La nueva familia de modelos de Ornith apuesta por una IA capaz de generar sus propias tareas de entrenamiento, construir herramientas para resolverlas y mejorar mediante aprendizaje por refuerzo. El modelo de 9B incluso tendrá una versión preparada para móviles.
La carrera por desarrollar modelos de inteligencia artificial abiertos y cada vez más autónomos acaba de sumar un nuevo contendiente. Ornith ha presentado Ornith-1.5, una familia compuesta por tres modelos de 397B, 35B y 9B parámetros que intenta avanzar desde el simple aprendizaje por refuerzo hacia un sistema en el que la propia IA participa activamente en la creación de sus nuevos ejercicios de entrenamiento.
La novedad más importante no está únicamente en su tamaño. Ornith-1.5 amplía el sistema de self-scaffolding introducido con Ornith-1.0 para construir un ciclo de auto-mejora mucho más completo: el modelo propone nuevas tareas, genera el andamiaje necesario para abordarlas, produce soluciones y utiliza los resultados para seguir entrenándose.
La compañía sostiene además que su modelo insignia de 397 000 millones de parámetros alcanza resultados competitivos frente a algunos de los sistemas cerrados más potentes del mercado. Conviene, no obstante, interpretar estas comparaciones con prudencia: las puntuaciones publicadas proceden del propio desarrollador y no sustituyen una evaluación independiente.
Qué es Ornith-1.5 y por qué puede ser importante
Ornith-1.5 se ofrece en tres escalas claramente diferenciadas. La versión superior utiliza una arquitectura Mixture of Experts (MoE) de 397B parámetros; existe otra variante MoE de 35B, y finalmente un modelo denso de 9B parámetros pensado para despliegues considerablemente más ligeros.
En una arquitectura Mixture of Experts, el modelo dispone de una gran cantidad total de parámetros, pero no necesariamente los activa todos para procesar cada token. El sistema selecciona determinados bloques o «expertos» según la entrada, permitiendo combinar una gran capacidad total con costes de inferencia inferiores a los que tendría un modelo denso equivalente.
En Ornith-1.5-35B, por ejemplo, el desarrollador afirma que solo se activan aproximadamente 3 000 millones de parámetros por token, pese a que el modelo completo alcanza los 35B.
Esta eficiencia es particularmente importante porque uno de los grandes problemas actuales de la IA no es únicamente conseguir modelos más capaces, sino lograr que puedan ejecutarse con menos memoria, electricidad y capacidad de cálculo.
La IA que crea sus propios ejercicios para seguir aprendiendo
El cambio verdaderamente interesante respecto a Ornith-1.0 está en el proceso de entrenamiento.
La primera generación ya introducía la idea de que el modelo pudiera aprender no solamente a resolver un problema, sino también a crear el andamiaje —scaffold— necesario para solucionarlo. Ese andamiaje incluye instrucciones, herramientas disponibles, estrategia de descomposición y forma de organizar diferentes acciones.
Ornith-1.5 da un paso adicional.
Ahora el sistema también puede generar las propias tareas de entrenamiento.
En cada ciclo recibe información sobre un entorno o repositorio de código, instrucciones generales acerca del tipo de problema y un historial de las tareas que ya ha conseguido resolver. A partir de ahí intenta construir nuevos desafíos progresivamente más difíciles que ataquen precisamente aquello que todavía no domina.
La lógica recuerda al entrenamiento de una persona: cuando un ejercicio deja de resultar difícil, deja también de ser especialmente útil para mejorar.
Tres etapas dentro de un mismo ciclo de auto-mejora
El proceso de entrenamiento de Ornith-1.5 se organiza en tres grandes etapas.
Primero, el sistema propone una tarea nueva que debería encontrarse cerca del límite de sus capacidades actuales. Después genera o modifica un andamiaje específico para enfrentarse al problema: instrucciones, herramientas, planificación y estrategia.
Finalmente, utilizando la tarea y ese scaffold, el modelo genera un solution rollout, es decir, la secuencia completa de razonamiento y acciones con la que intenta resolver el ejercicio.
La recompensa conseguida al final no afecta únicamente a la respuesta. Se retropropaga sobre las tres fases para que el sistema aprenda simultáneamente a crear mejores tareas, construir mejores herramientas y producir mejores soluciones.
