Ornith-1.0: Модели кодирования с открытыми весами от 9 млрд до 397 млрд параметров под лицензией MIT

Семейство моделей под названием Ornith-1.0 появилось в формате с открытым исходным кодом под лицензией MIT, причем показатели, для него опубликованные, направлены непосредственно на разработку агентных кодов. Полученные оценки составляют 82,4 по тесту SWE-Bench Verified, 77,5 по тесту Terminal-Bench 2.1, 62,2 по тесту SWE-Bench Pro, 48,2 по тесту NL2Repo и 77,1 по тесту ClawEval; также 41,2 по набору вопросов SWE Atlas QnA. Утверждается, что открытые модели больше не отстают в области программирования и теперь лидируют в самом широком диапазоне размеров, могут быть развернуты локально и поставляются в формате GGUF. Это заявления самих разработчиков, поэтому стоит с осторожностью относиться к информации о рейтингах, тщательно изучая то, что на самом деле предлагает это семейство моделей.

Четыре размера

Ornith — это не одна модель, а четыре: 9B dense, 31B dense, 35B mixture-of-experts и 397B mixture-of-experts. Они дополнительно обучались на основе Gemma 4 и Qwen 3.5. Такое разнообразие необычно, поскольку в открытых версиях обычно выбирают небольшой эффективный размер для ограниченных ресурсов или очень большой — для максимальной производительности. Здесь каждый уровень предназначен для своей аудитории: 9B может работать на потребительских GPU у отдельных разработчиков бесплатно; 31B подходит для небольшой команды с одним сервером; 35B MoE рассчитан на проекты среднего размера, где важна эффективность; 397B MoE предназначен для крупных компаний, желающих использовать модель в закрытой среде с хранением данных на собственных серверах. Это скорее похоже на предложение целого набора решений, чем на простое публикование одной модели.

Что измеряют оценки

SWE-Bench Verified предоставляет модели реальный вопрос из GitHub и просит её найти соответствующий код, внести в него изменения и обеспечить прохождение всех тестов на единицы. Это настоящая программистская работа, а не решение головоломок. Квалифицированный человек-разработчик обычно достигает приблизительно 70–75 процентов в таких задачах, что является общепринятым мнением в индустрии; показатель 82,4 для Ornith представляет собой самый высокий публично проверяемый результат в рамках этого тестирования. Следует отметить, что это оценка, и в отчете она не приводится в процентах.

SWE-Bench Pro предполагает внесение изменений в несколько файлов, рефакторинг, затрагивающий несколько модулей, а также сложные зависимости; поэтому оценка 62,2 указывает на способность инструмента справляться с задачами средней сложности, а не только с тривиальными правками. Terminal-Bench 2,1 проверяет работу в реальном терминале: навигацию по каталогам, поиск по тексту, редактирование конфигураций, отладку сервисов и развертывание приложений; оценка 77,5 свидетельствует о фактическом использовании терминала, а не его имитации. NL2Repo требует создания целого репозитория на основе описания на простом языке, например, для приложения-менеджера задач; оценка 48,2 кажется скромной, если учесть сложность задачи, и он считается лучшим результатом среди открытых моделей.

Предупреждение для читателей: результаты тестирования зависят от среды, используемой для их выполнения, и одна и та же модель может давать сильно разные показатели в разных настройках, поэтому единственным способом узнать, как будет работать модель определенного размера в ваших условиях, является повторное тестирование на собственных репозиториях. Тем не менее, в совокупности эти данные отражают скорее ситуацию, когда инженер работает у терминала, изучает кодовую базу и самостоятельно выполняет задачи по разработке, чем ситуацию с чат-ботом, обсуждающим код. Кроме того, данный инструмент распространяется под лицензией MIT и может использоваться в коммерческих целях бесплатно.

Позволение модели улучшать собственные инструменты

Оценки — это не самая интересная часть. Интересно то, как к ним приходят. Инструменты для программирования с ИИ имеют два уровня: каркас, отвечающий за планирование, вызов инструментов и управление контекстом, и модуль решения, который пишет код, исправляет ошибки и запускает тесты. Обычно команды вручную создают каркас с фиксированными правилами и тренируют только модуль решения. Подход Ornith применяет метод усиленного обучения к обоим уровням одновременно, благодаря чему модель сама находит способы улучшения каркаса, вместо того чтобы инженеры делали ставки на удачу.

Аналогия: одному рабочему дают молоток, другой сам разрабатывает свой молоток, а затем им работает. У второго, скорее всего, окажется более удобный инструмент. Согласно собственной терминологии команды, модель самостоятельно совершенствует свою рабочую среду, тем самым настраивая не только сам код, но и способ его написания.

Если это верно, последствия будут выходить за рамки просто стандартных показателей. Развитие инструментов для программирования больше не будет ограничено тем, что человеческие инженеры могут считать подходящей основой, и модель сможет пробовать стратегии выполнения и комбинации инструментов, которые никто не разрабатывал. Как только такой цикл усиления запустится, процесс итераций сможет превзойти скорость ручной настройки.

