Ornith 1.0, l’IA open source qui dépasse Claude Opus 4.7
Le 25 juin 2026, la société DeepReinforce a mis en ligne Ornith-1.0, une famille de modèles d’IA open source pensée pour les agents de développement. Son originalité ne tient pas à sa taille, mais à sa méthode d’entraînement : au lieu de s’appuyer sur un harnais d’exécution écrit par des ingénieurs, le modèle apprend à le construire lui-même pour chaque tâche. Accrochez-vous bien : DeepReinforce affirme que sa version la plus puissante dépasse Claude Opus 4.7 sur deux benchmarks de référence. Voici ce que l’on sait.
Sommaire
Une IA qui construit son propre harnais
Derrière la plupart des agents de code se cache un élément essentiel : le harnais (ou scaffold). C’est le code qui entoure le modèle et pilote son travail : il appelle les outils, exécute les commandes et les tests, récupère les résultats, gère les erreurs, décide des relances et découpe la tâche en étapes. C’est un peu le pilote dans l’avion… Le modèle, à lui seul, ne fait que générer du code.
Avec Ornith-1.0, le harnais n’est plus imposé au départ : le modèle apprend à le fabriquer lui-même, en même temps qu’il apprend à coder. Comment ? Pendant son entraînement, l’IA s’exerce sur des milliers de tâches et reçoit à chaque fois une « note » selon la qualité du résultat, une méthode appelée apprentissage par renforcement (). La nouveauté d’Ornith, c’est que cette note ne récompense pas seulement le code produit, mais aussi la façon de s’organiser pour y parvenir. À force d’essais, le modèle retient les méthodes de travail qui donnent les meilleurs résultats.
Dans son article de présentation, DeepReinforce appelle ce principe le self-scaffolding : l’IA met au point sa propre manière de procéder.
Puisque le modèle cherche avant tout à obtenir une bonne note, il peut être tenté de tricher pour l’obtenir sans vraiment résoudre le problème : par exemple, aller lire à l’avance les tests de validation, ou écrire directement le résultat attendu sans faire le travail. Ce comportement est d’ailleurs documenté et il a même un petit nom : reward hacking. C’est un défaut de cette méthode d’entraînement. Pour autant, DeepReinforce affirme s’en prémunir grâce à plusieurs protections chargées de repérer et de bloquer ces tentatives de contournement.
Quatre tailles, du PC portable au datacenter
La famille Ornith-1.0 se décline en quatre versions : , , et . Toutes sont entraînées à partir de Gemma 4 et Qwen 3.5, publiées sous licence MIT et, selon l’éditeur, accessibles sans restriction géographique. Elles offrent une fenêtre de contexte de 256K tokens et se branchent notamment sur Claude Code et OpenHands.
Le positionnement matériel est un argument fort :
- Ornith-1.0-9B vise les usages en local. Il tient sur un seul GPU, là où les versions MoE plus lourdes doivent être réparties sur plusieurs cartes. Selon DeepReinforce, le modèle “tient sur un seul GPU de 80 Go” (donc il faut quand même du sacré matos). J’ai déjà présenté des outils pour trouver le modèle d’IA adapté à son PC ou son Mac.
- Ornith-1.0-397B s’adresse aux déploiements exigeants, à héberger soi-même pour alimenter un agent de code interne.
À noter : Ornith-1.0 s’appuie sur Gemma 4, la famille open source dévoilée par Google en avril 2026.
Un scoring séduisant pour Ornith-1.0
D’après DeepReinforce, Ornith-1.0-397B obtient 77,5 sur Terminal-Bench 2.1 et 82,4 sur SWE-Bench Verified, devant Claude Opus 4.7 (70,3 et 80,8) et des modèles open source comparables comme MiniMax M3 ou DeepSeek-V4-Pro. La version 35B ferait même mieux que Qwen 3.5-397B sur Terminal-Bench 2.1, avec pourtant bien moins de paramètres. Plutôt séduisant sur le papier.
Le tableau publié par DeepReinforce lui-même montre que Claude Opus 4.8 garde l’avantage (85 sur Terminal-Bench 2.1, 87,6 sur SWE-Bench Verified), tout comme GLM-5.2-744B sur le premier test. Ce qui est intéressant, c’est que pour coder, Ornith-1.0 ferait mieux que les autres modèles open source.
Encore faut-il savoir ce que mesurent ces tests. Les deux benchmarks mis en avant par DeepReinforce évaluent des compétences de développement bien précises, pas des aptitudes générales :
- Terminal-Bench 2.1 : une série de tâches à mener dans un terminal isolé (environnement conteneurisé), du débogage de code asynchrone à la correction de failles de sécurité.
- SWE-Bench Verified : l’IA se voit confier un vrai bug tiré d’un dépôt GitHub open source, qu’elle doit corriger sans accéder à la suite de tests. Le score correspond au pourcentage de bugs effectivement résolus.
Il n’a été comparé à Opus que sur des tâches de développement, jamais sur du raisonnement général, des mathématiques, de la rédaction ou du multilingue. Claude Opus, lui, est un modèle généraliste, taillé pour une bien plus large palette de scénarios d’utilisation, là où Ornith-1.0 est plus spécifique à une tâche. Battre Opus 4.7 sur deux benchmarks de code ne revient donc pas à “tout faire mieux que Claude” : la victoire est réelle, mais circonscrite à un domaine précis.
Quelques liens utiles pour approfondir le sujet :