MITライセンスで公開されたOrnith-1.5の3サイズ
Ornith Teamは2026年8月、公式ブログでOrnith-1.5を発表しました。その3モデル（9B・35B・397B）は、2026年8月18日にHugging Faceへそろって公開され、ライセンス表示はいずれもmitです。
Ornith-1.5の3モデルと公開日・ライセンス
| モデル | 構成 | Hugging Face公開日 | ライセンス |
|---|---|---|---|
| Ornith-1.5-397B | MoE | 2026年8月18日 | mit |
| Ornith-1.5-35B-A3B | MoE（1トークンあたり3B起動） | 2026年8月18日 | mit |
| Ornith-1.5-9B | Dense | 2026年8月18日 | mit |
MoEの397B・35BとDenseの9Bが同日に公開
397Bと35BはMoE（混合エキスパート＝入力ごとに一部の専門家ネットワークだけを動作させる仕組み）で、9BはDense（毎回すべてのパラメータを使う）です。35Bの正式名Ornith-1.5-35B-A3BにあるA3Bは、1トークンの処理で動作するパラメータが3B分だけという意味です。
サーバーに置く397Bから自分のPCで動作させる9Bまで、同じ系列が同日にそろいました。 規模ごとに公開の時期がずれていないので、用途に合わせて選ぶことができます。
"Ornith-1.5 spans three model scales: 397B MoE, 35B MoE, and 9B Dense."（冒頭）— Ornith 公式ブログより公式情報を見る →
3モデルとも商用利用も改変も再配布もできるMITライセンス
Hugging FaceのAPIが出力するメタデータでは、397B・35B-A3B・9Bのいずれもライセンスがmit。このMITは、著作権表示とライセンス文の同梱だけで商用利用も改変も再配布も認める、条件のごく軽いライセンスです。
オープンウェイト（学習済みの重みが公開されているモデル）ではユーザー数の上限や派生物の再ライセンス制限が設けられることが多いものの、Ornith-1.5にはどちらも入っていません。 重みを公開するときの条件は各社でかなり異なります。
"library_name":"transformers","license":"mit","license_link":"https://huggingface.co/ornith-ai/Ornith-1.5-397B/blob/main/LICENSE","pipeline_tag":"text-generation"（cardData。同じ license 表示が 35B-A3B・9B のメタデータにも出る）— Hugging Face 公式 API より公式情報を見る →
GGUF版のダウンロード数は本体の何倍か
Ornith Teamは本体以外の形式も公開しています。組織ornith-aiには26件のモデルがあり、GGUF・FP8・NVFP4に加えてApple向けのMLXが4bit・6bit・8bitで置かれています。
Hugging FaceのAPIが出力するダウンロード数（2026年9月26日照会）では、GGUF版が9Bで約508万件と35B-A3Bで約383万件にのぼり、本体は9Bで約47万件と35B-A3Bで約36万件でした。量子化（数値の精度を粗く丸めてサイズを削ること）したGGUF版のほうが、本体の約10倍ダウンロードされています。
"fullname":"Ornith","name":"ornith-ai","details":"Artificial intelligence, Large Language Model,","isVerified":false,"isFollowing":false,"plan":"team","numUsers":6,"numModels":26（組織 overview）— Hugging Face 公式 API より公式情報を見る →
"id":"ornith-ai/Ornith-1.5-9B-GGUF","likes":442,"private":false,"downloads":5079635 ／ "id":"ornith-ai/Ornith-1.5-35B-A3B-GGUF","likes":460,"private":false,"downloads":3831923 ／ "id":"ornith-ai/Ornith-1.5-9B","likes":334,"private":false,"downloads":467877 ／ "id":"ornith-ai/Ornith-1.5-35B-A3B","likes":661,"private":false,"downloads":355213（モデル一覧の各項目）— Hugging Face 公式 API より公式情報を見る →
訓練タスクまで自分で作るOrnith-1.5の自己改善ループ
Ornith Teamは、従来人の仕事だった課題集めと課題ごとの足場づくりをモデルに任せました。前世代からの主な変更点は、この学習の回し方にあります。
訓練1サイクルの3段と報酬の戻り先
環境・コードベース・過去の解決履歴から、一段難しい課題を出す
その課題専用の指示・ツール・分解の方針・段取りを組む
課題と足場を前提に解答を出す
報酬はタスク生成・足場づくり・解答生成の3段すべてに還元
訓練の1サイクルには3段あります。1段目でモデルに入力する材料は次の3つです。
- 環境かコードベース
- どんな種類の課題かという大まかな指示
- モデルがこれまで何をどう解いてきたかの履歴
1段目ではシステムがこの材料をもとに、すでに解けた課題より一段難しい課題を順に出します。2段目では、モデルがその課題専用のスキャフォールディング（足場＝指示・ツール・分解の方針・段取りをまとめたもの）を新しく組むか、前回の足場を改めます。
3段目で、モデルが課題と足場を前提に解答を出す流れです。この解答から得た報酬が3段すべてへ戻るので、モデルはうまく解く方法だけでなく、役に立つ課題の作り方と有効な足場の組み方まで同時に覚えます。
