Ornith-1.5-122B : un modèle de code ouvert aux résultats à vérifier

EElias

Alors, la nouveauté, c’est un modèle conçu pour les tâches de programmation, mais aussi pour enchaîner plusieurs étapes et utiliser des outils. Ornith le décrit comme un système de raisonnement à architecture « mixture of experts » : pour traiter une étape, le modèle mobilise une partie de ses experts plutôt que tous à la fois. Il compte 122 milliards de paramètres au total, mais Ornith ne précise pas combien sont actifs pour chaque étape, ce qui empêche d’estimer les besoins de calcul à partir du seul chiffre global. La sortie est distribuée sous licence MIT, et AlphaSignal décrit Ornith-1.5-122B comme un modèle destiné notamment au code, au terminal et à l’usage d’outils. Concrètement, on peut imaginer une tâche qui ne s’arrête pas à proposer une ligne de code, mais qui demande de suivre plusieurs opérations successives. C’est une orientation annoncée par Ornith, pas la preuve que le modèle réussit déjà toutes ces tâches en conditions réelles.

EElias

Ornith décrit une boucle d’auto-amélioration : le modèle génère des tâches, prépare des environnements de test, puis produit des trajectoires utilisées pour l’apprentissage par renforcement. En clair, il contribue à fabriquer des exercices sur lesquels il peut ensuite être entraîné, plutôt que de recevoir uniquement des exemples préparés à l’avance. L’entreprise annonce 84,5 % sur SWE-bench Verified et 76,9 % sur SWE-bench Pro avec une configuration qu’elle désigne comme « no-hack ». Elle avance aussi un résultat de 81,2 sur Terminal-Bench 2.1, un autre banc d’essai. Ces chiffres décrivent des évaluations distinctes : ils ne se combinent pas en une note générale de qualité, et les résultats annoncés ne sont pas confirmés par des évaluations indépendantes. Alors, ils sont élevés sur le papier, mais il faut connaître les conditions de test et pouvoir reproduire les résultats avant d’en tirer une conclusion solide sur le comportement du modèle au travail.

EElias

Les formats proposés visent plusieurs environnements : Ornith annonce des variantes GGUF, FP8, NVFP4 et MLX, ainsi qu’une version mobile. L’entreprise affirme qu’une version quantifiée peut fonctionner sur un processeur graphique doté de 80 gigaoctets de mémoire. Mais le fichier GGUF le plus léger cité pèse déjà 75,8 gigaoctets, avant même la mémoire nécessaire à l’exécution du modèle et au contexte de travail. Cela laisse une marge limitée sur une carte de 80 gigaoctets, sans permettre d’affirmer que l’exécution sera impossible dans tous les cas : le résultat dépend de la quantification et de la configuration. Il faut aussi distinguer le fait de télécharger des poids et celui de les faire tourner avec une vitesse adaptée à un usage concret. Pour une équipe qui envisage un déploiement, le choix du format ne suffit donc pas ; il faut vérifier la mémoire disponible et tester le fonctionnement avec ses propres tâches. La licence MIT permet de distribuer le modèle sous ses conditions, mais elle ne règle pas à elle seule les besoins matériels de son exécution.

EElias

Ornith annonce une fenêtre de contexte native de 262 000 tokens, avec une extension possible jusqu’à environ 1 million grâce à YaRN. Un token est un morceau de texte traité par le modèle ; la taille de la fenêtre indique la quantité qui peut entrer dans une séquence, pas que chaque élément sera nécessairement compris ou retrouvé correctement. Le million annoncé correspond à une extension au-delà de la fenêtre native, et non à la capacité d’origine du modèle. Plus la séquence est longue, plus il faut mesurer la qualité obtenue sur les usages visés, et Ornith ne fournit pas de validation indépendante des performances à ces longueurs. La mémoire disponible compte également : les poids occupent déjà une grande partie d’un GPU de 80 gigaoctets dans le format GGUF le plus léger cité, avant les besoins liés à l’exécution et au contexte. Pour un agent de programmation, une longue entrée pourrait contenir beaucoup de code, mais il faut vérifier expérimentalement si le modèle s’appuie correctement sur les détails pertinents. Le chiffre de contexte constitue donc une capacité annoncée, pas une garantie de fiabilité sur une séquence très longue.

EElias

L’entreprise revendique des résultats sur trois bancs d’essai, dont 84,5 % sur SWE-bench Verified, mais ces performances ne sont pas confirmées par des évaluations indépendantes. Elle présente aussi une version quantifiée comme utilisable sur un GPU de 80 gigaoctets, alors que le plus petit fichier GGUF cité pèse déjà 75,8 gigaoctets, sans inclure la mémoire requise pour l’exécution et le contexte. Le catalogue de formats donne plusieurs façons d’essayer le modèle, mais ne permet pas à lui seul de prévoir sa vitesse ou son coût matériel. Les développeurs intéressés devront vérifier les résultats sur des tâches comparables aux leurs, puis mesurer les ressources nécessaires avec le format choisi. La fenêtre pouvant atteindre environ 1 million de tokens mérite le même examen : sa longueur annoncée ne démontre pas que le modèle exploite correctement tout ce contenu. La proposition est donc claire, mais ses performances pratiques restent à établir par des essais indépendants et adaptés aux usages visés.