DeepReinforce ha presentato la nuova famiglia di modelli open source Ornith-1.5, puntando su un approccio di addestramento che introduce un ciclo di auto-miglioramento durante l’apprendimento. L’idea è far sì che il modello generi compiti via via più difficili, così da spingere in modo autonomo la crescita delle proprie capacità.
La serie copre più tagli, dal modello di fascia alta fino a una variante mobile quantizzata. Il dato che attira più attenzione è il posizionamento del top di gamma, indicato come capace di raggiungere un livello vicino a Claude Opus 4.8 e di superarlo in alcuni benchmark.
Ornith-1.5 punta sull’auto-miglioramento del modello
Il tratto distintivo della serie Ornith-1.5 è il cosiddetto ciclo di auto-miglioramento integrato nel processo di training. In pratica, il modello non si limita a rispondere ai compiti forniti in fase di addestramento, ma partecipa alla creazione di sfide più complesse nel corso dell’apprendimento.
Per chi segue il settore, questo è un punto da osservare con attenzione: non si parla solo di modelli più grandi, ma di un metodo che mira a migliorare il rendimento attraverso la struttura stessa del training.
Tre modelli coprono fascia alta, media e uso locale su smartphone
La gamma include Ornith-1.5-397B, un modello con architettura Mixture of Experts da 397 miliardi di parametri complessivi, accreditato di prestazioni paragonabili a Claude Opus 4.8 e in alcuni casi superiori. C’è poi Ornith-1.5-35B-A3B, anch’esso basato su architettura MoE, con 35 miliardi di parametri e un livello dichiarato superiore a modelli densi come Muse-Glimmer-30B e Gemma-4-31B.
Il terzo modello è Ornith-1.5-9B, una versione densa che, nei test indicati al lancio, riesce a fare meglio di Gemma-4-31B nella maggior parte delle prove nonostante una dimensione sensibilmente inferiore.
Perché Ornith-1.5 è una novità da seguire nel panorama open source
Il lancio di Ornith-1.5 è interessante per due motivi molto concreti. Da una parte c’è l’ambizione prestazionale del modello più grande, che prova a collocarsi vicino ai riferimenti della fascia alta proprietaria.
In questa fase non sono emersi dettagli su prezzo o modalità commerciali, e il focus resta quindi sulle capacità tecniche e sulla disponibilità come progetto open source. Per sviluppatori e appassionati, il valore vero sta soprattutto nella combinazione tra approccio di training, varietà di tagli e attenzione alla portabilità.
