动察 Beating tarafından yapılan izlemeye göre, tanınmış NLP uzmanı Li Jiwei liderliğindeki AI ekibi DeepReinforce, programlama ajanlarına odaklanan dört adet Ornith-1.0 modelini açık kaynak olarak yayınladı. Tüm modeller MIT lisansı ile dağıtılıyor. Ornith-1.0, Gemma 4 ve Qwen 3.5 temel alınarak eğitilmiş olup Dense (Yoğun) ve MoE (Karma Uzman) olmak üzere iki mimariyi kapsıyor. Terminal-Bench 2.1 (Claude Code) programlama ajanı testinde, amiral gemisi modeli Ornith-1.0-397B MoE, 78.2 puan alarak kapalı kaynak model Claude Opus 4.7'nin 69.7 puanını geride bıraktı.
Ornith-1.0'ın temel özelliği, ajanın çalışma zamanı ortamındaki altyapı (scaffold) ile kod yazma strateji modelini birleşik takviyeli öğrenmeye tabi tutmasıdır. Geleneksel sabit geliştirme ortamlarından farklı olarak model, eğitim sırasında önce mevcut görev için kendiliğinden bir altyapı tasarlar ve günceller (örneğin özelleştirilmiş bellek kaydı ve hata durumunda yeniden deneme mantığı), ardından yeni ortamda kod üretir. Takviyeli öğrenmenin ödül sinyali her iki aşamayı da optimize etmek için geri beslenir.
Modelin kendi kendini geliştiren altyapı sürecinde gizli test dosyalarını okuma veya test betiklerini değiştirme gibi yöntemlerle ödül hilesi (Reward Hacking) yapma riskine karşı, araştırma ekibi üç katmanlı bir güvenlik önlemi uyguladı: Fiziksel sanal alan (sandbox) düzeyinde harici araçları ve sınav sınırlarını kilitlemenin yanı sıra, sistem deterministik bir izleyici ile yetkisiz okuma eylemlerini engelliyor. Ayrıca, donmuş (frozen) üçüncü taraf büyük dil modeli bir gözlemci hakem olarak devreye sokuluyor ve kurallara uygun ancak kurnazlık yapmaya çalışan çözümler için tek veto hakkı kullanılıyor.
Değerlendirme verileri, orta ve hafif modellerin seviye atlama yeteneğine sahip olduğunu gösteriyor. Aynı Claude Code test ortamında, 35B parametreli karma uzman modeli Ornith-1.0-35B MoE, 62.8 puan alarak 397B parametreli büyük model Qwen 3.5-397B'yi (48.6) ve Qwen 3.6-35B'yi (49.2) geride bıraktı. Uç cihazlar için tasarlanan Ornith-1.0-9B Dense modeli ise SWE-Bench Verified testinde 69.4 puan alarak 31B boyutundaki Gemma 4-31B'yi (52.0) aştı.
