Ornith-1.0: Моделі кодування з відкритими параметрами обсягу від 9B до 397B під ліцензією MIT

Сімейство моделей під назвою Ornith-1.0 з’явилося у відкритому форматі за ліцензією MIT, а оприлюднені для нього показники спрямовані безпосередньо на агентний програмування. Отримані бали становлять 82,4 у тесті SWE-Bench Verified, 77,5 у Terminal-Bench 2.1, 62,2 у SWE-Bench Pro, 48,2 у NL2Repo та 77,1 у ClawEval; крім того, у тесті SWE Atlas QnA результат склав 41,2. Автори стверджують, що відкриті моделі більше не відстають у програмуванні та тепер лідирують у різних розмірах, можуть використовуватися локально та постачаються у форматі GGUF. Це твердження самого випуску, тому слід з обережністю ставитися до інформації про лідери рейтингу, уважно переглядаючи те, що насправді пропонує це сімейство моделей.

Чотири розміри

Ornith — це не одна модель, а чотири: 9B dense, 31B dense, 35B mixture-of-experts та 397B mixture-of-experts. Їх додатково навчали на основі Gemma 4 та Qwen 3.5. Така різноманітність є незвичною, адже у відкритих версіях зазвичай обирають невеликий ефективний формат для обмеженого обсягу чи величезний для максимальної потужності. Тут кожен рівень призначений для певної аудиторії. 9B працює на споживчих GPU для окремих розробників безкоштовно. 31B підходить для невеликої команди з одним сервером. 35B MoE орієнтований на проекти середнього розміру, де важлива ефективність, а 397B MoE призначений для корпорацій, які хочуть приватне впровадження з зберіганням даних усередині організації. Це більше схоже на претензію на цілу доріжку, ніж на публікацію окремої моделі.

Що вимірюють оцінки

SWE-Bench Verified передає моделі справжню проблему з GitHub та просить її знайти відповідний код, змінити його та зробити так, щоб усі тести на одиниці пройшли. Це справжня програмістська робота, а не виконання загадок. Кваліфікований людський розробник у таких завданнях зазвичай досягає рівня приблизно 70–75 відсотків, що є загальноприйнятою думкою в галузі, а показник 82,4 для Ornith є найвищим значенням, яке можна перевірити публічно в цьому тестуванні. Зауважте, що це оцінка, і у звіті вона не подається у відсотках.

SWE-Bench Pro передбачає зміни в кількох файлах, рефакторинг, який охоплює різні модулі, та складні залежності, тому оцінка 62,2 свідчить про те, що він справляється з завданнями середньої складності, а не лише з тривіальними корективами. Terminal-Bench 2,1 перевіряє роботу в справжньому терміналі: переміщення між каталогами, пошук за шаблоном, редагування конфігурації, відлагодження сервісів та розгортання додатків, а оцінка 77,5 вказує на фактичне використання терміналу, а не на його імітацію. NL2Repo вимагає створення цілого репозиторію на основі опису мовою простої людини, наприклад для додатку-менеджера завдань. Оцінка 48,2 здається скромною, якщо не враховувати складність завдання, і його вважають найкращим результатом серед відкритих моделей.

Попередження для читачів: результати тестування залежать від інструментарію, який використовується для його виконання, і одна й та сама модель може давати значно різні результати в залежності від налаштувань. Тому єдиний спосіб дізнатися, як дана модель буде працювати у вашому проекті, — це знову запустити її у ваших власних репозиторіях. Проте, якщо розглядати всі ці дані разом, вони більше нагадують ситуацію, коли інженер працює за терміналом, читає код та самостійно виконує завдання з розробки, ніж ситуацію з чат-ботом, який обговорює код. Крім того, цей інструмент розроблений за ліцензією MIT та може використовуватися у комерційних цілях без обмежень.

Дозвіл моделі покращувати власні інструменти

Оцінки — це не найцікавіша частина. Цікавіше те, як до них дійти. Інструменти для програмування з ШІ мають два рівні: каркас, який відповідає за планування, виклик інструментів та керування контекстом, та рішення, яке пише код, виправляє помилки та запускає тести. Зазвичай команди самостійно створюють каркас із фіксованими правилами та тренують лише частину, що стосується рішень. Підхід Ornith застосовує навчання з підкріпленням до обох рівнів одночасно, тож модель сама знаходить способи покращення каркаса, замість того щоб інженери припускали це.

Аналогія: одному працівнику дають молоток, інший розробляє власний молоток та потім ним користується. У другого, ймовірно, буде зручніший інструмент. У формулюванні самої команди модель самостійно покращує свою систему виконання, тож вона налаштовує спосіб написання коду, а не лише сам код.

Якщо це справді так, наслідки будуть виходити за межі базових показників. Розвиток інструментів для програмування більше не буде обмежений тим, що людські інженери можуть уявити як хорошу основу, і модель зможе пробувати стратегії виконання та комбінації інструментів, які ніхто не розробляв. Як тільки такий цикл посилення запуститься, ітерації зможуть перевершити швидкість ручної налаштування.

Тиск на агентів для програмування з закритим кодом

Агенти для програмування вже давно вважаються останньою фортецею моделей з закритим кодом. Це складне завдання: воно вимагає контексту в межах складного репозиторію, багатоетапного планування, численних викликів інструментів, обробки зворотного зв’язку про помилки та багаторазової корекції — це на іншому рівні складності, ніж написання абзацу. Саме тому найбільші лабораторії роблять на це великі ставки. Вважається, що Claude Code генерує щорічний дохід понад 2,5 мільярда доларів, у GitHub Copilot є десятки мільйонів користувачів, а програмування за допомогою ШІ, безумовно, є найшвидшим та найнадійнішим джерелом доходу в цій галузі. Логіка полягає у тому, що фундаментальні моделі можна безкоштовно розповсюджувати, тоді як саме функціональні агенти для програмування є тим, за що доводиться платити.

