Novos Modelos Abertos de IA Prometem Autoaprimoramento Contínuo

A família Ornith-1.5 leva o conceito de autoaprimoramento a um novo patamar, transformando o framework de auto-scaffolding do Ornith-1.0 em um ciclo fechado de melhoria contínua. Agora, a IA não só executa tarefas, mas também as propõe, gera os scaffolds (estruturas de apoio) para cada uma e produz os rollouts de solução para o aprendizado por reforço. Este processo envolve três etapas cruciais: propor tarefas progressivamente mais difíceis, gerar ou refinar o scaffold com instruções e ferramentas, e produzir a solução. A recompensa do sistema se propaga por todas as fases, permitindo que a IA aprenda a criar soluções melhores, tarefas de treinamento mais úteis e avaliações mais confiáveis.

A DeepReinforce, equipe por trás do Ornith, implementou otimização GRPO para todas as etapas e adicionou defesas contra reward hacking, garantindo que tarefas inverificáveis não gerem valor. O modelo principal, um mixture-of-experts (MoE) de 397 bilhões de parâmetros, entrega performance comparável ao Claude Opus 4.8 em benchmarks como Terminal-Bench 2.1 e DeepSWE. Além dele, foram lançadas versões de 35 bilhões (ativando 3B por token) e 9 bilhões densos, esta última com uma compilação quantizada para iOS e Android, democratizando o acesso a essa IA avançada.

Com o lançamento do Ornith-1.5, o conceito de auto-scaffolding, introduzido pelo Ornith-1.0 em junho de 2026, evoluiu significativamente. Enquanto o Ornith-1.0 dependia de tarefas pré-definidas por humanos para construir seus scaffolds, o Ornith-1.5 agora é capaz de gerar as próprias tarefas de treinamento. Ele também cria scaffolds específicos para cada tarefa e produz os rollouts de solução. Isso transformou um sistema de assistência em um ciclo completo de autoaprimoramento, onde a IA otimiza tarefas, scaffolds e soluções simultaneamente, uma verdadeira mudança de paradigma na autonomia de modelos.

A introdução de modelos de IA abertos e capazes de autoaprimoramento contínuo, como o Ornith-1.5, representa um avanço importante. Essa capacidade de gerar as próprias tarefas e scaffolds pode acelerar o desenvolvimento de novas habilidades e conhecimentos na IA sem intervenção humana constante. A inclusão de versões otimizadas para dispositivos móveis, como iPhone e Android, democratiza o acesso a capacidades avançadas de IA, levando o poder da IA generativa diretamente para o bolso de milhões de usuários. Isso pode impulsionar a inovação em aplicações on-device, com inferência gratuita e maior privacidade.