 86.1 | 77.5 | 82.7 | 81 | 85 | 88.3 |
| Terminal-Bench 2.1 (Claude Code) | 85.2 | 78.2 | 81.8 | 82.7 | 78.9 | - |
| SWE-bench Verified | 86 | 82.4 | 81.6 | 83 | 85.8 | 86.2 |
| SWE-bench Pro | 65.1 | 62.2 | 64.4 | 62.1 | 68 | - |
| SWE-bench Multilingual | 79.6 | 78.9 | 77.9 | 78.4 | 75.7 | - |
| DeepSWE | 56 | 8 | 54.4 | 46.2 | 59 | 67.5 |
| Frontier-Bench v0.1 | 13.5 | 2.7 | 6.1 | 5.1 | 21.1 | 23 |
| NL2Repo | 59.5 | 48.2 | 54.2 | 48.9 | 69.7 | - |
| SWE Atlas - QnA | 55.6 | 41.2 | 51.6 | 50 | 59.7 | 59.7 |
| Reasoning | ||||||
| HLE (no tools) | 44.6 | 30.2 | 35 | 40.5 | 49.8 | 43.5 |
| HLE (with tools) | 56.1 | 47.5 | 50.8 | 54.7 | 57.9 | 56 |
| GPQA Diamond | 92.8 | 88.1 | 91.4 | 91.2 | 93.6 | 93.5 |
| Agentic | ||||||
| MCP-Atlas | 80 | 76.4 | 74.6 | 77.8 | 82.2 | 82.3 |
| Toolathlon-Verified | 71.2 | 43.2 | 70.3 | 48.2 | 76.2 | 73.2 |
| WideSearch | 80.8 | 75.2 | 77.3 | 79 | 72.9 | - |
| BrowseComp | 86.6 | 79.7 | 84.8 | 85.6 | 84.3 | 91.2 |
| ClawEval | 81.4 | 77.1 | 77.6 | 78.8 | 80.2 | - |
35B-A3B
| Ornith-1.5-35B-A3B | Ornith-1.0-35B-A3B | Qwen3.6-35B-A3B | Gemma4-31B (dense) | Muse-Glimmer-30B (dense) | Qwen3.5-397B | |
|---|---|---|---|---|---|---|
| Coding | ||||||
| Terminal-Bench 2.1 (Terminus-2) | 67.8 | 64.2 | 52.5 | 42.1 | 51.7 | 53.5 |
| Terminal-Bench 2.1 (Claude Code) | 68.5 | 62.8 | 49.2 | - | - | 48.6 |
| SWE-bench Verified | 79 | 75.6 | 73.4 | 52 | 76 | 76.4 |
| SWE-bench Pro | 59.6 | 50.4 | 49.5 | 35.7 | 51.2 | 51.6 |
| SWE-bench Multilingual | 71.4 | 69.3 | 67.2 | 51.7 | - | 69.3 |
| DeepSWE | 22 | 0 | 0 | - | - | 1 |
| Frontier-Bench v0.1 | 5.1 | 1.4 | 1.4 | - | - | 1.4 |
| NL2Repo | 46.2 | 34.6 | 29.4 | 15.5 | - | 36.8 |
| SWE Atlas - QnA | 39.8 | 37.1 | 15.5 | - | - | 20.4 |
| Reasoning | ||||||
| HLE (no tools) | 25.6 | 20.8 | 21.4 | 19.5 | 22 | 28.7 |
| HLE (with tools) | 33.4 | 30.1 | 28.9 | 26.5 | - | 48.3 |
| GPQA Diamond | 89.2 | 86.2 | 86 | 84.3 | 83.5 | 88.4 |
| Agentic | ||||||
| MCP-Atlas | 70.2 | 64.4 | 62.8 | 55 | 75.5 | 72.3 |
| Toolathlon-Verified | 48.7 | 42.4 | 41.7 | 40.8 | - | 38.3 |
| WideSearch | 67.8 | 63.4 | 60.1 | 54.2 | - | 74 |
| BrowseComp | 67.6 | 63.5 | 62 | - | - | 78.6 |
| ClawEval | 72.5 | 69.8 | 68.7 | 48.5 | - | 70.7 |
9B
| Ornith-1.5-9B | Ornith-1.0-9B | Qwen3.5-9B | Qwen3.6-35B-A3B | Gemma4-31B (dense) | |
|---|---|---|---|---|---|
| Coding | |||||
| Terminal-Bench 2.1 (Terminus-2) | 46.2 | 43.1 | 21.3 | 52.5 | 42.1 |
| Terminal-Bench 2.1 (Claude Code) | 47 | 40.6 | 18.9 | 49.2 | - |
| SWE-bench Verified | 70.6 | 69.4 | 53.2 | 73.4 | 52 |
| SWE-bench Pro | 47.5 | 42.9 | 31.3 | 49.5 | 35.7 |
| SWE-bench Multilingual | 54.4 | 52 | 39.7 | 67.2 | 51.7 |
| NL2Repo | 32.4 | 27.2 | 16.2 | 29.4 | 15.5 |
