Ornith 1.0 é uma nova família de modelos abertos criada para agentes de programação: sistemas capazes de planejar uma tarefa, editar arquivos, usar o terminal, executar testes e corrigir os próprios erros. Os resultados divulgados pela DeepReinforce colocam o modelo de 397 bilhões de parâmetros perto do Claude Opus 4.8 em alguns testes, mas os números ainda precisam de validação independente ampla.
O lançamento chama atenção por combinar licença MIT, pesos disponíveis para execução local e uma técnica chamada “self-scaffolding”. Em vez de treinar apenas a resposta final, o Ornith aprende também a construir o fluxo de ferramentas que orienta sua tentativa de resolver um problema.
Essa proposta mira uma dificuldade real dos agentes de código. Escrever uma função isolada é diferente de entender um repositório, localizar a origem de um bug, alterar vários arquivos e continuar trabalhando depois que um teste falha. O diferencial prometido está menos no autocomplete e mais na capacidade de sustentar esse processo.
Neste artigo
Ornith 1.0 em resumo
| Ponto | O que está confirmado |
|---|---|
| Desenvolvedor | DeepReinforce AI. |
| Especialidade | Programação agêntica, uso de ferramentas e tarefas em repositórios. |
| Modelos anunciados | 9B Dense, 31B Dense, 35B MoE e 397B MoE. |
| Pesos localizados | 9B, 35B e 397B no catálogo oficial consultado. |
| Licença | MIT, permissiva para uso, modificação e distribuição. |
| Modelos-base | Pós-treinamento sobre integrantes das famílias Gemma 4 e Qwen 3.5. |
| Resultado de destaque | 82,4% no SWE-bench Verified para o 397B, segundo a DeepReinforce. |
| Principal ressalva | A maioria das comparações divulgadas vem dos próprios criadores. |
A família não é apresentada como substituta direta de um chatbot para qualquer assunto. Sua especialidade é trabalhar dentro de fluxos de desenvolvimento, conectada a ferramentas que permitem observar arquivos, executar comandos e verificar resultados.
Também é importante distinguir modelo de produto. Ao baixar os pesos, o usuário recebe o mecanismo de linguagem, não uma experiência pronta igual a ChatGPT, Claude Code ou Codex. É necessário servir o modelo e conectá-lo a um agente ou ferramenta de programação compatível.
O que é o Ornith 1.0
Ornith 1.0 é uma família de LLMs de raciocínio lançada pela DeepReinforce em 25 de junho de 2026. Os modelos foram ajustados para programação autônoma sobre bases abertas já existentes, em vez de treinados integralmente do zero.
Na prática, ele pode ser conectado a estruturas como OpenHands, OpenCode e outros agentes que falem com uma API compatível com o padrão da OpenAI. A documentação oferece caminhos para vLLM, SGLang, Transformers, llama.cpp, Ollama e LM Studio, dependendo da variante e da quantização.
O modelo produz uma etapa interna de raciocínio e suporta chamadas de ferramentas. Para funcionar corretamente, o servidor precisa interpretar os blocos de raciocínio e de tool calling no formato esperado. Usar um template incompatível pode reduzir muito a qualidade ou fazer o agente entrar em repetição.
O que significa aprender o próprio scaffold
“Scaffold” pode ser traduzido como andaime ou estrutura de apoio. Em um agente de código, ele define como a IA divide a tarefa, quando pesquisa, quais ferramentas chama, como registra resultados e o que faz depois de um erro.
Normalmente, engenheiros constroem essa orquestração manualmente. O mesmo modelo pode parecer excelente em um agente bem desenhado e fraco em outro que entrega contexto ruim ou não sabe recuperar uma falha.
A DeepReinforce afirma que o treinamento do Ornith otimiza duas coisas em conjunto: o scaffold proposto e a solução produzida com ele. Por aprendizado por reforço, o sistema recebe retorno sobre a trajetória completa e tenta descobrir formas melhores de pesquisar, testar e corrigir.
Isso não significa que o modelo reescreve permanentemente os próprios pesos enquanto trabalha no computador do usuário. “Self-improving” descreve o método usado durante o pós-treinamento. Na execução comum, os pesos permanecem fixos, enquanto o agente adapta o plano dentro da tarefa atual.