"Each training cycle proceeds in three stages. Given an environment or codebase, high-level instructions about the task type, and access to the model's previous task-solving history, the system proposes progressively harder tasks that go beyond what the model has already solved, exposing capability gaps and continuously pushing the training frontier."／"For each task, the model then generates or refines a task-specific scaffold—the instructions, tools, decomposition strategy, and orchestration used to approach the problem. Conditioned on the task and scaffold, the policy produces a solution rollout. Reward from the rollout is propagated across all three stages, so the system learns not only to produce better solutions, but also to generate more useful training tasks and construct more effective scaffolds."（Self-Improvement through Self-Generated Tasks, Harnesses, and Solutions 節）— Ornith 公式ブログより公式情報を見る →
Ornith-1.0はどのオープンモデルから作られたか
Ornith Teamは他社のオープンモデルから出発しています。公式ブログによると、前世代のOrnith-1.0はQwen3.5とGemma 4に継続事前学習・中間学習・事後学習（事前学習を終えたモデルへ後から足す学習）を重ねて作られたとのこと。内部構造の表示もこの系統と一致していて、Hugging FaceのAPIでは397B・35Bがqwen3_5_moeで9Bがqwen3_5と出ます。
自己改善ループという呼び名は基盤モデルを一から作ったという意味ではありません。 Ornith Teamが試しているのは、すでにあるオープンモデルを学習の回し方でどこまで伸ばせるかです。
"It extends Ornith-1.0, which was developed on top of Qwen3.5 and Gemma 4 with additional continued pretraining (CPT), mid-training, and post-training."（冒頭）— Ornith 公式ブログより公式情報を見る →
DeepSWEは397Bが8→56、35Bが0→22に上昇
DeepSWEでは前世代からの伸びが数字に表れました。公式のスコア表では397Bが前世代の8から56へ伸び、35B-A3Bも0から22へ上がり、どちらも桁が変わりました。
ただし397Bの56はClaude Opus 4.8の59に届いていません。伸び幅の大きさと到達した水準の高さは別です。
"DeepSWE 56 54.4 46.2 59 67.5 8"（397B 表。列順は Ornith-1.5 / DeepSeek-V4-Flash-0731 / GLM-5.2 / Claude Opus 4.8 / Kimi K3 / Ornith-1.0）／"DeepSWE 22 0 0 – – 1"（35B 表。列順は Ornith-1.5-35B-A3B / Ornith-1.0-35B-A3B / Qwen3.6-35B-A3B / Gemma-4-31B / Muse-Glimmer-30B / Qwen3.5-397B）— Ornith 公式ブログより公式情報を見る →
397BがOpus 4.8と互角なのはどのベンチマークか
公式のスコア表は列が多いうえ勝ち負けがベンチマークごとに入れ替わります。そこで397Bの主な数値をClaude Opus 4.8と比較すると、コーディングの2つでは互角ですが、DeepSWEとGPQA Diamondでは及びません。
パラメータ数とはモデルが学習で調整する数値がいくつあるかを表す数のことで、規模の目安になります。公式ブログの比較表では、列名に相手モデルのパラメータ数が書かれています。次の3つです。
- DeepSeek-V4-Flash: 284B
- GLM-5.2: 753B
- Kimi K3: 2.8T
公式Full Tableより抜粋した、Ornith-1.5-397BとClaude Opus 4.8・Kimi K3のスコア
| ベンチマーク | Ornith-1.5 397B | Claude Opus 4.8 | Kimi K3 |
|---|---|---|---|
| Terminal Bench 2.1（Terminus-2） | 86.1 | 85 | 88.3 |
| Terminal Bench 2.1（Claude Code） | 85.2 | 78.9 | – |
| SWE-bench Verified | 86 | 85.8 | 86.2 |
| DeepSWE | 56 | 59 | 67.5 |
| GPQA Diamond | 92.8 | 93.6 | 93.5 |
| WideSearch | 80.8 | 72.9 | – |
| MCP-Atlas | 80 | 82.2 | 82.3 |
公式Full Tableより抜粋した、Ornith-1.5-397BとDeepSeek-V4-Flash・GLM-5.2のスコア
| ベンチマーク | Ornith-1.5 397B | DeepSeek-V4-Flash | GLM-5.2 |