| SWE Atlas - QnA | 20.6 | 17.9 | 9.2 | 15.5 | - |
| Reasoning | |||||
| HLE (no tools) | 20.2 | 16.8 | 14.7 | 21.4 | 19.5 |
| HLE (with tools) | 30.5 | 26.4 | 24.5 | 28.9 | 26.5 |
| GPQA Diamond | 86.4 | 82.5 | 81.7 | 86 | 84.3 |
| Agentic | |||||
| MCP-Atlas | 54.2 | 49.4 | 46.8 | 62.8 | 55 |
| Toolathlon-Verified | 41.2 | 33.4 | 29.6 | 41.7 | 52.8 |
| WideSearch | 59.5 | 55.8 | 53.6 | 60.1 | 54.2 |
| BrowseComp | 56.4 | 44.8 | 41.5 | 62 | - |
| ClawEval | 66.5 | 63.1 | 53.2 | 68.7 | 48.5 |
- すべての結果は、Ornith-1.5について5回の独立した実行の平均値です。
- Terminal-Bench 2.1 (Terminus-2): Harbor/Terminus-2フレームワーク、parser=json、temperature=1.0、top_p=1.0、128Kコンテキストウィンドウで評価。各実行は32 CPUコアと48GB RAMで4時間のタイムアウトを使用し、5回の実行で平均化されます。Qwenチャットテンプレートを調整してトレーニングと推論の一貫性を保ち、HarborをvLLMのreasoning_contentキーに合わせて変更しました。
- Terminal-Bench 2.1 (Claude Code): Claude Code 2.1.126、parser=json、temperature=1.0、top_p=1.0、max_new_tokens=131072で評価、5回の実行で平均化(Qwenチャットテンプレートも同様に変更)。
- SWE-bench Verified / Pro / Multilingual: OpenHandsハーネス、temp=1.0、top_p=0.95、256Kコンテキストウィンドウ。アンチハッキング対策が全体に適用されています:Git履歴はローカルリポジトリイメージから削除され、以前のソリューションやコミットへのアクセスを防ぎ、ネットワークアクセスは無効にされています。
- DeepSWE: Claude Codeハーネス、temperature=1.0、top_p=0.95、256Kコンテキストウィンドウ。
- SWE Atlas QnA: mini-SWE-agentハーネス、temp=1.0、top_p=0.95、128Kコンテキストウィンドウ、5回の実行で平均化。
- NL2Repo: temperature=1.0、top_p=1.0、400Kコンテキスト、48K出力。指定されたGitHubリポジトリとpipパッケージへのアクセスは、報酬ハッキングを防ぐためにブロックされています。
- HLE: Claude 4.6 Opusをジャッジモデルとして使用して評価。
- MCP-Atlas: 全モデルを500タスクの公開サブセットで思考モードで評価、タスクあたり10分間のタイムアウト、Claude 4.8 Opusをジャッジモデルとして使用。
- Toolathlon-Verified: 公式評価サービス、最大トークン数は128Kに設定。
- ClawEval: 実際のユーザータスク分布に基づくエージェントコードベンチマーク。temp=0.6、256Kコンテキスト。
クイックスタート
注
Ornithモデル(1.0および1.5)は推論モデルです:デフォルトでは、アシスタントターンの開始時に最終的な回答の前に
<think> … </think>ブロックが表示されます。以下のサービングレシピは、推論パーサーを有効にし、思考連鎖(chain-of-thought)を個別のreasoning_contentフィールドに返し、ツール呼び出しパーサーを有効にしてモデルの<tool_call>ブロックをOpenAIスタイルのtool_callsとして表面化します。Ornithのサービングには最新のランタイムが必要です:
- Transformers ≥ 5.8.1
- vLLM ≥ 0.19.1
- SGLang ≥ 0.5.9
推奨されるサンプリングパラメータ:
- 一般的なタスクの場合:
temperature=1.0、top_p=0.95、top_k=20、min_p=0.0、presence_penalty=1.5、repetition_penalty=1.0- 正確なコーディングタスクの場合:
temperature=0.6、top_p=0.95、top_k=20、min_p=0.0、presence_penalty=0.0、repetition_penalty=1.0
Ornithのサービング
両世代とも、密な9Bモデルと2つのMixture-of-Expertsモデル(35B、397B)として提供されます。すべてのチェックポイントは同じOpenAI互換インターフェースを公開し、256K(262,144トークン)のコンテキストウィンドウをサポートします。密な9Bモデルは単一の80GB GPUに収まりますが、MoEチェックポイントはマルチGPUノードにテンソル並列でシャーディングされます。
Ornith-1.5チェックポイント(最新):
| チェックポイント | アーキテクチャ | フォーマット | 最適な用途 |
|---|---|---|---|
| Ornith-1.5-9B | Dense (~9B) | bf16 | シングルGPUサービング&ファインチューニング |
| Ornith-1.5-9B-GGUF | Dense (~9B) | GGUF (量子化) | llama.cpp / Ollama経由のローカル推論 |
| Ornith-1.5-9B-MLX | Dense (~9B) | MLX | Apple Siliconでのローカル推論 |