Потім з’являється проект із ліцензією MIT, версією GGUF, можливістю локального розгортання, у всіх розмірах — від маленьких до величезних — та найвищими оцінками у відкритому коді за шість тестів. Команда, яка стоїть за цим проектом, нібито не є організацією з тисячою співробітників. Її описують як дослідницьку групу, яка займається подальшою обробкою існуючих відкритих моделей; не оголошується про жодне фінансування та немає ключової промови — лише моделі, оцінки та ліцензія з вільними умовами, які розповсюджуються серед спільноти. Якщо це правда, це дивний контраст із проектами, для створення яких витрачаються мільярди.

Відкритий проти закритого

Сьогоднішнє зображення, приблизно. У категорії відкритих моделей знаходяться Ornith-1.0, DeepSeek V4, відомий своїми сильними навичками програмування, та Qwen 3.5, який значно покращив свої здібності до обробки коду; усі вони розроблені за ліцензією MIT або схожими умовами, їх можна встановити локально та використовувати комерційно безкоштовно. У категорії закритих моделей — Claude Code, результати тестування якого за шкалою SWE-Bench оцінюються приблизно у 75–80 без незалежної публічної перевірки, GPT-5.5 з Codex, рейтинги якого так і не були оприлюднені, та Gemini з Code Assist.

Одна деталь заслуговує уваги. Більшість показників SWE-Bench з закритим кодом не мають публічних, незалежно відтворюваних даних, тоді як дані Ornith оприлюднюються відкрито, і будь-хто може запустити модель для їх перевірки. Що відбувається, коли відкрита модель є більш прозорою, має вищі показники та не коштує нічого? Інші сфери вже мають подібні приклади. Після того, як LLaMA став відкритим кодом, моделі з закритим кодом втратили свою переговорну силу. Після появи Stable Diffusion компанія Midjourney змушена була перейти від продажу моделей до продажу сервісу. Агентний програмування може слідувати тій самій траєкторії, а оскільки в агентному програмуванні ключову роль відіграє як сила моделі, так і інженерія, а саме в інженерії найсильніші відкриті спільноти, то з більш потужними інструментами з відкритого рівня цей процес може прискоритися. Десять тисяч розробників, які працюють з Ornith, зможуть створити десять тисяч фреймворків та спеціалізованих рішень, тоді як жодна закрита команда не може бути настільки великою. Конкурс змінюється зі змагання за те, чия модель сильніша, на змагання за те, чия екосистема більша.

Три сигнали

Перший — це те, що шар моделей у агентному програмуванні стає товаром. Коли модель об’ємом 9 мільярдів параметрів досягає рівня агента для програмування, пермісивна ліцензія дозволяє безкоштовне комерційне використання, а версія у форматі GGUF працює на MacBook, модель перестає бути дефіцитною, подібно до того, як хмарні технології зробили фізичні сервери менш дефіцитними. Цінність переміщується у бік відповідності сценарію та інтеграції з робочими процесами. Той, хто інтегрує Ornith у ваш репозиторій, під’єднує його до системи CI/CD та пристосовує до ваших стандартів програмування та бізнес-логіки, отримує гроші, причому сама модель не коштує нічого.

Другий момент полягає у тому, що машинне навчання з підкріпленням, яке одночасно оптимізує структуру та рішення, може стати новою парадигмою. Ornith — не перша модель, яку після навчання оптимізували за допомогою машинного навчання з підкріпленням, але вона робить крок уперед у спільній оптимізації цих двох елементів порівняно з попередніми дослідженнями, підкріплюючи це шістьма результатами тестування. Майбутнє, про яке йдеться, — це таке, де моделі самі проектують свої фреймворки, запускають їх, отримують зворотний зв’язок від машинного навчання з підкріпленням та вдосконалюють фреймворки, що є циклом, який може швидко прискоритися, як тільки він буде завершений.

По-третє, у епоху агентів відкритий код уперше має структурну перевагу. Відкриті моделі довели свою ефективність у чаті, написанні текстів та перекладі, але виконання складних завдань — це перший аспект, де вони випередили інші рішення. Це не випадковість. Виклик інструментів, багатоетапне планування та взаємодія з середовищем є інженерними проблемами, а інженерія сприяє відкритій співпраці. Компанія з закритим кодом може приховати параметри моделей, але не може приховати найкращу інженерну архітектуру, і тисяча розробників, які оптимізують одну платформу для агентів, зазвичай досягатимуть кращих результатів, ніж будь-яка окрема команда.

Старе питання знову

Коли аналітики Goldman Sachs досліджували індустрію ШІ, вони запитували, чи дешевші інструменти аналізу створюють більший попит чи руйнують можливості для встановлення високих цін. Це питання стосувалося фундаментальних моделей. Тепер воно стосується також агентного кодування. Якщо кожен зможе скористатися повністю відкритою, універсальною системою, яку можна розгорнути локально та яка дає найкращі результати завдяки відкритому коду під ліцензією MIT, що тоді станеться з економікою коду, написаного за допомогою ШІ? Команда Ornith відповіла на це своїми діями: спочатку оприлюднити продукт, а решту вирішити пізніше.