クラウドナビ
日本語EN中文
ポストLINEコピー
← 記事一覧に戻る
【2026年】Ornith-1.0完全解説！Claude Opus超え・MITライセンスの最強AIコーディングモデル
AIモデル·1分で読了

この記事のまとめ

「オープンソースのAIコーディングモデルが、ついにClaude Opusを超えた」

【2026年】Ornith-1.0完全解説！Claude Opus超え・MITライセンスの最強AIコーディングモデル

「オープンソースのAIコーディングモデルが、ついにClaude Opusを超えた」

2026年6月25日、DeepReinforce社がリリースした Ornith-1.0 が、AIコーディング界隈で爆発的な話題を呼んでいます（Xで2.7M+ views / 2.7K+ likes）。

理由はシンプル。MITライセンス（完全オープン・商用利用可）でありながら、Terminal-Bench 2.1でClaude Opus 4.7を上回ったからです。

この記事では、Ornith-1.0の全貌・ベンチマーク性能・他モデルとの比較・実際の使い方までを徹底解説します。

この記事でわかること:

  • Ornith-1.0とは何か／なぜこれほど話題なのか
  • 各モデル（9B / 31B / 35B / 397B）の性能と適したユースケース
  • DeepSeek V4 Pro・MiniMax M3・Claude Opusとの比較
  • 「自己スキャフォールディング」という革新的な技術
  • Ollama / LM Studio / vLLM での実際の動かし方
  • どのモデルを選ぶべきかの判断基準

まず結論：Ornith-1.0は2026年最高のオープンソースコーディングモデル

項目内容
開発元DeepReinforce（deepreinforce-ai）
ライセンスMIT（完全オープン・商用利用可）
ベースモデルGemma 4 + Qwen 3.5 をポストトレーニング
ラインナップ9B Dense / 31B Dense / 35B MoE / 397B MoE
最大の特徴RLで「スキャフォールド」も含めてモデル自身が学習する自己改善フレームワーク
Terminal-Bench 2.1（397B）77.5 — Claude Opus 4.7（70.3）を上回る
SWE-Bench Verified（397B）82.4 — オープンソース最高水準
Hugging FaceGGUF版あり。Ollama / LM Studio で即実行可能

Ornith-1.0とは？— エージェンティックコーディングに特化した次世代LLM

Ornith-1.0 は、DeepReinforce社が開発した「エージェンティックコーディング」（AIエージェントが自律的にコードを書き・デバッグ・管理するタスク）に特化したオープンソースLLMファミリーです。

なぜこれが重要なのか？

従来のLLMは「コードを生成する」ことには優れていましたが、実際の開発環境で複数のファイルを跨いだ修正・テスト実行・エラー解析・修正のループを自律的に回す「エージェンティック能力」は別物です。

Ornith-1.0は、この 「エージェントとしてのコード生成能力」 に特化してトレーニングされた初めての本格的なオープンソースモデルです。

モデルラインナップ

モデルタイプパラメータ数必要VRAM（目安）ターゲット
Ornith-1.0-9BDense90億〜8GB（4bit量子化）エッジデバイス・軽量ローカル実行
Ornith-1.0-31BDense310億〜24GB（4bit）デスクトップ・高性能ローカル
Ornith-1.0-35BMoE350億（活性29B）〜16GB（4bit）コスパ最強・オススメ
Ornith-1.0-397BMoE3,970億（活性？B）80GB+（4bit）フロンティア・最高性能

ベンチマーク比較：Ornith-1.0 vs 主要モデル

Ornith-1.0の最も衝撃的な点は、そのベンチマーク結果です。

フラッグシップ比較：397Bモデル vs クローズドモデル

モデルTerminal-Bench 2.1SWE-Bench Verifiedライセンス
Ornith-1.0-397B 🔥77.582.4MIT（オープン）
Claude Opus 4.770.380.8プロプライエタリ
DeepSeek V4 Pro67.980.6プロプライエタリ
MiniMax M366.080.5プロプライエタリ
Qwen 3.5-397B53.5—Qwen License

Ornith-1.0-397BはClaude Opus 4.7をTerminal-Benchで10ポイント以上引き離し、SWE-Benchでも上回っています。 オープンソースモデルがクローズドな最先端モデルを実ベンチマークで超えたのは、このサイズ帯では初めてです。

35B MoE（ミッドレンジ）比較

モデルTerminal-Bench 2.1SWE-Bench Verified
Ornith-1.0-35B 🔥64.275.6
Qwen 3.6-35B——
Qwen 3.5-35B——
Gemma 4-31B——
Qwen 3.5-397B53.5—

35Bモデルが397BモデルをTerminal-Benchで超えるという驚異的な結果。これはOrnith-1.0のアーキテクチャとトレーニング手法がパラメータ効率に優れていることを示しています。

