DeepReinforce stellt Ornith-1.0 für agentisches Coding mit bis zu 397B Parametern vor

DeepReinforce hat mit Ornith-1.0 eine neue Open-Source-Modellfamilie für agentisches Coding vorgestellt. Der Anbieter hebt vor allem ein selbstverbesserndes Trainingsverfahren hervor, das sowohl kompakte Edge-Modelle als auch ein 397B-MoE-Modell für anspruchsvollere Coding-Aufgaben umfasst.

Im Blogeintrag von Juni 2026 beschreibt DeepReinforce Ornith-1.0 als Modellfamilie mit vier Varianten: 9B Dense, 31B Dense, 35B MoE und 397B MoE. Die Modelle bauen laut Anbieter auf pretrained Gemma 4 und Qwen 3.5 auf. DeepReinforce nennt agentisches Coding als Zielgebiet und spricht von Open Source. Für Unternehmen ist vor allem die Spannweite relevant: Das kleinste 9B-Modell sei für Edge-Geräte geeignet, das größte 397B-MoE-Modell für maximale Leistung optimiert.

Benchmarks gegen Claude und Qwen

DeepReinforce vergleicht Ornith-1.0 direkt mit bekannten Modellen. Das Spitzenmodell Ornith-1.0-397B erreiche 77.5 auf Terminal-Bench 2.1 und 82.4 auf SWE-Bench Verified, so der Anbieter. Im selben Beitrag werden für Claude Opus 4.7 Werte von 70.3 auf TB-2.1 und 80.8 auf SWE-Bench Verified genannt. Außerdem nennt DeepReinforce MiniMax M3 mit 66.0 und 80.5 sowie DeepSeek-V4-Pro mit 67.9 und 80.6. Der Anbieter schreibt, Ornith-1.0-397B „matches the performance of Claude Opus 4.7“ und übertreffe führende Open-Source-Modelle ähnlicher Größe.

Auch die kleineren Varianten hebt DeepReinforce mit konkreten Zahlen hervor. Ornith-1.0-35B erreiche auf Terminal-Bench 2.1 einen Wert von 64.4 und liege damit vor Qwen 3.5-397B mit 53.5. Das 9B-Modell komme auf 43.1 bei Terminal-Bench 2.1 und 69.4 bei SWE-Bench Verified. Laut Produktseite entspreche das der Leistung deutlich größerer Modelle wie Gemma 4-31B und Qwen 3.6 35B.

Selbst erzeugte Scaffolds im Training

Den Kern von Ornith-1.0 sieht DeepReinforce im „self-improving training framework“. Anders als bei fest vorgegebenen Harnesses lerne das Modell, sowohl Lösungen als auch die dazugehörigen Scaffolds selbst zu erzeugen. Im Beitrag beschreibt der Anbieter dafür zwei Schritte pro RL-Durchlauf: Zuerst werde ein verfeinertes Scaffold vorgeschlagen, danach ein Solution Rollout erzeugt. Der Reward aus dem Rollout fließe in beide Stufen zurück. Dadurch optimiere das Modell nicht nur Antworten, sondern auch die Orchestrierung der Lösungsfindung.

Reward-Hacking bleibt offenes Thema

DeepReinforce benennt im selben Beitrag auch ein Risiko des Verfahrens. Wenn ein Modell sein eigenes Scaffold schreibt, entstehe „naturally“ das Problem des Reward Hacking. Der veröffentlichte Text bricht an dieser Stelle jedoch ab und liefert in der vorliegenden Fassung keine vollständige Beschreibung der Gegenmaßnahmen. Veröffentlicht wurde der Beitrag auf dem DeepReinforce-Blog im Juni 2026.