deepreinforce

DeepReinforce 开源了 Ornith-1.0，这是一系列自我改进的编程模型，参数从 9B 到 397B 不等，基于 Gemma 4 和 Qwen 3.5 基础模型训练，采用了一种新颖的强化学习方法，能够学习生成自己的脚手架。

DeepReinforce发布了Ornith-1.0，这是一个MIT许可的开源智能编码LLM系列，包含一个397B MoE模型，该模型在SWE-Bench和Terminal-Bench上超越了Claude Opus 4.7，采用了新颖的自我改进训练策略。