Le 25 juin 2026, la société DeepReinforce a lancé Ornith-1.0, une nouvelle famille de modèles d’intelligence artificielle open source destinée aux agents de développement. Ce qui distingue Ornith-1.0, ce n’est pas sa taille, mais sa méthode d’entraînement : au lieu de s’appuyer sur un harnais d’exécution préétabli par des ingénieurs, ce modèle apprend à le construire lui-même pour chaque tâche. DeepReinforce annonce que sa version la plus performante dépasse Claude Opus 4.7 sur deux benchmarks de référence.
Une IA qui construit son propre harnais
La plupart des agents de code reposent sur un composant fondamental : le harnais (ou scaffold). Ce code entoure le modèle et gère son fonctionnement : il appelle les outils, exécute les commandes et les tests, récupère les résultats, gère les erreurs, décide des relances et découpe la tâche en étapes. Avec Ornith-1.0, le harnais n’est plus imposé au départ ; le modèle apprend à le fabriquer lui-même tout en apprenant à coder.
Pendant son entraînement, l’IA s’exerce sur des milliers de tâches et reçoit une « note » selon la qualité des résultats, une méthode appelée apprentissage par renforcement (RL). La nouveauté d’Ornith est que cette note récompense non seulement le code produit, mais également l’organisation du travail. À force d’essais, le modèle retient les méthodes qui donnent les meilleurs résultats. DeepReinforce appelle ce principe le self-scaffolding.
Quatre tailles, du PC portable au datacenter
Ornith-1.0 se décline en quatre versions : 9B Dense, 31B Dense, 35B MoE et 397B MoE. Toutes sont entraînées à partir de Gemma 4 et Qwen 3.5, publiées sous licence MIT et accessibles sans restriction géographique. Elles offrent une fenêtre de contexte de 256K tokens et se connectent à Claude Code et OpenHands.
Le modèle est conçu pour un usage local, fonctionnant sur un seul GPU, contrairement aux versions MoE plus lourdes qui nécessitent plusieurs cartes. DeepReinforce affirme que le modèle « tient sur un seul GPU de 80 Go ». Cependant, cela est probablement dû à la forte consommation de mémoire pour servir le contexte maximal de 256K tokens. Il est possible de faire tourner le modèle avec moins de mémoire, grâce à des versions allégées du modèle (FP8 et GGUF), qui réduisent l’empreinte mémoire.
Un scoring séduisant pour Ornith-1.0
Selon DeepReinforce, Ornith-1.0-397B obtient un score de 77,5 sur Terminal-Bench 2.1 et 82,4 sur SWE-Bench Verified, surpassant Claude Opus 4.7 (70,3 et 80,8) ainsi que d’autres modèles open source comme MiniMax M3 ou DeepSeek-V4-Pro. La version 35B serait même plus performante que Qwen 3.5-397B sur Terminal-Bench 2.1, avec moins de paramètres.
Les benchmarks utilisés évaluent des compétences spécifiques en développement, telles que :
- Terminal-Bench 2.1 : une série de tâches dans un terminal isolé, incluant le débogage de code asynchrone et la correction de failles de sécurité.
- SWE-Bench Verified : l’IA doit corriger un bug tiré d’un dépôt GitHub open source, sans accès à la suite de tests, le score correspondant au pourcentage de bugs résolus.
0 a été comparé à Claude Opus uniquement sur des tâches de développement, et non sur des capacités générales telles que le raisonnement ou la rédaction.
Source : DeepReinforce
