Intelligenza Artificiale
Architetture AI on-premise, LLM locali, RAG, agenti autonomi. L’intelligenza che non si può permettere di vedere spenta va posseduta.
Scopri →
Admina Enterprise
Governance AI Open Source: audit trail, PII redaction, policy bidirezionali ALLOW/BLOCK/REDACT su qualsiasi modello, locale o remoto.
Scopri Admina →
Ricerca & Sviluppo
Ricerca applicata e prototipazione, dall’AI all’infrastruttura, in collaborazione con università e centri di ricerca.
Scopri →
Open Source
Il contributo di noze all’ecosistema Open Source: progetti, strumenti e pubblicazioni rilasciati con licenze permissive.
Scopri →Cos’è Ornith 1.0
DeepReinforce ha presentato Ornith 1.0, una famiglia di modelli open weight (pesi aperti) pensata specificamente per il coding agentico: non un modello generalista, ma un modello che opera dentro un ciclo di lavoro (leggere un repository, eseguire comandi, correggere e ritestare) fino a risolvere il compito. Come per gli altri modelli a pesi aperti di cui scriviamo, “open weight” qui significa pesi rilasciati e scaricabili, non necessariamente codice e dati di training completi.
La famiglia copre l’intero spettro, da un 9B Dense adatto al deployment su edge fino a un 397B MoE di scala frontiera, con in mezzo un 31B Dense e un 35B MoE. È costruita a partire dai pesi pre-addestrati di Gemma 4 e Qwen 3.5, ed è disponibile su Hugging Face. Sui benchmark di coding, DeepReinforce dichiara lo stato dell’arte tra i modelli open di dimensione comparabile.
L’innovazione: il modello impara la propria impalcatura
Il punto che rende Ornith interessante non è la scala, ma il metodo di addestramento, che gli autori chiamano self-scaffolding. In un training con reinforcement learning per il coding, di solito l’harness (l’impalcatura che orchestra come il modello esplora il problema, gestisce memoria ed errori, decide i passi) è disegnato a mano dagli ingegneri e resta fisso per tutta una categoria di compiti. È un lavoro delicato, e lo abbiamo raccontato parlando di harness engineering.
Ornith rovescia l’impostazione: tratta l’impalcatura come un oggetto apprendibile che evolve insieme alla policy. Ogni passo di RL avviene in due stadi. Prima, dato il compito e l’impalcatura usata in precedenza, il modello propone un’impalcatura raffinata; poi, data quell’impalcatura e la descrizione del compito, genera la soluzione. La ricompensa che arriva dal risultato viene propagata a entrambi gli stadi: il modello non impara solo a produrre risposte migliori, ma anche a scrivere l’orchestrazione che quelle risposte le fa emergere. Ripetuto per l’intero training, il meccanismo fa emergere da solo strategie specifiche per categoria di compito, senza harness scritti a mano.
Difendersi dal reward hacking
Lasciare che un modello scriva la propria impalcatura apre la porta al reward hacking: un’impalcatura auto-generata può imparare a soddisfare il verificatore senza svolgere davvero il compito, per esempio leggendo i file di test visibili e scrivendo direttamente l’output atteso, o copiando una soluzione già presente nell’ambiente. Ornith si difende su tre livelli:
- Confine di fiducia fisso: ambiente, superficie degli strumenti e isolamento dei test sono immutabili e fuori dalla portata del modello, che evolve solo la logica interna (memoria, gestione errori, orchestrazione).
- Monitor deterministico: segnala ogni tentativo di leggere percorsi nascosti, modificare gli script di verifica o agire fuori dagli strumenti consentiti, e assegna ricompensa zero a quelle traiettorie.
- Giudice LLM congelato: un modello di giudizio, tenuto fisso, agisce come veto sopra il verificatore, per intercettare gli imbrogli che restano formalmente dentro le regole.
Sul lato addestramento, per gestire i rollout lunghi Ornith adotta una strategia di pipeline-RL asincrona, con un peso di staleness che riduce il contributo dei token generati da policy ormai vecchie e li scarta del tutto oltre una certa soglia.
