概要

• Ornith-1.0 は自己改善型のオープンソースエージェントコーディングモデル。
• 9B-Dense/31B-Dense/35B-MoE/397B-MoE など多様な構成とサイズを提供。
• 最新のコーディングベンチマーク で同規模OSS中トップクラスの性能を実現。
• MITライセンス でグローバルに利用可能、地域制限なし。
• OpenAI互換API ・多様な推論/エージェントフレームワークに対応。

Ornith-1.0とは

• 自己改善型トレーニングフレームワーク を採用したコーディング特化AIモデル。
• 強化学習（RL） でロールアウト（解答生成）だけでなく、解答までの思考過程（スキャフォールド）も最適化。
• Gemma 4/Qwen 3.5 上で追加学習され、多様なベンチマークで高いスコアを達成。
• エージェント的コーディング （ツール呼び出し・複雑な指示対応）に優れる設計。
• MITライセンス で商用・研究問わず利用可能。

主なモデル構成

• 9B-Dense ：単一GPUで運用可能な軽量Denseモデル。
• 35B-MoE/397B-MoE ：複数GPUでの並列推論に対応したMixture-of-Expertsモデル。
• 各モデルはOpenAI互換API、 256Kトークンの長文コンテキスト をサポート。
• GGUF量子化版 も用意、llama.cppやOllama等でローカル推論可能。

ベンチマーク・性能

• Terminal-Bench 2.1/SWE-Bench/NL2Repo/ClawEval 等の指標で同規模OSS中最高水準の精度。
• 各モデルサイズごとに競合OSSモデル（Qwen/Gemma/Claude等）と比較し優位性を実証。
• 詳細な評価条件 （温度・トークン数・コンテキスト長・ツール呼び出し設定等）を明記。

推論・サービング方法

• Transformers（5.8.1以上）/vLLM（0.19.1以上）/SGLang（0.5.9以上） 対応。
• Dense 9B は単一80GB GPUで動作、 MoEモデル は複数GPUを用いたテンソル並列推論。
• 推奨サンプリングパラメータ ：temperature=0.6, top_p=0.95, top_k=20（ベンチマーク再現はtemperature=1.0）。
• OpenAI互換API で任意のSDKやcurlから/v1/chat/completionsエンドポイント利用可能。

サービング例（vLLM）

• MODEL 環境変数でチェックポイント指定（-9B, -35B, -397B, -FP8等）。
• MoEモデル は--tensor-parallel-sizeでGPU数指定、Denseは単独GPUでOK。
• 推論時に思考過程（<think>...</think>）やツール呼び出し（<tool_call>）をパース可能。

Transformersによるローカル推論例

• AutoModelForCausalLM/AutoTokenizer でモデル読込。
• 会話テンプレート適用→推論→出力から<think>ブロック/最終解答を分離。

エージェント的活用・ツール連携

• OpenAI互換エンドポイント 経由でHermes Agent/OpenHands/OpenClaw/llama.cpp/Ollama等と連携。
• ツール呼び出し（function calling） に標準対応、例：get_weather/run_shell等の外部関数呼び出し。
• MCPサーバー経由で複数ツールを接続したエージェント構築も容易。

エージェントフレームワークとの統合例

• Hermes Agent ：環境変数でエンドポイント指定し即利用。
• OpenHands ：LiteLLM経由でOpenAI互換API指定。
• llama.cpp/Ollama ：GGUF形式でローカルサービング。
• Unsloth Studio ：高速ローカル推論・ファインチューニング向け。

コーディングCLI・オートメーション

• Ornith-1.0はターミナル型コーディングエージェント最適化。
• 大規模コードベース理解や自動化作業 に強み。
• 任意のOpenAI互換コーディングCLI からエンドポイント指定で即利用可能。

---

Ornith-1.0 は、 最新のOSSコーディングAI として、 高性能・高拡張性・柔軟なAPI互換性 を備えた自己改善型エージェントモデル。多様な機械学習/エージェント/コーディング用途に即応可能な次世代OSS基盤。