Ahí reside la ambición del proyecto: reducir progresivamente la dependencia de conjuntos estáticos de ejercicios diseñados manualmente por humanos.
Ornith quiere que el modelo encuentre sus propios límites
El sistema intenta evitar que la IA desperdicie tiempo entrenándose con problemas que ya sabe resolver.
Según la descripción técnica del proyecto, Ornith-1.5 genera nuevos desafíos destinados a exponer lagunas en sus capacidades, expandiendo de manera continua su propio currículo de aprendizaje.
Esto puede representar una evolución importante frente a sistemas entrenados mediante baterías de ejercicios humanas relativamente fijas.
Una IA capaz de detectar automáticamente aquello que se le da peor y construir nuevas pruebas para corregirlo podría acelerar determinados procesos de postentrenamiento.
Pero también introduce preguntas relevantes.
Si el propio modelo genera sus exámenes, sus herramientas y sus soluciones, resulta fundamental disponer de mecanismos externos que impidan que aprenda simplemente a optimizar la puntuación sin mejorar realmente la capacidad que pretende evaluarse.
Es el conocido problema del reward hacking: obtener una recompensa alta explotando el sistema de evaluación en vez de resolver correctamente el objetivo original.
El Ornith-1.5 de 397B apunta directamente a Claude y DeepSeek
Los resultados publicados por Ornith son ambiciosos.
Según la página oficial del proyecto, Ornith-1.5-397B obtiene 86,1 puntos en Terminal-Bench 2.1 y 56,0 en DeepSWE. La compañía compara esos resultados con Claude Opus 4.8, al que atribuye 85,0 y 59,0 respectivamente en esas pruebas.
Aquí existe una corrección importante respecto a la información inicialmente difundida por algunas publicaciones: la página oficial de Ornith muestra actualmente 86,1 en Terminal-Bench 2.1, no 85,1.
El desarrollador sostiene también que el modelo supera en esas pruebas a varios modelos abiertos de tamaño comparable, entre ellos GLM-5.2 y DeepSeek-V4-Flash-0731.
Estas comparaciones deben leerse con cautela porque pequeños cambios en el harness, contexto, herramientas disponibles o parámetros de inferencia pueden alterar significativamente el rendimiento de modelos agentes.
Ornith-1.5-35B: 3B activos por token
Probablemente una de las variantes más interesantes para usuarios profesionales sea el Ornith-1.5-35B.
El modelo utiliza arquitectura MoE y activa aproximadamente 3B parámetros por token, según sus desarrolladores. A pesar de ello, Ornith comunica una puntuación de 68,5 en Terminal-Bench 2.1 y de 79,0 en SWE-Bench Verified.
La compañía lo compara con modelos densos considerablemente mayores y sostiene que obtiene mejores resultados en varias pruebas de programación agéntica.
Para desarrolladores y empresas, este tipo de configuración puede ser más relevante que poseer simplemente el modelo con el mayor número de parámetros.
Si un MoE relativamente pequeño consigue activar solo una fracción de su capacidad en cada paso, resulta potencialmente más atractivo para despliegues privados, agentes de programación y servidores propios.
Un modelo de 9B preparado incluso para iPhone y Android
El extremo opuesto de la familia es Ornith-1.5-9B, un modelo denso considerablemente más compacto.
Según Ornith, alcanza 47,0 puntos en Terminal-Bench 2.1 y 70,6 en SWE-Bench Verified, cifras que el desarrollador considera competitivas incluso frente a modelos considerablemente mayores.
Pero la novedad más llamativa es otra.
La compañía anuncia una versión cuantificada denominada Ornith-1.5-9B-Mobile, diseñada para poder desplegarse en dispositivos iPhone y Android.
Esto encaja con una tendencia cada vez más importante dentro de la industria: trasladar parte de la IA desde gigantescos centros de datos hacia el edge, ejecutando modelos directamente sobre teléfonos, ordenadores personales y dispositivos empresariales.
Las ventajas potenciales son importantes: menor latencia, funcionamiento sin conexión en determinados escenarios y más posibilidades de procesar información localmente sin enviarla siempre a servidores externos.
Ornith-1.0 ya apostaba por modelos abiertos bajo licencia MIT
El proyecto no comienza desde cero.
