Ornith-1.5 — modelul AI open-source care se îmbunătățește singur, fără supraveghere umană

În august 2026, Ornith AI a lansat Ornith-1.5 — un model de inteligență artificială open-source care introduce un concept nou: self-improvement loop. Adică modelul își propune singur sarcini noi, generează structuri de rezolvare (numite „scaffolds”) și produce soluții — totul automat, fără intervenție umană masivă. Rezultatul: un AI care se îmbunătățește continuu pe măsură ce rulează.

Nu e doar un alt model lansat cu benchmark-uri umflate. Ornith-1.5 bate Claude Opus 4.8 pe Terminal-Bench 2.1 și are o variantă de 9 miliarde de parametri care merge direct pe telefon. Hai să vedem ce poate, cum funcționează și ce înseamnă pentru tine.

Ce vei găsi în acest articol:

• Ce este Ornith-1.5 și cum se diferențiază de tot ce a apărut până acum în AI-ul open-source
• Cum funcționează self-improvement loop-ul — mecanismul prin care modelul se antrenează singur
• Benchmark-uri reale: comparație cu Claude Opus 4.8, GLM-5.2, DeepSeek V4 și Qwen 3.6
• Varianta de 9B care rulează pe telefon — ce poate face și cum o instalezi
• Ce înseamnă Ornith-1.5 pentru viitorul AI-ului open-source

Ce este Ornith-1.5

Ornith-1.5 e un model de AI lansat de Ornith AI în august 2026. Vine în trei variante:

Variantă	Parametri	Arhitectură	Unde rulează
Ornith-1.5-397B	397 miliarde	MoE (Mixture of Experts)	Servere dedicate, cloud GPU
Ornith-1.5-35B	35 miliarde	MoE	GPU local puternic (24+ GB VRAM)
Ornith-1.5-9B	9 miliarde	Dense	Telefon, laptop, orice calculator cu 8+ GB RAM

Diferența dintre MoE și dense e simplă: MoE (Mixture of Experts) activează doar o parte din parametri la fiecare cerere, ceea ce face modelul mai eficient. Varianta de 397B nu „gândește” cu toți parametrii odată — selectează expertiza potrivită pentru fiecare sarcină. Varianta de 9B e dense, adică toți parametrii sunt activi tot timpul, dar e suficient de mică pentru a rula pe hardware modest.

Ce face Ornith-1.5 diferit de modelele pe care le știi deja — Qwen 3.6, DeepSeek V4, GLM-5.2 — e bucla de auto-îmbunătățire. Nu e doar un model antrenat pe date statice. E un model care continuă să învețe singur, în mod structurat, după ce a fost lansat.

Cum funcționează self-improvement loop-ul

Asta e partea cu adevărat interesantă și cea care diferențiază Ornith-1.5 de orice alt model open-source de pe piață.

Majoritatea modelelor AI funcționează așa: compania le antrenează pe date mari, le lansează și apoi, când vrei o versiune mai bună, aștepți următoarea versiune. Între lansări, modelul nu se schimbă. E static.

Ornith-1.5 schimbă paradigma. Procesul de self-improvement are trei pași care se repetă continuu:

Pasul 1 — Propunere de sarcini. Modelul își generează propriile provocări. Nu așteaptă să vină cineva cu un task — își creează singur probleme de rezolvat, din domenii variate: programare, matematică, raționament logic, analiză de text.

Pasul 2 — Generare de scaffolds. Pentru fiecare sarcină propusă, modelul construiește o „structură de rezolvare” — un plan pas cu pas, cu sub-sarcini, verificări intermediare și puncte de validare. Gândește-te la asta ca la un inginer care își face singur schița înainte să construiască.

Pasul 3 — Rezolvare și evaluare. Modelul rezolvă fiecare sarcină folosind scaffold-ul generat, apoi evaluează calitatea propriei soluții. Soluțiile bune sunt păstrate și consolidate; soluțiile slabe sunt analizate și eliminate.

Acest ciclu rulează continuu. Modelul nu doar că răspunde la întrebări — învață din propriile răspunsuri. E ca diferența dintre un student care dă examenul și uită, și un student care își corectează singur greșelile și nu le mai repetă.

De ce contează asta? Pentru că elimină unul dintre cele mai mari blocaje din AI: dependența de date etichetate de oameni. Antrenarea unui model mare costă milioane de dolari, în mare parte din cauza muncii umane necesare pentru curățarea și etichetarea datelor. Dacă modelul își poate genera singur datele de antrenare de calitate, costul scade dramatic și viteza de îmbunătățire crește.

