A DeepReinforce bemutatta az Ornith-1.0 modellsorozatot, amely nyílt forráskódú, MIT licenc alatt elérhető nagy nyelvi modelleket tartalmaz, kifejezetten ügynöki (agentic) kódolási munkafolyamatokra hangolva. A kiadott változatok között szerepelnek 9 milliárd paraméteres Dense és 31 milliárd paraméteres Dense modellek, valamint 35 milliárd és 397 milliárd paraméteres Mixture-of-Experts (MoE) konfigurációk.
Alapok és teljesítmény
Az Ornith-1.0 modellek a már meglévő, előtréningezett modellekre épülnek: Gemma 4 és Qwen 3.5 szolgáltatta az alapot. A közlemény szerint ezek a modellek kódolási benchmarkokon a hasonló méretű nyílt forrású modellek között állnak az élmezőnyben.
A Gemma 4 és a Qwen 3.5 licenceinek (Apache 2.0) kompatibilitása lehetővé teszi az Ornith-1.0 fölé történő felépítést; a Gemma 4 esetében a korábbi Gemma-modellek körül felmerült további használati feltételek már nem érvényesek az említett verzióra.
Gyakorlati tapasztalatok és telepítés
Egy korai felhasználói beszámoló szerint az Ornith-1.0-35b változat elérhető GGUF formátumban az "ornith-1.0-35b-Q4_K_M.gguf" fájlnév alatt, a fájl mérete körülbelül 20 GB. A modellt LM Studio-n keresztül futtatták, és egy Raspberry Pi-hez hasonló, lokális környezethez csatlakoztatva (a beszámolóban röviden "Pi" szerepel). Az első benyomások jók: a modell képes volt több eszköz (tool) híváson átívelő, ügynökszerű munkameneteket kezelni.
Például a szerző terminálban kéréseket intézett a modellhez egy Datasette kódtár ellen, mint hogy "keresd meg a kódot, ami dekódolja az actor cookie-t" és "keresd meg a kódot, ami megnyitja a beszúrás párbeszédablakot, amikor a gombot megnyomják" — a modell ezeket a feladatokat gond nélkül kezelte.
Egy másik vizsgálatban a modell egy pelikánt is "megrajzolt"; a generálás sebessége 103 token/másodperc volt. A kép némileg torzult, de felismerhetően pelikán lett.
DeepReinforce-ről és kapcsolódó publikációk
A DeepReinforce-ről magáról kevés nyilvános információ található a beszámoló szerint. A legkorábbi megtalált publikáció a szervezet neve alatt a "CUDA-L1: Improving CUDA Optimization via Contrastive Reinforcement Learning" című közlemény, amely 2025 júniusában jelent meg.
Miért fontos ez
Az Ornith-1.0 kiemelése azért lényeges, mert ritka az olyan, teljesen nyílt forrású és laza licencfeltételek mellett kiadott modellsorozat, amelyet kifejezetten ügynöki kódolási munkára optimalizáltak, és amely különböző méretekben, köztük nagy MoE konfigurációkban is elérhető. A lokális futtatás egyszerűsítése (például GGUF csomagok, LM Studio integráció) további gyakorlati előnyt jelent a fejlesztők számára.
Forrásadatok (a közleményből)
- Modellcsalád: Ornith-1.0 (DeepReinforce)
- Licence: MIT (modellcsalád)
- Változatok: 9B Dense, 31B Dense, 35B MoE, 397B MoE
- Alapmodellek: Gemma 4 (Apache 2.0), Qwen 3.5 (Apache 2.0)
- Elérhető GGUF: ornith-1.0-35b-Q4_K_M.gguf (~20 GB)
- Lokális teszt: LM Studio + Pi; generálási sebesség példa: 103 token/s
- Korai publikáció a szervezetnél: "CUDA-L1: Improving CUDA Optimization via Contrastive Reinforcement Learning" (június 2025)
A fenti információk a modell hivatalos kiadása és korai felhasználói beszámolók alapján készültek.