| Ornith-1.5-9B-MLX (4bit / 6bit / 8bit) | Dense (~9B) | MLX (量子化) | MLX経由のApple Siliconでのローカル推論 |
| Ornith-1.5-35B-A3B | MoE (35B-A3B) | bf16 | フルプレシジョンマルチGPUサービング |
| Ornith-1.5-35B-A3B-FP8 | MoE (35B-A3B) | FP8 | FP8対応GPUでのVRAM使用量を約半分に |
| Ornith-1.5-35B-A3B-NVFP4 | MoE (35B-A3B) | NVFP4 | NVIDIA Blackwell GPUでの4ビットサービング |
| Ornith-1.5-35B-A3B-GGUF | MoE (35B-A3B) | GGUF (量子化) | llama.cpp / Ollama経由のローカル推論 |
| Ornith-1.5-35B-A3B-MLX | MoE (35B-A3B) | MLX | Apple Siliconでのローカル推論 |
| Ornith-1.5-35B-A3B-MLX (4bit / 6bit / 8bit) | MoE (35B-A3B) | MLX (量子化) | MLX経由のApple Siliconでのローカル推論 |
| Ornith-1.5-397B | MoE (397B) | bf16 | マルチGPUノードでのフルプレシジョンサービング |
| Ornith-1.5-397B-FP8 | MoE (397B) | FP8 | FP8対応GPUでのメモリ効率的なサービング |
| Ornith-1.5-397B-NVFP4 | MoE (397B) | NVFP4 | NVIDIA Blackwell GPUでの4ビットサービング |
| Ornith-1.5-397B-GGUF | MoE (397B) | GGUF (量子化) | llama.cpp / Ollama経由のローカル推論 |
Ornith-1.0チェックポイント:
| チェックポイント | アーキテクチャ | フォーマット | 最適な用途 |
|---|---|---|---|
| Ornith-1.0-9B | Dense (~9B) | bf16 | シングルGPUサービング&ファインチューニング |
| Ornith-1.0-9B-GGUF | Dense (~9B) | GGUF (量子化) | llama.cpp / Ollama経由のローカル推論 |
| Ornith-1.0-35B | MoE (35B) | bf16 | フルプレシジョンマルチGPUサービング |
| Ornith-1.0-35B-FP8 | MoE (35B) | FP8 | FP8対応GPUでのVRAM使用量を約半分に |
| Ornith-1.0-35B-GGUF | MoE (35B) | GGUF (量子化) | llama.cpp / Ollama経由のローカル推論 |
| Ornith-1.0-397B | MoE (397B) | bf16 | マルチGPUノードでのフルプレシジョンサービング |
| Ornith-1.0-397B-FP8 | MoE (397B) | FP8 | FP8対応GPUでのメモリ効率的なサービング |
以下のレシピは、共通エイリアスOrnith-1.5の下でOpenAI互換サーバーを起動します(前の世代をサービングするには、すべての1.5を1.0に置き換えてください)。MODELを希望するチェックポイントに設定し、--tensor-parallel-size / --tpをGPU数に合わせてください。
vLLM
# チェックポイントを選択 — 密な9B、またはMoE 35B / 397B(低VRAMサービングにはOrnith-1.0-*-FP8を使用):
MODEL=deepreinforce-ai/Ornith-1.5-397B
# MoEチェックポイント(35B / 397B):テンソル並列でノード全体にシャーディング。
# 密なチェックポイント(9B):単一の80GB GPUに収まります — --tensor-parallel-sizeを削除してください。
vllm serve $MODEL \
--served-model-name Ornith-1.5 \
--tensor-parallel-size 8 \
--host 0.0.0.0 --port 8000 \
--max-model-len 262144 \
--gpu-memory-utilization 0.90 \
--enable-prefix-caching \
--enable-auto-tool-choice --tool-call-parser qwen3_xml \
--reasoning-parser qwen3 \
--trust-remote-code
SGLang
# チェックポイントを選択 — 密な9B、またはMoE 35B / 397B(低VRAMサービングにはOrnith-1.0-*-FP8を使用):
MODEL=deepreinforce-ai/Ornith-1.5-397B
# MoEチェックポイント(35B / 397B):--tpでシャーディング;密な9B:単一GPUの場合は--tpを削除してください。
python -m sglang.launch_server \
--model-path $MODEL \
--served-model-name Ornith-1.5 \
--tp 8 \
--host 0.0.0.0 --port 8000 \
--context-length 262144 \
--mem-fraction-static 0.85 \
--tool-call-parser qwen3_coder \
--reasoning-parser qwen3
長いコンテキスト向け
Ornith-1.5およびOrnith-1.0シリーズモデルは、最大262,144トークンのコンテキストウィンドウを扱います。タスクの入力と出力の合計がこの制限を超える場合、RoPEスケーリングを使用して効果的なウィンドウを拡張することをお勧めします。YaRNは検証済みの手法であり、vLLMとSGLangの両方に既に組み込まれています。スケーリングファクター4.0を使用すると、使用可能なウィンドウは約1Mトークンに増加します。
