Ornith-1.0: エージェンティックコーディングのための自己改善型オープンソースモデル
Ornith-1.0は、エージェンティックコーディングに特化した自己改善型のオープンソースモデルです。このモデルは、コード生成やタスク実行において自律的に学習・改善を行い、開発者の生産性向上を支援します。GitHub上で公開されており、コミュニティによる自由な利用や改良が可能です。
背景メモ
- Ornith-1.0は、DeepReinforce AIが公開した「自己改善型」のオープンソースコード生成AIモデル。学習に強化学習（RL、特にGRPOという手法）を採用し、モデル自身が試行錯誤を繰り返しながら学習データを生成・改善していく点が特徴。
- このアプローチは、人間が正解データを用意する従来の教師あり学習（SFT）に依存せず、よりスケーラブルな学習方法として注目されている。DeepSeek-R1など近年のモデルでも類似の自己改善手法が話題になった。
- ベースにはQwen-2.5-Coder-7B（Alibaba傘下のQwenチームが開発したコード特化型モデル）を使用。いわゆる「蒸留（distillation）」ではなく、スクラッチからのRL学習を謳っている。
- 同分野では、コードエージェント（自律的にコードを書き実行するAI）の性能競争が激化しており、OpenAIのCodex系（有償・クローズド）に対抗する形で、オープンモデルでも実用的なエージェント能力を目指す流れが加速している。