「Ornith-1.0」登場：コーディングを自ら進化させるオープンソースAIエージェント

Ornith-1.0は、エンジニアのコーディングを強力にサポートする、自己改善型のオープンソースAIモデルです。AIが自律的にコードを書き、修正し、開発プロセス全体を最適化する「エージェント型コーディング」の新たな一歩となるプロジェクトです。

誰かこれの背景を教えてくれない？単なるQwenのスキンを変えただけのもの？deepreinforce-aiって何者で、なんで彼らのサイトにこのモデルが載ってないんだ？あと、どうやって自己改善しているのか気になる。モデルがディスク上で書き換わってるのか、それとも単に1回のコンテキスト実行中に精度が上がってるだけなの？

前回の議論: https://news.ycombinator.com/item?id=48709744

https://swelljoe.com/post/will-it-mythos/ :「ここでは成績が悪く、ほぼすべてのモデルが見つけたバグを1つ見つけただけだった。他のベンチマークでのサイズ比のパフォーマンスは優秀なのにね。[...] また、ツールなしのチャットでも成績が悪く、平気でハルシネーション（幻覚）を起こす。現在、BashやPythonを含む完全なツールアクセス環境で再現を試みているところ。それができれば、このモデルも戦えるようになるかもしれない」

これらは単純にQwenかGemma 4をベンチマーク特化で調整したものだよ。

Qwenのファインチューンモデルで、ローカルLLMコミュニティから即座に拒絶されず、むしろ推奨されている初めてのケースかも。軽く使ってみた感じでは確かに良くて、コーディング問題に対してもクリエイティブな解決策を出してくる。9B〜35Bクラスのモデルにワンクリックでフルアプリを作らせようとは思わないけどね。文句を言っている人のほとんどは……（途中省略）

31Bの密なモデル（dense model）ってずっと言及されてるけど、ベンチマークも重みデータもどこにも見当たらないよね？

自己改善なんてデタラメだよ。単なるQwen 3.5のベンチマーク特化型ファインチューンで、これといった驚きはない。ベンチマークですら失敗してるし。長いセッションでのツール呼び出しもひどくて、かなりの頻度でハルシネーションを起こす。素直にQwen 3.6や3.5 122bを使ったほうがいい。

9Bのdenseモデルなら80GB GPU 1枚に乗る

俺たち一般人には使えないよ。