YaRNは次のいずれかの方法で有効にできます:
-
チェックポイントの
config.jsonを編集する。 モデル設定にrope_scalingブロックを追加します:{ "rope_scaling": { "rope_type": "yarn", "factor": 4.0, "original_max_position_embeddings": 262144 } } -
起動時にオーバーライドする。 チェックポイントを変更せずに、上記のサーブコマンドに同等のフラグを追加します。
vLLM:
VLLM_ALLOW_LONG_MAX_MODEL_LEN=1 vllm serve ornith-ai/Ornith-1.5-9B ... --hf-overrides '{"rope_scaling": {"rope_type": "yarn", "factor": 4.0, "original_max_position_embeddings": 262144}}' --max-model-len 1000000SGLang:
SGLANG_ALLOW_OVERWRITE_LONGER_CONTEXT_LEN=1 python -m sglang.launch_server ... --json-model-override-args '{"rope_scaling": {"rope_type": "yarn", "factor": 4.0, "original_max_position_embeddings": 262144}}' --context-length 1000000
注
オープンソースランタイムはYaRNを静的に実装します:同じスケーリングファクターがリクエストの長さに依存せず適用されるため、通常の長さの入力では品質がわずかに低下する可能性があります。
rope_scalingは、ワークロードが実際に長いウィンドウを必要とする場合にのみ有効にし、factorをそれに合わせてサイズ設定してください。ターゲットウィンドウは約factor× 262,144です。したがって、リクエストが最大524,288トークンに達する場合、factor: 2.0の方が良い設定です。
Chat Completions API経由でのOrnithの使用
vLLMまたはSGLangサーバーが実行されたら、任意のOpenAI互換クライアントで対話できます。
基本的な使用法
from openai import OpenAI
client = OpenAI(
base_url="http://localhost:8000/v1",
api_key="EMPTY", # ローカルサーバーでは空でない文字列なら何でも機能します
)
response = client.chat.completions.create(
model="Ornith-1.5",
messages=[
{"role": "user", "content": "Write a one-line Python lambda that squares a number."}
],
temperature=0.6,
top_p=0.95,
max_tokens=1024,
)
message = response.choices[0].message
# reasoning_contentには<think>トレースが含まれます;contentには最終的な回答が含まれます。
print("reasoning:", getattr(message, "reasoning_content", None))
print("answer:", message.content)
トークンをストリーミングしたり、モデルにツールを渡したりすることもできます。Ornithは、サーバーが標準のtool_callsフィールドに解析する、整形された関数呼び出しを出力します:
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get the current weather for a city",
"parameters": {
"type": "object",
"properties": {"city": {"type": "string"}},
"required": ["city"],
},
},
}
]
response = client.chat.completions.create(
model="Ornith-1.5",
messages=[{"role": "user", "content": "What is the weather in Paris right now?"}],
tools=tools,
tool_choice="auto",
temperature=0.6,
max_tokens=2048,
)
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.function.name, tool_call.function.arguments)
# -> get_weather {"city": "Paris"}
任意のOpenAI互換SDK(Python、Node.jsなど)またはcurlを同じ/v1/chat/completionsエンドポイントに向けることができます。
エージェント利用
Ornithモデルは、ツール呼び出しとエージェントコーディング機能に優れています。
エージェントフレームワーク
OrnithはOpenAI互換のエンドポイントをツール呼び出しで公開するため、標準のエージェントフレームワークでそのまま動作します。以下は、OrnithをMCPサーバー経由でツールに接続する最小限の例です。
import os
from openai import OpenAI
client = OpenAI(
base_url=os.getenv("OPENAI_BASE_URL", "http://localhost:8000/v1"),
api_key=os.getenv("OPENAI_API_KEY", "EMPTY"),
)
tools = [