|---|---|---|---|
| Terminal Bench 2.1（Terminus-2） | 86.1 | 82.7 | 81 |
| Terminal Bench 2.1（Claude Code） | 85.2 | 81.8 | 82.7 |
| SWE-bench Verified | 86 | 81.6 | 83 |
| DeepSWE | 56 | 54.4 | 46.2 |
| GPQA Diamond | 92.8 | 91.4 | 91.2 |
| WideSearch | 80.8 | 77.3 | 79 |
| MCP-Atlas | 80 | 74.6 | 77.8 |
397BとOpus 4.8が互角のコーディング2種類
コーディングではTerminus-2ハーネスで計測したTerminal Bench 2.1が86.1、SWE-bench Verifiedが86です。同じ表のClaude Opus 4.8は85と85.8なので、この2種類では互角でした。
一方でDeepSWEは56対59、GPQA Diamondは92.8対93.6で下回ります。エージェント系の勝敗は課題によって入れ替わり、検索を伴うWideSearchでは80.8対72.9と8ポイント近く上回る反面、ツールの操作を見るMCP-Atlasでは80対82.2で負けています。
"Ornith-1.5-397B scores 86.1 on Terminal-Bench 2.1 and 56.0 on DeepSWE, performing on par with Claude Opus 4.8 (85.0 and 59.0) while outperforming leading open-source models of similar scale, including GLM-5.2 (82.7 and 46.2) and DeepSeek-V4-Flash-0731 (82.7 and 54.4)."（冒頭。本文の数値は Full Table 側から取った＝この一文の GLM-5.2 の値はハーネスが混在している）／"SWE-bench Verified 86 81.6 83 85.8 86.2 82.4"（Full Table「Ornith-1.5-397B」Coding 行）— Ornith 公式ブログより公式情報を見る →
Qwen3.6を上回る35BとGemma-4-31Bを超える9B
35B-A3Bは、Terminus-2のTerminal Bench 2.1で67.8を出しました。同じ規模のQwen3.6-35B-A3Bは52.5で、1トークンあたり3Bだけを動作させる同じ構成どうしで、15.3ポイントの差がありました。
9BはTerminus-2ハーネスのTerminal Bench 2.1で46.2、SWE-bench Verifiedで70.6でした。規模が3倍以上あるGemma-4-31Bの42.1と52を、どちらも超えています。
Ornith Teamは公式ブログで、量子化したOrnith-1.5-9B-MobileならiPhoneとAndroidで動作させることができるとしています。ただし2026年9月26日に照会した時点でHugging Faceのornith-aiにMobileという名前のモデルは確認できず、PCやMacで試すならGGUF版かMLX版を使うのが手軽です。
35B版・9B版の主なスコア（公式Full Tableより抜粋）
| ベンチマーク | Ornith-1.5 35B-A3B | Qwen3.6-35B-A3B | Ornith-1.5 9B | Gemma-4-31B |
|---|---|---|---|---|
| Terminal Bench 2.1（Terminus-2） | 67.8 | 52.5 | 46.2 | 42.1 |
| SWE-bench Verified | 79 | 73.4 | 70.6 | 52 |
| GPQA Diamond | 89.2 | 86 | 86.4 | 84.3 |
| ClawEval | 72.5 | 68.7 | 66.5 | 48.5 |
"Ornith-1.5-35B significantly outperforms its similar-sized peer Qwen 3.6-35B across all coding and agentic benchmarks, and despite activating only 3B parameters per token, it also outperforms dense models—Gemma 4-31B and Meta's Muse Glimmer-30B—by wide margins on agentic coding (68.5 vs. 43.4 and 51.7 on Terminal-Bench 2.1; 79.0 vs. 52.0 and 76.0 on SWE-Bench Verified)."／"The edge-deployable Ornith-1.5-9B also delivers remarkably strong results, achieving 47.0 on Terminal-Bench 2.1 and 70.6 on SWE-Bench Verified."（いずれも冒頭。この2文の Terminal-Bench の値は Claude Code ハーネス側なので、本文には Full Table の Terminus-2 の値を使った）／"Terminal Bench 2.1 (Terminus-2) 67.8 64.2 52.5 42.1 51.7 53.5"（Full Table「Ornith-1.5-35B」）／"Terminal Bench 2.1 (Terminus-2) 46.2 43.1 21.3 52.5 42.1"（Full Table「Ornith-1.5-9B」）— Ornith 公式ブログより公式情報を見る →
ベンチマークの数値は誰がどの条件で計測したか
