Ornith-1.5, yapay zeka araştırma ekosisteminde büyük yankı uyandıran yeni bir açık kaynak model ailesi olarak dikkat çekiyor. Ornith araştırma ekibi tarafından geliştirilen bu model, üç farklı ölçek seçeneğiyle hem üst düzey performans hem de mobil cihazlarda çalışabilecek kadar hafif bir versiyon sunmasıyla öne çıkıyor. Ornith-1.5, özellikle açık kaynak yapay zeka modelleri arasında rekabetçi benchmark sonuçlarıyla kendine sağlam bir yer ediniyor.
Ornith-1.5 Model Ailesi: Üç Farklı Ölçek, Üç Farklı Kullanım Senaryosu
Ornith-1.5, üç farklı model varyantıyla sunuluyor: 397B MoE (Mixture of Experts), 35B MoE ve 9B Dense. Bu üç varyant, farklı donanım gereksinimleri ve kullanım senaryoları için optimize edilmiş durumda. Amiral gemisi konumundaki Ornith-1.5-397B, yüksek hesaplama kapasitesine sahip sunucu ortamlarında çalışmak üzere tasarlanırken, 9B parametreli en küçük varyant olan Ornith-1.5-9B, iPhone ve Android cihazlarda bile çalışabilen mobil-uyumlu bir yapıya sahip. Ornith-1.5, MIT lisansıyla yayınlandığı için hem ticari hem de akademik projelerde ücretsiz olarak kullanılabiliyor.
Claude Opus 4.8 ve GLM-5.2 ile Karşılaştırma: Benchmark Sonuçları
Ornith-1.5-397B modelinin benchmark sonuçları, modelin gücünü açıkça ortaya koyuyor. Terminal-Bench 2.1 testinde 86.1 puan alan Ornith-1.5-397B, aynı testte Claude Opus 4.8’in 85.0 puanlık skorunu geride bırakıyor. Benzer şekilde DeepSWE testinde 56.0 puanlık bir performans sergileyen model, Claude Opus 4.8’in 59.0 puanına yaklaşırken, GLM-5.2 (82.7, 46.2) ve DeepSeek-V4-Flash-0731 (82.7, 54.4) gibi önde gelen açık kaynak modellerini açık ara geride bırakıyor.
Ornith-1.5-35B varyantı ise yalnızca 3 milyar parametre aktifleştirmesiyle bile Qwen 3.6-35B ve Gemma 4-31B gibi çok daha büyük modelleri geride bırakıyor. Terminal-Bench 2.1’de 68.5 puan alan bu model, rakiplerinin 43.4 ve 51.7 puanlık skorlarına kıyasla dramatik bir fark yaratıyor.
Kendi Kendini İyileştiren Eğitim Mimarisi: Self-Improvement Döngüsü
Ornith-1.5’in en dikkat çekici özelliklerinden biri, uçtan uca kendi kendini iyileştirme (end-to-end self-improvement) mimarisidir. Model, Ornith-1.0’da tanıtılan self-scaffolding çerçevesini bir adım öteye taşıyarak üç aşamalı bir öğrenme döngüsü benimsiyor: model yeni görevler öneriyor, bu görevler için özgül scaffold’lar (yapı iskelesi) oluşturuyor ve pekiştirmeli öğrenme (RL) aracılığıyla çözüm yörüngeleri üretiyor. Bu döngü, modelin sürekli olarak yeni öğrenme deneyimleri yaratmasını ve kendini geliştirmesini sağlıyor.
Geleneksel büyük dil modellerinin aksine Ornith-1.5, insan tarafından seçilmiş sabit görev kümelerine ve manuel olarak tasarlanmış scaffold’lara bağımlı değil. Bunun yerine model, kendi ürettiği görevler ve stratejiler üzerinden öğrenerek, standart eğitim verilerinin ötesine geçen bir anlama kapasitesi geliştiriyor.
Hugging Face ve Mobil Kullanım: Erişilebilirlik Odaklı
Ornith-1.5 modelleri, FP8, GGUF, MLX ve NVFP4 formatlarında nicelleştirilmiş versiyonlarıyla Hugging Face üzerinden indirilebiliyor. Özellikle Ornith-1.5-9B-Mobile varyantı, iPhone ve Android cihazlarda doğrudan çalışabilmesiyle yapay zeka teknolojisinin mobil cihazlara taşınmasında önemli bir adım olarak değerlendiriliyor. Bu hafif model, Gemma 4-31B ve Qwen 3.6-35B gibi çok daha büyük modellerin bile önüne geçerek, sınırlı donanıma sahip cihazlarda bile üst düzey yapay zeka performansı sunuyor.
MIT lisansıyla yayınlanan Ornith-1.5, açık kaynak yapay zeka ekosisteminin en güçlü modellerinden biri olarak öne çıkıyor. Hem üst düzey benchmark performansı hem de mobil cihazlarda çalışabilen hafif varyantıyla Ornith-1.5, hem kurumsal hem de bireysel geliştiriciler için güçlü bir alternatif sunuyor.
Kaynak: TestingCatalog, Ornith Blog
Henüz yorum yok. İlk yorumu siz yapın!