{
"type": "function",
"function": {
"name": "run_shell",
"description": "Run a shell command and return its output.",
"parameters": {
"type": "object",
"properties": {
"command": {"type": "string", "description": "The command to run"}
},
"required": ["command"],
},
},
}
]
messages = [{"role": "user", "content": "List the Python files in the current directory."}]
response = client.chat.completions.create(
model="Ornith-1.5",
messages=messages,
tools=tools,
temperature=0.6,
top_p=0.95,
)
print(response.choices[0].message)
エージェントハーネスを使用したOrnithの利用例:
Hermes Agent
# Hermesは任意のOpenAI互換エンドポイントと通信します — Ornithサーバーを指すように設定してください。
export OPENAI_BASE_URL="http://localhost:8000/v1"
export OPENAI_API_KEY="EMPTY"
export MODEL="Ornith-1.5"
OpenHands
pip install openhands-ai
# OpenHandsはLiteLLMを経由します。「openai/」プレフィックスはOpenAI互換パスを選択します。
export LLM_MODEL="openai/Ornith-1.5"
export LLM_BASE_URL="http://localhost:8000/v1"
export LLM_API_KEY="EMPTY"
# CLIを起動します(または同じ環境変数で公式のOpenHands Dockerイメージを実行します)。
openhands
llama.cpp / Ollama
# 両方のランタイムはGGUFビルドをロードします — 現在、Ornith-1.0 9Bおよび35Bチェックポイント用に公開されています(-9Bを-35Bに置き換えてください)。
# llama.cpp — ポート8000でOpenAI互換APIをサーブします。
llama-server -hf deepreinforce-ai/Ornith-1.0-9B-GGUF --port 8000 -c 262144
# Ollama — Hugging Faceから直接同じGGUFをプルしてチャットします。
ollama run hf.co/deepreinforce-ai/Ornith-1.0-9B-GGUF
Unsloth Studio
pip install unsloth
# 高速なローカル推論またはファインチューニングのためにOrnithをロードします(Python):
# from unsloth import FastLanguageModel
# model, tokenizer = FastLanguageModel.from_pretrained(
# "deepreinforce-ai/Ornith-1.5-9B", # または Ornith-1.0-9B
# max_seq_length=262144,
# load_in_4bit=True,
# )
OpenClaw
# OpenClawは任意のOpenAI互換エンドポイントと通信します — Ornithサーバーを指すように設定してください。
export OPENAI_BASE_URL="http://localhost:8000/v1"
export OPENAI_API_KEY="EMPTY"
export OPENAI_MODEL="Ornith-1.5"
コーディングCLI
Ornithはターミナルベースのコーディングエージェントに最適化されています。任意のOpenAI互換コーディングCLIをOrnithエンドポイント(OPENAI_BASE_URLとOPENAI_API_KEYを設定)に向けることで、大規模なコードベースを理解し、退屈な作業を自動化し、より迅速にリリースできます。
OpenCode
# ~/.config/opencode/opencode.jsonでローカルOrnithエンドポイントをプロバイダーとして登録します:
#
# {
# "$schema": "https://opencode.ai/config.json",
# "provider": {
# "ornith": {
# "npm": "@ai-sdk/openai-compatible",
# "name": "Ornith (local)",
# "options": { "baseURL": "http://localhost:8000/v1", "apiKey": "EMPTY" },
# "models": { "Ornith-1.5": { "name": "Ornith-1.5" } }
# }
# }
# }
opencode
引用
私たちの研究が役立つと感じた場合は、引用を検討してください。
@misc{ornith-1.5,
title = {{Ornith-1.5}: From Self-Scaffolding to Self-Improvement},
url = {https://ornith.ai/ornith_1_5.html},
author = {{Ornith Team}},
year = {2026}
}
@misc{ornith-1.0,
title = {{Ornith-1.0}: Agentic Coding, Open to All},
url = {https://ornith.ai/ornith_1_0.html},
author = {{Ornith Team}},
year = {2026}
}