ここまでの数値はいずれもOrnith Teamが自ら計測して公表したものです。公式ブログの脚注では結果はすべて独立5回の平均とされ、SWE-bench系ではローカルのリポジトリからGit履歴を消し、ネットワークも遮断しています。
同じTerminal Bench 2.1でも、ハーネスが変われば数値が変わります。 397BはTerminus-2で86.1、Claude Codeで85.2なので、他社の発表と並べる際はどちらのハーネスの値かをそろえないと比較になりません。
回答の採点に他のAIモデルを使うベンチマークもあります。HLE（Humanity's Last Exam）はClaude Opus 4.6、MCP-AtlasはClaude Opus 4.8が回答を採点しています。MCP-Atlasは採点者と比較対象がどちらもOpus 4.8なので、この数値の差をそのまま実力差と読まないほうがいいでしょう。
"All results reported for Ornith-1.5 are averaged over five independent runs."／"Terminal-Bench 2.1 (Terminus-2): We evaluate Terminal-Bench 2.1 using the Harbor/Terminus-2 framework with parser=json, temperature=1.0, top_p=1.0, and a 128K context window."／"Anti-hacking safeguards are applied throughout evaluation: Git history is removed from the local repository image to prevent access to prior solutions or commits; network access is disabled, preventing the model from retrieving external information or resources."／"HLE: Evaluated using Claude 4.6 Opus as the judge model."／"We use Claude 4.8 Opus as the judge model."（Footnote 節）— Ornith 公式ブログより公式情報を見る →
数値より作り方に新しさがあるOrnith-1.5
Ornith-1.5は、9B・35B・397Bの3サイズをMITライセンスで公開したオープンモデル。397BはTerminus-2ハーネスのTerminal Bench 2.1で86.1、SWE-bench Verifiedで86を取り、コーディングの2種類でClaude Opus 4.8と互角でした。ただしDeepSWEとGPQA Diamondでは届いておらず、全面的な勝利ではありません。
Ornith Teamは訓練タスクの生成と足場づくりまで強化学習の対象に含めており、数値そのものよりこの作り方に目新しさがあります。 自分の環境で試すなら9BのGGUF版かMLX版が最も手軽です。
FAQ
- Ornith-1.5は誰が開発したモデルですか？
- 公式ブログのフッターにある著作権表示は「Ornith Team」で、サイトの表題は「Ornith AI」です。配布は、Hugging Faceの組織ornith-ai（表示名Ornith）が持っています。法人名や所在地は公式のどこにも書かれていません。一部の日本語記事は別の企業名を開発元として書いていますが、その名前は公式ブログにもHugging Faceの組織ページにも出てきません。
- Ornith-1.5は商用利用できますか？
- できます。Hugging FaceのAPIが出力する397B・35B-A3B・9Bのメタデータは、3つともライセンスがmitです。MITは条件がごく軽い部類のライセンスです。著作権表示とライセンス文を同梱すれば商用利用も改変も再配布も認められます。オープンウェイトモデルによく付くユーザー数の上限や、派生物の再ライセンス制限は入っていません。
- Ornith-1.5のベンチマークはどこまで信用できますか？
- 開発元が自ら計測して公表した値です。結果はすべて独立5回の平均です。SWE-bench系ではローカルのリポジトリからGit履歴を消し、ネットワークも遮断する不正防止が入っています。ただしHLEとMCP-Atlasは判定にClaudeのOpusを使っているので、条件を読まずに数字だけ並べると誤読します。
関連する記事
AIエージェントのハーネスとは？NVIDIAのAVOによる検証結果AIエージェントのハーネスとは、モデルの外側の仕組みです。NVIDIAによると、Claude Opus 5で動作させたAVOはARC-AGI-3の公開セット全25環境でRHAE 100.00を記録し、183レベルをクリアしたとのこと。非公開セットの値でなく、別条件の約30%との差もAVOの効果とはいえません。
再帰的自己改善はどこまで来たか、AIがAIの学習を改良する153回の実験再帰的自己改善の主張が増えるなか、Prime Intellectは18のAIモデルに人手を介さない自律研究を153回実行させ、成績を評価しました。最も成績のよいFable 5は人間の記録との差を81.7%縮めましたが、新しい手法は1つも生まれていません。
AIエージェントのメモリは最適量がモデルで異なる、IBMが8モデルで検証IBM Researchは2026年8月18日、AIエージェントが使うメモリの量を8モデルで検証した結果を公開しました。最良の渡し方は強いモデルでは全部入り、弱いモデルでは厳選検索でした。GLM-5は伸びませんでした。トークン増加はgpt-oss-120bの厳選検索で+5%、全部入りで+51〜78%です。
CoffeeBenchとは？サカナAIが公開した経営判断ベンチマークCoffeeBenchはSakana AIとKPMG AZSAの研究者が公開したベンチマークで、AIエージェントに仮想のコーヒー焙煎業者を90日間経営させます。GPT-5.5が純利益+3,109ドル（約50万2,600円）でトップ、Claude Opus 4.7が続き、Haiku 4.5は途中から動かず赤字でした。