I numeri: alla pari con Opus 4.7, ma open
Sono cifre dichiarate dal progetto, misurate sui suoi benchmark e da prendere come indicative, ma il quadro è netto. Il modello di punta, Ornith-1.0-397B, raggiunge 77.5 su Terminal-Bench 2.1 e 82.4 su SWE-Bench Verified: eguaglia Claude Opus 4.7 (70.3 e 80.8), un modello closed di frontiera, e supera i migliori open di taglia simile.
| Modello | Terminal-Bench 2.1 | SWE-Bench Verified |
|---|---|---|
| Ornith-1.0-397B (open) | 77.5 | 82.4 |
| Claude Opus 4.7 (closed) | 70.3 | 80.8 |
| DeepSeek-V4-Pro (open) | 67.9 | 80.6 |
| MiniMax M3 (open) | 66.0 | 80.5 |
| Ornith-1.0-9B (open, edge) | 43.1 | 69.4 |
Interessante quanto o più del modello grande è quello che succede sui tagli piccoli. Ornith-1.0-35B supera modelli di pari dimensione come Qwen 3.5-35B, Qwen 3.6-35B e Gemma 31B, e su Terminal-Bench 2.1 batte persino Qwen 3.5-397B (64.4 contro 53.5), un modello dieci volte più grande. E la versione 9B, pensata per l’edge, arriva a 43.1 su Terminal-Bench 2.1 e 69.4 su SWE-Bench Verified, eguagliando o superando modelli molto più grandi come Gemma 4-31B. È la dimostrazione che la capacità agentica non dipende solo dai parametri, ma dal metodo.
Il panorama open si è fatto denso
Ornith non arriva nel vuoto. I modelli con cui si confronta (e che spesso batte per taglia comparabile) sono quasi tutti open: Qwen 3.6, DeepSeek V4, GLM 5.2, MiniMax M3 e la stessa base Gemma 4. È un ecosistema che a metà 2026 è diventato competitivo con la frontiera chiusa proprio sul terreno che conta di più per chi sviluppa: risolvere task reali dentro un ciclo agentico.
Cosa ne pensiamo
Per noi Ornith è un tassello della stessa tesi che portiamo avanti da tempo: le parti dell’AI che non ci si può permettere di vedere disattivate vanno possedute. Un modello a pesi aperti che eguaglia Opus 4.7 sul coding agentico, e che scala da un 9B sull’edge fino a un 397B di frontiera, sposta la questione dal “se” al “quando” per chi vuole automazione dello sviluppo sotto il proprio controllo.
Il tempismo aiuta a leggerlo. Abbiamo raccontato come un modello closed possa essere spento per decisione di un governo (il caso Fable 5) e come l’accesso alla frontiera stia diventando un processo filtrato a monte (GPT-5.6 Sol). Sul fronte opposto, modelli come Ornith, GLM 5.2 e motori come DwarfStar 4 rendono l’indipendenza non solo desiderabile ma praticabile. È il senso di Open Intelligence, Secure Governance: possedere il pavimento operativo e governare lo stack, anche con Admina, che porta audit e policy su qualunque modello, locale o remoto.
C’è anche un secondo livello, più tecnico, che ci riguarda da vicino. Ornith dimostra che l’impalcatura agentica non è solo qualcosa che si progetta a mano attorno al modello: può essere appresa dal modello stesso. È un’idea che si intreccia con il modo in cui pensiamo agli agentic loop e all’harness engineering, e che vale la pena tenere d’occhio: quando il modello co-progetta la propria orchestrazione, cambia dove finisce il lavoro dell’ingegnere e dove comincia quello del modello.
Restano i limiti da tenere presenti: i numeri sono auto-riportati sui benchmark del progetto, e i benchmark di coding agentico restano un proxy imperfetto del lavoro reale. Proprio per questo è significativo che Ornith affronti in modo esplicito il reward hacking, il difetto che rende inaffidabili molte metriche RL. La direzione, per chi come noi lavora su AI on-premise e governata, è quella giusta.