Давление на агентов для программирования с закрытым исходным кодом

Агенты для программирования давно считаются последним оплотом моделей с закрытым исходным кодом. Эта задача крайне сложна: она требует понимания контекста внутри сложного хранилища данных, многократного планирования, использования множества инструментов, обработки обратной связи о ошибках и многократной правки кода — уровень сложности здесь значительно выше, чем при написании простого абзаца. Именно поэтому крупнейшие лаборатории вкладывают в это огромные средства. Считается, что доход от Claude Code превышает 2,5 миллиарда долларов в год, у GitHub Copilot десятки миллионов пользователей, а ИИ для программирования, пожалуй, является самым быстрым и надежным источником дохода в этой отрасли. Основная идея заключается в том, что фундаментальные модели можно распространять бесплатно, тогда как за работающих агентов для программирования приходится платить.

Затем появляется проект с лицензией MIT, версией в формате GGUF, возможностью локальной развертки, моделями всех размеров — от маленьких до огромных — и высокими оценками в шести тестах среди проектов с открытым исходным кодом. Как сообщается, команда, стоящая за ним, не является организацией из тысячи человек. Это исследовательская группа, занимающаяся доработкой существующих открытых моделей после их обучения; не было ни объявлений о финансировании, ни основной презентации — только модели, результаты тестов и лицензия с либеральными условиями, выпущенные в общественное пользование. Если это соответствует действительности, это резкий контраст с проектами, для создания которых тратятся миллиарды долларов.

Открытый против закрытого

Примерная картина сегодняшнего дня. Среди открытых моделей — Ornith-1.0, DeepSeek V4, известный своими сильными навыками программирования, и Qwen 3.5, показавший значительный прогресс в способностях к кодированию; все они распространяются на условиях MIT или аналогичных лицензий, могут быть установлены локально и использоваться в коммерческих целях бесплатно. Среди закрытых моделей — Claude Code, результаты тестирования которого по SWE-Bench оцениваются примерно в 75–80 баллов без независимой публичной верификации, GPT-5.5 с Codex, чьи показатели так и не были обнародованы, и Gemini с Code Assist.

Одна деталь заслуживает внимания. У большинства закрытых моделей SWE-Bench отсутствуют публичные, независимо воспроизводимые данные, тогда как данные Ornith публикуются открыто, и любой может запустить модель для их проверки. Что произойдёт, если открытая модель будет более прозрачной, покажет лучшие результаты и не потребует никаких затрат? Другие примеры уже показали такую тенденцию. После того как LLaMA стала открытым кодом, закрытые фундаментальные модели потеряли свою позицию в переговорах. После появления Stable Diffusion компания Midjourney была вынуждена перейти от продажи моделей к продаже сервисов. Агентный программирование может следовать тому же сценарию, особенно с более совершенными инструментами в открытом сообществе, ведь суть агентного программирования заключается как в качестве модели, так и в инженерных навыках, а именно в этой области открытые сообщества демонстрируют наибольшую силу. Десять тысяч разработчиков, работающих с Ornith, могут создать десять тысяч фреймворков и специализированных решений, тогда как ни одна закрытая команда не может достичь таких масштабов. Конкурс теперь сосредотачивается не на том, у кого модель сильнее, а на том, у кого экосистема больше.

Три признака

Первый — это то, что слой моделей в агентном программировании превращается в товар. Когда модель объемом 9 миллиардов параметров достигает уровня агентного программирования, лицензия, разрешающая свободное коммерческое использование, и возможность запуска формата GGUF на MacBook делают такую модель недефицитной, подобно тому как облачные технологии сделали физические серверы менее редкими. Ценность смещается в сторону соответствия конкретным сценариям и интеграции с рабочими процессами. Тот, кто интегрирует Ornith в свой репозиторий, подключает его к системам CI/CD и адаптирует под собственные стандарты программирования и бизнес-логику, зарабатывает деньги, при этом сама модель не стоит ничего.

Во-вторых, метод обучения с подкреплением, позволяющий совместно оптимизировать структуру и решение, может стать новой парадигмой. Ornith — не первая модель, обученная с использованием метода обучения с подкреплением, но она доводит совместную оптимизацию этих двух компонентов до более высокого уровня по сравнению с предыдущими исследованиями, подкрепляя это шестью результатами тестирования. Описанное будущее предполагает, что модели будут сами разрабатывать свои фреймворки, запускать их, получать обратную связь от метода обучения с подкреплением и вносить улучшения в фреймворки, причем этот цикл может быстро ускориться, как только будет завершён.

В-третьих, в эпоху агентов впервые у открытого исходного кода появляется структурное преимущество. Открытые модели доказали свою эффективность в чатах, написании текстов и переводах, но выполнение сложных задач — это первая сфера, в которой они опередили конкурентов. Это не случайно. Вызов инструментов, многократное планирование и взаимодействие с окружением представляют собой инженерные задачи, а инженерия требует открытого сотрудничества. Закрытая компания может скрыть параметры модели, но она не может скрыть наилучшую инженерную архитектуру, и тысяча разработчиков, работающих над одной платформой для агентов, как правило, превзойдут по качеству дизайн любой отдельной команды.

Старый вопрос снова

Когда аналитики Goldman Sachs изучали индустрию искусственного интеллекта, они задавались вопросом: приводит ли более дешевый интеллект к росту спроса или к снижению ценовой мощи. Этот вопрос касался фундаментальных моделей. Теперь он актуален и для агентного программирования. Если все смогут использовать полностью открытую, универсальную семью инструментов с возможностью локальной установки и самыми сильными результатами в рамках открытого кода под лицензией MIT, что тогда произойдет с экономикой кода, написанного с помощью ИИ? Команда Ornith ответила на этот вопрос своими действиями: сначала выпустить продукт, а остальное решить позже.