Quais modelos foram anunciados
| Variante | Arquitetura | Uso mais provável | Situação observada |
|---|---|---|---|
| Ornith 9B | Densa | Teste local, notebook potente ou GPU de consumo com quantização | Pesos e GGUF disponíveis. |
| Ornith 31B | Densa | Estação de trabalho com mais memória | Anunciada, mas não localizada no catálogo oficial consultado. |
| Ornith 35B | Mixture of Experts | Agente local mais capaz, workstation ou servidor | Pesos, FP8 e GGUF disponíveis. |
| Ornith 397B | Mixture of Experts | Infraestrutura profissional com várias GPUs | Pesos e FP8 disponíveis. |
Em um modelo denso, todos os parâmetros relevantes participam de cada geração. Em uma arquitetura Mixture of Experts, ou MoE, apenas parte dos especialistas é ativada para cada token. Isso pode oferecer capacidade total elevada sem usar todos os parâmetros a cada passo, mas não elimina a necessidade de armazenar os pesos.
A ausência visível da variante 31B pode ser temporária, resultado de retirada ou apenas diferença entre o anúncio e a liberação. O artigo não a trata como disponível até que um repositório oficial verificável apareça.
O Ornith realmente supera o Claude?
A resposta curta é: em alguns testes divulgados pela DeepReinforce, o Ornith 397B supera o Claude Opus 4.7 e se aproxima do Opus 4.8. Isso não permite concluir que seja melhor em qualquer projeto ou ferramenta.
| Benchmark | Ornith 397B | Claude Opus 4.7 | Claude Opus 4.8 |
|---|---|---|---|
| Terminal-Bench 2.1, Terminus-2 | 77,5 | 70,3 | 85,0 |
| Terminal-Bench 2.1, Claude Code | 78,2 | 69,7 | 78,9 |
| SWE-bench Verified | 82,4 | 80,8 | 87,6 |
| SWE-bench Pro | 62,2 | 64,3 | 69,2 |
| SWE Atlas QnA | 41,2 | 40,3 | 48,8 |
Os números mostram um padrão mais interessante do que “venceu” ou “perdeu”. O 397B fica à frente do Opus 4.7 em algumas avaliações, praticamente empata com o 4.8 em um cenário do Terminal-Bench e permanece atrás nos testes mais difíceis.
A variante 35B registrou 75,6% no SWE-bench Verified e 64,2 no Terminal-Bench 2.1 com Terminus-2. O pequeno Ornith 9B atingiu 69,4% e 43,1, respectivamente. Esses resultados são impressionantes para o tamanho declarado, mas continuam sendo medições sob configurações específicas.
Por que os benchmarks exigem cautela
Um benchmark de agente não mede apenas o LLM. Ele inclui o scaffold, o template de conversa, o parser de ferramentas, a quantidade de tentativas, o contexto, o tempo limite e os recursos computacionais. Alterar um desses elementos pode mudar o resultado sem modificar os pesos.
A DeepReinforce documenta parte importante da configuração: cinco execuções em alguns testes, contexto entre 128 mil e 400 mil tokens, até quatro horas por tarefa e ambientes com 32 CPUs e 48 GB de RAM. Isso melhora a transparência, mas não substitui reprodução por equipes independentes.
- Resultados autorrelatados: a tabela principal foi publicada pelo próprio desenvolvedor.
- Scaffold faz parte da vantagem: comparar apenas o nome dos modelos pode esconder diferenças no agente usado.
- Contaminação: conjuntos de tarefas públicas podem aparecer direta ou indiretamente nos dados de treinamento.
- Custo desigual: mais contexto, tentativas e tempo podem elevar a taxa de sucesso e também o gasto computacional.
- Projeto real é diferente: convenções internas, testes incompletos e documentação ruim não cabem perfeitamente no benchmark.
Testes iniciais da comunidade são mistos. Há relatos positivos de velocidade e utilidade do 35B, mas também comparações locais em que modelos Qwen permaneceram próximos ou ligeiramente à frente. Esses experimentos têm amostras pequenas e hardware diferente, portanto servem como sinal, não como veredito.
Dá para rodar localmente?
Sim, principalmente nas versões 9B e 35B quantizadas. Arquivos GGUF permitem reduzir a memória necessária e usar llama.cpp, Ollama ou LM Studio. A contrapartida é possível perda de qualidade, contexto prático menor e velocidade dependente do hardware.
O 9B em precisão BF16 ocupa aproximadamente 18 GB apenas em pesos. Uma quantização de 4 bits reduz bastante esse volume e pode caber em máquinas de consumo. O 35B possui versões quantizadas relatadas na comunidade entre cerca de 17 GB e pouco mais de 20 GB, sem contar cache de contexto e outras estruturas.
