LLMs de auto-andaime para codificação agente
29 de junho de 2026 – Link Blog
Ornith-1.0: LLMs de auto-andaime para codificação Agentic. Este é um novo modelo interessante de pesos abertos (licenciado pelo MIT), o primeiro modelo lançado pela DeepReinforce.
(…) com variantes incluindo 9B Dense, 31B Dense, 35B MoE e 397B MoE. Construído com base no Gemma 4 e no Qwen 3.5 pré-treinados, ele alcança desempenho de última geração entre modelos de código aberto de tamanho comparável em benchmarks de codificação.
Pelo que eu posso dizer, as licenças desses modelos subjacentes são compatíveis com o uso dessa maneira – Gemma 4 é licenciado pelo Apache 2.0 (e não está vinculado aos termos de uso adicionais do Gemma que afetaram os modelos anteriores do Gemma) e Qwen 3.5 também é licenciado pelo Apache 2.0.
Tenho executado o modelo usando LM Studio e o GGUF ornith-1.0-35b-Q4_K_M.gguf (20GB), conectado ao Pi. As impressões iniciais são muito boas – parece ser capaz de executar o equipamento do agente em muitas chamadas de ferramenta de maneira proficiente.
Aqui está uma sessão de terminal onde pedi para “encontrar o código que decodifica o cookie do ator” e depois “encontrar o código que abre a caixa de diálogo de inserção quando o botão é clicado” em um checkout do Datasette, que foi tratado com facilidade.
Também pedi para desenhar este pelicano, que saiu com 103 tokens/segundo:
Está um pouco mutilado, mas o pelicano é claramente um pelicano.
Não consegui encontrar muitas informações sobre o DeepReinforce. O primeiro artigo que consegui encontrar foi CUDA-L1: Melhorando a Otimização de CUDA por meio de Aprendizagem por Reforço Contrastivo de junho de 2025.
