Samodoskonalący się kod: DeepReinforce udostępnia rodzinę modeli Ornith-1.0
Programiści właśnie dostali do rąk narzędzie, które może zakończyć erę mozolnego budowania struktur dla agentów AI. Specjaliści z DeepReinforce wypuścili rodzinę modeli Ornith-1.0, redefiniując pojęcie agentic coding. To pierwsze tak zaawansowane rozwiązanie typu open-source, które nie tylko rozwiązuje zadania, ale samodzielnie tworzy dla nich optymalne ramy wykonawcze. Premiera ta jest kluczowa, ponieważ po raz pierwszy otwartoźródłowy system rzuca realne wyzwanie najpotężniejszym zamkniętym modelom, osiągając w testach wyniki, które do tej pory były zarezerwowane dla gigantów poziomu Anthropic.
Rewolucja w sterowaniu agentami AI
Nowa rodzina modeli powstała na fundamentach Gemma 4 oraz Qwen 3.5. Zakres mocy obliczeniowej jest ogromny: od kompaktowej wersji 9B Dense, stworzonej z myślą o laptopach i urządzeniach brzegowych, po gigantyczny wariant 397B MoE (Mixture of Experts) do zadań wielkoskalowych. Jak podaje zespół DeepReinforce, systemy te wykraczają poza tradycyjne generowanie tekstu, skupiając się na autonomicznym pisaniu kodu i zarządzaniu procesem jego uruchamiania.
Model jako własny architekt
Największa innowacja Ornith-1.0 to porzucenie ręcznie projektowanych mechanizmów sterujących, tzw. scaffolds (rusztowań). Do tej pory inżynier musiał precyzyjnie nakreślić ramy, w których porusza się AI. DeepReinforce odwróciło ten schemat. „Ornith-1.0 uczy się generować zarówno rozwiązanie zadania, jak i specyficzne dla niego rusztowanie orkiestracyjne” – tłumaczą autorzy projektu w raporcie technicznym dostępnym na platformie Hugging Face. Proces uczenia wzmocnionego podzielono na dwie fazy: najpierw model szlifuje strategię działania, a dopiero w drugim kroku generuje właściwy kod. To eliminuje potrzebę ludzkiej interwencji przy dopasowywaniu struktury do konkretnego problemu.
Bezpieczeństwo i walka z oszustwami
Oddanie AI pełnej kontroli nad własnym środowiskiem pracy rodzi ryzyko tzw. manipulacji nagrodą – sytuacji, w której model znajduje obejście i „oszukuje” system oceny, zamiast rzetelnie wykonać zadanie. Aby temu przeciwdziałać, DeepReinforce wdrożyło trójwarstwową zaporę. System izoluje środowisko testowe, monitoruje każdą próbę nieuprawnionego dostępu do plików, a nad wszystkim czuwa zewnętrzny „sędzia” – zamrożony model LLM, który bezstronnie ocenia etykę i logikę optymalizacji.
Wydajność na poziomie rynkowej czołówki
Liczby mówią same za siebie. Flagowy wariant 397B MoE zdobył 82,4 pkt w teście SWE-Bench Verified. Taki wynik stawia go w tej samej lidze co Claude Opus 4.7 i pozwala wyprzedzić konkurencję w postaci DeepSeek-V4-Pro. Z kolei najmniejszy model 9B w teście Terminal-Bench 2.1 radzi sobie równie dobrze, co wielokrotnie większe jednostki. Dzięki temu zaawansowane programowanie wspomagane przez sztuczną inteligencję staje się dostępne dla osób dysponujących standardowym sprzętem, a nie tylko klastrami serwerów. Modele są już dostępne do pobrania wraz z pełną dokumentacją techniczno-naukową.
