에이전트형 코딩을 위한 자기 개선 오픈소스 모델 'Ornith-1.0'이 최근 공개되어 개발자 커뮤니티의 주목을 받고 있습니다. 이 모델은 9B부터 397B에 이르는 다양한 크기로 제공되며, 구글의 Gemma 4와 알리바바의 Qwen 3.5를 기반으로 후훈련(post-trained)되었습니다. 특히, 강화학습(Reinforcement Learning)을 활용한 자기 개선 훈련 프레임워크는 단순히 코드 솔루션을 생성하는 것을 넘어, 문제 해결 과정을 구조화하는 '스캐폴드(scaffold)'까지 함께 최적화하여 더 효율적이고 고품질의 결과물을 도출하는 데 중점을 둡니다.
Ornith-1.0은 Terminal-Bench 2.1, SWE-Bench, NL2Repo, OpenClaw 등 주요 코딩 벤치마크에서 동급 오픈소스 모델 대비 최첨단 성능을 달성했습니다. 모든 체크포인트는 OpenAI 호환 인터페이스를 노출하며 256K 토큰의 넓은 컨텍스트 창을 지원하여, vLLM, SGLang, Hugging Face Transformers, llama.cpp, Ollama 등 다양한 런타임 환경에서 실행 가능합니다. MIT 라이선스를 채택하여 전 세계 어디서든 자유롭게 접근하고 활용할 수 있으며, 추론 블록(reasoning_content)과 도구 호출(tool_calls)을 명확히 분리하여 에이전트 프레임워크 및 코딩 CLI(명령줄 인터페이스)와의 연동성을 높였습니다.
이 모델의 출시는 AI 기반 코딩 에이전트 개발에 중요한 진전을 의미합니다. 특히, 스캐폴드까지 생성하며 문제 해결 과정을 최적화하는 접근 방식은 복잡한 소프트웨어 개발 작업에서 AI의 자율성을 한층 높일 수 있습니다. 개발자들은 Ornith-1.0을 활용하여 코드 생성, 디버깅, 테스트 등 다양한 개발 단계를 자동화하고 효율성을 극대화할 수 있을 것으로 기대됩니다. OpenAI 호환 API 지원은 기존 에이전트 생태계에 쉽게 통합될 수 있는 장점을 제공하여, 개인 개발자부터 기업까지 폭넓게 활용될 잠재력을 가지고 있습니다.