ornith-ai、推論特化モデル Ornith-1.5-9B を公開──自己改善ループを搭載
Qwen3.5 および Gemma4 ベースの 9B dense モデルで、自己改善ループをタスク生成やロールアウトへ拡張した。
リリース: 2026-08-19 · 読了 3 分記事の要約
1. 核心（What）
- ornith-ai はエンドツーエンドの自己改善を目指した基盤モデル Ornith-1.5 を発表した。
- 9B dense モデルの Ornith-1.5-9B と、モバイル向けの量子化バリアント Ornith-1.5-9B-Mobile が提供されている。
- 自己改善ループをスキャフォールドやロールアウトの最適化から、タスク生成・スキャフォールド構築・解のロールアウトの共同最適化へと拡張している。
- Terminal-Bench 2.1 や SWE-Bench Verified などの複数のベンチマークにおいて 5 回の独立実行による平均スコアが計測されている。
2. 影響（Why）
- 自己改善ループの拡張: 固定された人間作成のタスクに依存せず、継続的なタスク生成と強化学習によるポリシー改善を一体で行えるため、モデル自体の適応力が向上する。
- ローカル環境での実用性: [国内 エッジ AI 開発企業] などの現場では、128K コンテキストや単一 GPU で動作する 9B モデルを活用することで、クラウドコストを抑えた検証ループを回せる。
3. 根拠・詳細（How）
- ベースモデルとトレーニング: Qwen3.5 および Gemma4 を基盤として追加の継続事前学習、ミッドトレーニング、ポストトレーニングを実施している。
- 評価フレームワークの設定: Terminal-Bench 2.1 の評価には Harbor/Terminus-2 フレームワークを使用し、128K コンテキストウィンドウと 32 CPU コア・48GB RAM の環境で 4 時間のタイムアウトを設定して 5 回の平均を取っている。
4. 展望・課題（Next）
- 詳細なブログの公開: タスク、ハーネス、ロールアウト報酬の設計に関する詳細は公式ブログを参照としている。