Já o Ornith 397B não é um modelo doméstico no formato completo. A receita oficial de vLLM usa um nó com oito GPUs de 80 GB. O card também contém uma frase que chama o 397B de “leve” e adequado a uma única GPU, mas isso contradiz o tamanho informado e a própria configuração apresentada. A leitura prudente é seguir os requisitos da receita, não essa frase aparentemente copiada de outra variante.
Contexto máximo anunciado também não equivale ao que qualquer computador conseguirá utilizar. A memória do KV cache cresce conforme a conversa, e um agente que lê repositórios inteiros pode consumir recursos rapidamente.
Para quem o Ornith faz sentido
- Desenvolvedores com código privado: os pesos podem permanecer na própria infraestrutura.
- Empresas com exigência de soberania: dados e prompts não precisam ser enviados a uma API externa.
- Laboratórios de agentes: a licença MIT facilita experimentos com scaffolds e ferramentas.
- Usuários de hardware potente: o 35B quantizado pode oferecer uma alternativa local competitiva.
- Equipes com uso intenso: depois do investimento em hardware, não existe cobrança por token do provedor do modelo.
Ele faz menos sentido para quem deseja apenas abrir uma página e começar a programar. Serviços fechados incluem hospedagem, atualizações, segurança, integração e suporte. No modelo local, a equipe assume servidor, monitoramento, isolamento, backups e compatibilidade de ferramentas.
Para comparar a proposta com os principais serviços comerciais, veja também nosso guia sobre modelos da OpenAI e concorrentes para diferentes tipos de tarefa. O Ornith ocupa uma categoria mais específica: agente aberto e auto-hospedado para código.
Limitações antes de colocar em produção
Agentes de programação executam comandos e alteram arquivos. Mesmo um modelo com benchmark elevado pode apagar dados, introduzir vulnerabilidades ou interpretar uma instrução do repositório como comando confiável. O ambiente deve limitar permissões e exigir revisão.
- Testar primeiro em cópia isolada do repositório.
- Bloquear credenciais, produção e diretórios que não fazem parte da tarefa.
- Exigir revisão humana antes de merge, deploy ou alteração destrutiva.
- Registrar comandos, arquivos modificados, testes e consumo de recursos.
- Comparar o Ornith com o modelo-base no mesmo agente e configuração.
- Avaliar tarefas reais da empresa, não apenas benchmarks públicos.
- Confirmar a licença de cada dependência e modelo-base além da licença do checkpoint.
A conclusão é que o Ornith 1.0 merece atenção, especialmente nas variantes 9B e 35B. Ele aproxima agentes locais de resultados antes associados a APIs de fronteira e propõe uma técnica de treinamento relevante. Ainda assim, “rival do Claude” deve ser lido como hipótese sustentada por alguns testes, não como superioridade comprovada em qualquer cenário.
Perguntas frequentes
Ornith 1.0 é gratuito?
Os checkpoints consultados são distribuídos sob licença MIT e podem ser baixados sem cobrança por token. O usuário ainda paga hardware, energia, armazenamento, manutenção ou hospedagem.
O Ornith é melhor que o Claude para programar?
Não é possível afirmar de forma geral. O 397B superou o Opus 4.7 em alguns resultados divulgados pela DeepReinforce, mas ficou atrás do Opus 4.8 em vários testes e ainda carece de validação independente ampla.
Qual versão pode rodar em um PC?
O Ornith 9B quantizado é a opção mais acessível. O 35B quantizado pode funcionar em uma GPU com bastante memória ou combinando GPU e RAM, com desempenho e contexto variáveis.
Ele funciona no Ollama e no LM Studio?
Existem versões GGUF compatíveis com llama.cpp, Ollama e LM Studio. É importante usar o template e os parsers recomendados, pois uma configuração incorreta pode prejudicar raciocínio e chamadas de ferramentas.
O Ornith 31B está disponível?
A variante aparece no anúncio da família, mas não foi localizada na página oficial de modelos da DeepReinforce durante a verificação de 18 de julho de 2026. Isso pode mudar em uma atualização futura.
Fontes e metodologia
Informações verificadas em 18 de julho de 2026. Especificações, licença, configurações e benchmarks foram extraídos dos cards oficiais do Ornith 397B, Ornith 35B e Ornith 9B, além do catálogo oficial da DeepReinforce.
A interpretação técnica foi comparada com análises independentes do AgentFlow e do Verdent, além de testes comunitários usados apenas como evidência anedótica. Resultados de benchmark são atribuídos à DeepReinforce e não foram reproduzidos pelo ChamadoTI. Requisitos de memória de versões quantizadas variam por arquivo, contexto e runtime.