Benchmark-uri și comparații

Să trecem la cifre. Ornith-1.5 a fost testat pe câteva dintre cele mai importante benchmark-uri din 2026, iar rezultatele sunt impresionante — în special pentru varianta de 397B.

Terminal-Bench 2.1

Terminal-Bench măsoară capacitatea unui model de a rezolva probleme reale de programare în terminal — debugging, scripting, automatizare, navigare în sisteme de fișiere. E un benchmark care reflectă munca reală a unui dezvoltator.

Model	Scor Terminal-Bench 2.1
Ornith-1.5-397B	86.1
Claude Opus 4.8	85.0
GLM-5.2	82.3
DeepSeek V4 Pro	83.7
Qwen 3.8	80.1

Ornith-1.5-397B depășește Claude Opus 4.8 cu 1.1 puncte. Pare puțin, dar la nivelul ăsta fiecare zecime contează — ești deja în top 1% al performanței.

SWE-bench Verified

SWE-bench Verified e benchmark-ul standard pentru capacitatea de a rezolva bug-uri reale din proiecte open-source de pe GitHub. Modelul primește un bug report și trebuie să scrie un patch care trece testele.

Model	Scor SWE-bench Verified
Ornith-1.5-397B	86
Claude Opus 4.8	84
DeepSeek V4 Pro	81
GLM-5.2	78
Qwen 3.6 27B	58

Aici diferența e mai clară: Ornith-1.5 bate tot ce există pe open-source și depășește și Claude Opus 4.8.

DeepSWE

DeepSWE e un benchmark mai nou, care testează capacități avansate de software engineering — refactoring, arhitectură, optimizare de cod. Scorul de 56 al variantei 397B e cel mai mare raportat public până acum.

Rezumat comparativ

Dacă folosești deja modele AI locale pentru programare, Ornith-1.5-397B sau 35B merită testate. Varianta de 397B necesită hardware serios (multi-GPU), dar varianta de 35B ar putea rula pe un sistem cu 24+ GB VRAM.

Varianta de 9B pentru telefon — cea mai interesantă

Aici Ornith-1.5 devine relevant pentru oricine, nu doar pentru developeri cu servere acasă.

Varianta de 9 miliarde de parametri (9B dense) e construită pentru a rula pe dispozitive mobile și pe calculatoare obișnuite. Și nu e o versiune „lite” care abia face față — are scoruri remarcabile pentru dimensiunea ei:

Benchmark	Ornith-1.5-9B	Comparație
Terminal-Bench 2.1	47.0	Peste multe modele de 14B
SWE-bench Verified	70.6	Aproape de modele de 30-35B

SWE-bench Verified de 70.6 pe un model de 9B e extraordinar. Pentru context, Qwen 3.6 27B — un model de trei ori mai mare — avea 58 pe același benchmark. Modelul de 9B de la Ornith îl depășește cu 12 puncte.

Ce poți face cu Ornith-1.5-9B pe telefon

• Programare: scrie și depanează cod direct de pe telefon, fără să ai nevoie de conexiune la internet
• Automatizări: generează scripturi simple, procesează text, face rezumate
• Raționament: rezolvă probleme logice, analizează date structurate
• Coding on-the-go: când ești în deplasare și ai nevoie de un AI care să te ajute cu cod, nu mai depinzi de cloud

Cum îl rulezi pe telefon

Cum îl poți folosi

Ornith-1.5 e open-source, deci ai mai multe variante de acces, în funcție de ce hardware ai și ce vrei să faci:

Varianta gratuită — rulează local

Cea mai directă cale: descarci modelul și îl rulezi pe calculatorul sau telefonul tău. Pentru varianta de 9B, ai nevoie de 8 GB RAM. Pentru 35B, îți trebuie un GPU cu 24+ GB VRAM sau un Mac cu multă memorie unificată. Pentru 397B, ai nevoie de infrastructură serioasă — multi-GPU sau cloud.

Varianta cloud — prin API

Dacă nu ai hardware suficient, poți accesa Ornith-1.5 prin provideri de API. Verifică pe site-ul oficial ornith.ai pentru lista actualizată de provideri. Așteaptă-te la prețuri competitive cu DeepSeek și sub nivelul OpenAI sau Anthropic.

