Ornith-1.5: DeepReinforce stellt KI vor, die sich selbst trainiert
Veröffentlicht am: 21.08.2026 um 13:02 Uhr | Redaktion boerse-global.de
Das KI-Unternehmen DeepReinforce hat mit Ornith-1.5 eine neue Generation von Sprachmodellen vorgestellt, die sich durch ein automatisiertes Trainingsverfahren auszeichnet.
Die Modellfamilie nutzt einen sogenannten Self-Curriculum-Ansatz, bei dem das System eigenständig Programmieraufgaben entwirft, die dafür notwendige Infrastruktur aufbaut und die erzielten Ergebnisse mittels Reinforcement Learning bewertet. In den vergangenen Tagen wurde die Modellserie als Open-Source-Lösung für verschiedene Anwendungsszenarien freigegeben.
Automatisierte Trainingsmethodik und Open-Source-Strategie
Kern der Neuvorstellung ist die Fähigkeit von Ornith-1.5, Trainingsaufgaben und zugehörige Prüfmethoden ohne externe Vorgaben zu generieren. Dieser Prozess ermöglicht es dem Modell, komplexe Programmierprobleme in einer kontrollierten Umgebung zu simulieren und aus den Resultaten zu lernen.
DeepReinforce stellt die gesamte Modellfamilie als Open-Source-Varianten zur Verfügung, um Entwicklern den Zugriff auf die spezialisierten Architekturen zu ermöglichen.
Das Portfolio umfasst insgesamt vier verschiedene Ausführungen, die auf unterschiedliche Rechenkapazitäten zugeschnitten sind. Spitzenmodell ist eine Variante mit 397 Milliarden Parametern, die auf einer Mixture-of-Experts-Architektur (MoE) basiert.
Ergänzt wird die Serie durch das Modell 35B-A3B sowie eine dichte Variante mit 9 Milliarden Parametern (9B-dense). Für den Einsatz auf mobilen Endgeräten wurde zudem eine quantisierte Version des 9B-Modells entwickelt.
Leistungsvergleich und Benchmarks
In internen Leistungstests zeigt insbesondere die 397B-MoE-Variante eine hohe Kompetenz in technischen Disziplinen. Im Terminal-Bench 2.1 erreichte das Modell einen Wert von 85,1, während es im DeepSWE-Benchmark auf 56,0 Punkte kam.
Diese Ergebnisse positionieren das Modell in unmittelbarer Nähe zu etablierten Branchengrößen. Zum Vergleich erzielt Claude Opus 4.8 in denselben Tests Werte von 85,0 beziehungsweise 59,0.
Wer sich mit der Entwicklung oder dem Einsatz solcher KI-Systeme befasst, muss neben der technischen Leistung auch die rechtlichen Rahmenbedingungen in Europa kennen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen der EU-KI-Verordnung. EU AI Act in 5 Schritten verstehen
Weitere Leistungsdaten bescheinigen der größten Modellvariante 92,8 Punkte im GPQA Diamond sowie 86,6 im BrowseComp. Auch die kleineren Versionen wurden spezifischen Tests unterzogen.
Die 35B-Variante erzielte 68,5 im Terminal-Bench 2.1 und 79,0 im SWE-Bench. Das kompakte 9B-Modell kam auf 47,0 im Terminal-Bench 2.1 und erreichte im SWE-Bench einen Wert von 70,6.
Skalierbarkeit von Server bis Smartphone
Ein Schwerpunkt der Veröffentlichung liegt auf der Skalierbarkeit der Architektur. Während die großen Modelle für den Einsatz in Rechenzentren vorgesehen sind, zielt die 9B-Mobile-Version auf den Betrieb direkt auf Endgeräten ab. Laut Herstellerangaben ist diese quantisierte Fassung darauf optimiert, auf dem iPhone 17 sowie auf gängigen Android-Smartphones lokal ausgeführt zu werden.
Die Einbindung von KI in Unternehmensprozesse wirft neue Fragen zur Einstufung von Risikoklassen auf. Erfahren Sie in diesem kostenlosen Report, welche Systeme als Hochrisiko gelten und was Unternehmen jetzt konkret zur Dokumentation tun müssen. Kostenlosen Umsetzungsleitfaden zum AI Act sichern
Im direkten Vergleich mit anderen Modellen der mittleren Gewichtsklasse zeigt sich die Leistungsfähigkeit der kleineren Varianten. Das 35B-Modell übertraf in Tests sowohl Muse-Glimmer-30B als auch Gemma-4-31B. Auch die 9-Milliarden-Parameter-Version konnte sich in einem Großteil der durchgeführten Prüfzyklen gegen Gemma-4-31B behaupten.
DeepReinforce wies im Rahmen der Veröffentlichung darauf hin, dass es sich bei den genannten Leistungsdaten um selbstberichtete Werte des Unternehmens handelt. Eine unabhängige Verifizierung der Benchmark-Ergebnisse durch externe Institute steht zum jetzigen Zeitpunkt noch aus. Dennoch unterstreichen die Daten den Anspruch des Unternehmens, hocheffiziente Modelle für die Softwareentwicklung durch innovative Trainingsmethoden bereitzustellen.