Ornith-1.0 fue presentado como una familia orientada especialmente a programación agéntica y estaba disponible en variantes 9B Dense, 31B Dense, 35B MoE y 397B MoE. Su repositorio oficial indica que fue publicado bajo licencia MIT, permitiendo un uso y modificación ampliamente permisivos.
Aquella generación estaba postentrenada sobre familias como Gemma 4 y Qwen 3.5 y ya utilizaba aprendizaje por refuerzo para desarrollar conjuntamente el scaffold y las soluciones.
Ornith-1.5 intenta extender precisamente esa filosofía desde el self-scaffolding hacia una forma más amplia de self-improvement.
Los benchmarks de la propia compañía necesitan validación independiente
El punto más importante para interpretar correctamente el lanzamiento es no confundir resultados publicados por un fabricante con una verdad definitiva sobre qué modelo es «mejor».
Ornith afirma que sus evaluaciones se realizan con configuraciones determinadas y que en su generación anterior determinadas pruebas se promediaban sobre cinco ejecuciones, además de detallar herramientas y parámetros utilizados en benchmarks como Terminal-Bench o SWE-bench.
Eso aporta transparencia, pero no elimina la necesidad de evaluaciones externas.
Un modelo puede destacar extraordinariamente en programación agéntica y ser inferior en redacción, matemáticas, multilingüismo, seguridad, precisión factual o utilización real de herramientas.
Además, el rendimiento de un agente depende no solamente del modelo, sino también del entorno en el que opera.
Por ello, será especialmente importante comprobar qué resultados obtiene Ornith-1.5 cuando desarrolladores independientes puedan ejecutar los pesos y reproducir las pruebas.
Por qué esta arquitectura puede importar más que otra carrera de parámetros
El verdadero interés de Ornith-1.5 quizá no sea que exista otro modelo de casi 400 000 millones de parámetros.
La industria ya ha demostrado que aumentar la escala puede proporcionar mejoras.
La cuestión mucho más interesante es si los sistemas pueden aprender a construir mejores procesos de aprendizaje por sí mismos.
Si un modelo identifica qué problemas todavía no puede resolver, crea nuevos desafíos, construye las herramientas necesarias para intentarlos y recibe una recompensa verificable, el proceso de mejora puede volverse menos dependiente del trabajo manual de investigadores humanos.
En programación y tareas de agentes, donde muchas respuestas pueden verificarse automáticamente mediante pruebas y ejecución de código, esta estrategia tiene especial sentido.
El gran riesgo: que la IA aprenda a aprobar su propio examen
La paradoja resulta evidente.
Cuanta mayor autonomía tenga un modelo para crear su propio currículo, más necesario será vigilar que el sistema de evaluación permanezca independiente y sea difícil de manipular.
Si el generador de problemas, el solucionador y parte del evaluador evolucionan simultáneamente, podrían aparecer atajos inesperados.
La industria ya conoce ejemplos de modelos que descubren comportamientos que maximizan una recompensa sin cumplir realmente el propósito para el que fue diseñada.
Por eso, la posibilidad de generar tareas verificables y establecer barreras externas será probablemente tan importante como el propio rendimiento.
Ornith-1.5 abre otro frente en la guerra de los modelos abiertos
El lanzamiento refuerza además la competencia entre los ecosistemas abiertos y los modelos propietarios.
Sistemas como Claude, Gemini o GPT concentran enormes capacidades dentro de servicios controlados por sus respectivas compañías. Los modelos abiertos intentan ofrecer a investigadores y empresas la posibilidad de descargar pesos, desplegar infraestructura propia, modificar sistemas y experimentar sin depender completamente de una API externa.
Ornith apuesta claramente por ese segundo camino.
Si las cifras publicadas se reproducen de manera independiente, especialmente en las variantes 35B y 9B, la familia podría convertirse en una alternativa interesante para desarrolladores que buscan capacidades agénticas sin desplegar modelos gigantescos.
Pero la verdadera prueba comienza ahora.
No será suficiente con superar una tabla de benchmarks. Ornith-1.5 deberá demostrar que su sistema de auto-mejora mediante tareas generadas por la propia IA proporciona ventajas sostenibles cuando sale del laboratorio y entra en repositorios, dispositivos y flujos de trabajo reales.
Ahí es donde se sabrá si estamos ante otro buen modelo abierto o ante una idea capaz de modificar cómo se entrenarán las próximas generaciones de inteligencia artificial.
Chollones
Chollones
Chollones