Varianta intermediară — OpenRouter

Platforme ca OpenRouter agregă mai multe modele, inclusiv Ornith-1.5. Un singur cont, o singură cheie API, acces la mai multe modele. E varianta cea mai flexibilă dacă vrei să compari Ornith cu Claude, GPT sau DeepSeek în aceeași sesiune de lucru.

Ce înseamnă pentru viitorul AI-ului open-source

Ornith-1.5 nu e doar un model performant. E un semn că paradigma de antrenare a modelelor AI se schimbă.

Până acum, AI-ul open-source a fost mereu cu un pas în urma celui proprietar. OpenAI, Anthropic și Google investesc sute de milioane în date etichetate de oameni, infrastructură de antrenare și echipe de cercetători. Companiile open-source (Meta cu Llama, Alibaba cu Qwen, DeepSeek) au reușit să reducă diferența, dar au rămas dependente de același proces costisitor.

Self-improvement loop-ul schimbă jocul. Dacă un model își poate genera singur datele de antrenare de calitate, nu mai ai nevoie de bugete de sute de milioane. Nu mai ai nevoie de echipe de mii de oameni care etichetează date. Modelul face singur munca asta, la o scară și o viteză pe care oamenii nu le pot atinge.

Ce urmează

• Modele care se îmbunătățesc continuu: nu va mai trebui să aștepți 6 luni pentru versiunea următoare. Modelul se perfecționează pe măsură ce îl folosești
• Costuri mai mici: dacă antrenarea devine automatizată, costul accesului la AI performant scade
• AI local mai puternic: variantele mici (9B, 35B) vor deveni din ce în ce mai bune prin self-improvement, fără să ai nevoie de hardware nou
• Concurență mai mare pe piața AI: modelele open-source care se auto-îmbunătățesc pot depăși mai repede pe cele proprietare

Dacă te interesează subiectul, vezi și articolele noastre despre modelele AI mici care ajung la nivelul celor mari și despre cum a fost lansat Inkling de la Thinking Machines Lab.

Întrebări frecvente

Ornith-1.5 e gratuit?

Da, modelul e open-source. Poți descărcarea greutățile (weights) gratuit de pe Hugging Face sau de pe site-ul oficial. Dacă rulezi varianta de 9B pe telefon sau calculator, nu plătești nimic. Pentru variantele mari (35B, 397B) prin API, providerii pot percepe un cost, dar de obicei mult mai mic decât OpenAI sau Anthropic.

E mai bun decât Claude Opus 4.8?

Pe benchmark-urile de programare (Terminal-Bench, SWE-bench), Ornith-1.5-397B îl depășește pe Claude Opus 4.8. Pe alte tipuri de sarcini (scriere creativă, conversație generală), comparația e mai nuanțată. Claude Opus rămâne unul dintre cele mai bune modele pentru text natural și raționament complex. Ornith excelează în special pe taskuri tehnice.

Pot rula Ornith-1.5 pe telefonul meu?

Varianta de 9B rulează pe orice telefon cu 8+ GB RAM. Pe Android, folosești o aplicație care suportă modele locale GGUF. Pe iPhone, variantele sunt mai limitate dar funcționale pe modele noi (iPhone 15 Pro sau mai nou). Pe calculator, rulează prin Ollama sau LM Studio.

Ce e self-improvement loop-ul?

E mecanismul prin care modelul își generează singur sarcini noi, construiește structuri de rezolvare (scaffolds) și își evaluează propriile soluții. Procesul se repetă continuu, iar modelul devine mai bun fără intervenție umană. Nu e un simplu fine-tuning — e un ciclu autonom de învățare.

E sigur să rulezi un AI care se antrenează singur?

Self-improvement-ul se întâmplă în faza de antrenare, nu în timpul inferenței (când îl folosești tu). Când rulezi modelul local, el nu se schimbă — doar procesează inputul tău. Îmbunătățirile sunt validate și publicate în versiuni noi. E similar cu actualizările de software: tu folosești versiunea stabilă, iar dezvoltatorii testează și lansează versiuni noi.

Unde găsesc Ornith-1.5?

Pe site-ul oficial ornith.ai și pe Hugging Face. Caută „Ornith-1.5” și alegi varianta (9B, 35B sau 397B) și formatul (GGUF pentru rulare locală, safetensors pentru antrenare). Documentația completă e pe site-ul oficial.