9B（エッジ/軽量）比較

モデルTerminal-Bench 2.1SWE-Bench Verified備考
Ornith-1.0-9B 🔥43.169.49BでGemma 4-31Bに匹敵 🔥
Gemma 4-31B——31B(9Bの3.4倍のパラメータ)
Qwen 3.6-35B——35B(9Bの3.9倍)

9Bモデルで69.4のSWE-Bench Verifiedスコアは驚異的です。これはGemma 4-31B（31Bパラメータ）に匹敵する性能であり、パラメータ効率が業界最高水準であることを示しています。

「自己スキャフォールディング」とは？— 初心者にもわかりやすく解説

Ornith-1.0の最大の技術的革新は 「自己スキャフォールディング（Self-Scaffolding）」 です。

従来のアプローチの問題点

AIコーディングエージェントは通常、以下の流れで動作します：

  1. 人間が「この問題を解け」と指示
  2. モデルがコードを書く
  3. テストを実行
  4. エラーがあれば修正…のループ

この時、「どうやって問題を解くか」の手順（スキャフォールド） は人間が設計していました。例えば「まずエラーログを読め」「次に該当ファイルを修正しろ」といった指示を、人間が細かく設計する必要がありました。

Ornith-1.0の革新

Ornith-1.0は、この 「スキャフォールド」も含めてモデル自身が学習します。

  • モデルが自分で「どうやってこの問題を解くか」の戦略を考える
  • その戦略に従って実際にコードを生成する
  • 結果（報酬）を両方にフィードバック
  • より良い戦略を自動的に発見していく

つまり、問題を解く能力だけでなく、「どうやって問題を解くか」の戦略を立てる能力自体も進化する という、メタ認知的な学習を行っているのです。

なぜこれが強いのか？

従来のモデルは「与えられた手順を忠実に実行する」ことに最適化されていましたが、Ornith-1.0は「最適な手順を自分で発見する」ことができます。これにより：

  • 未知のタスクタイプにも柔軟に対応
  • タスクごとに最適なアプローチを選択
  • 人間の設計漏れによる性能ボトルネックがない

Ornith-1.0の始め方

最も簡単な方法：Ollama または LM Studio

GGUF版が公開されているため、OllamaやLM Studioで簡単にローカル動作できます。

# Ollamaで35B MoEモデルを動かす（推奨）
ollama pull deepreinforce-ai/ornith-1.0-35b-gguf
ollama run deepreinforce-ai/ornith-1.0-35b-gguf

必要なVRAMの目安（4bit量子化）:

  • 9B: 約6-8GB VRAM → RTX 4060 / M1 Mac 16GBでもOK
  • 35B MoE: 約16-20GB VRAM → RTX 4090 / M2 Max 32GB以上推奨
  • 397B: 80GB+ VRAM → マルチGPU / DGXクラス

Hugging Face Transformersで使う

from transformers import pipeline

pipe = pipeline("text-generation", model="deepreinforce-ai/Ornith-1.0-9B")
messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "PythonでFizzBuzzを書いて"},
        ]
    },
]
pipe(text=messages)

vLLMでサーバー運用する

# vLLMでAPIサーバー起動
vllm serve "deepreinforce-ai/Ornith-1.0-35B-GGUF"

# OpenAI互換APIで呼び出し
curl -X POST "http://localhost:8000/v1/chat/completions" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "deepreinforce-ai/Ornith-1.0-35B-GGUF",
    "messages": [{"role": "user", "content": "Pythonでクイックソートを実装して"}]
  }'

無料APIで使う

前回記事で紹介した freellm.net の無料LLM APIでも、将来的にOrnith-1.0が利用可能になる可能性があります。無料のNVIDIA NIMやGroq経由で使えるようになれば、さらに手軽になります。

→ 【2026年】FreeLLM.net完全ガイド！220以上の無料LLM API

用途別おすすめモデル

ユーザータイプおすすめモデル理由
🖥️ ローカル開発者（16GB VRAM）Ornith-1.0-35B MoEコスパ最強・35Bで397B級の性能
💻 M1/M2 MacユーザーOrnith-1.0-9B軽量・69.4 SWE-Benchで十分実用的
🏢 チームで使いたいOrnith-1.0-35B MoEMITライセンス・商用利用可・サーバー運用に最適
🔬 研究・ベンチマークOrnith-1.0-397B最高性能・Claude Opus超え
🤖 AIエージェントと組み合わせたいOrnith-1.0-35Bエージェンティック能力が高い

既存のAIコーディングエージェントとの違い

比較項目Ornith-1.0Cursor / Claude Code / Hermes
カテゴリ🚀 LLMモデル🛠️ エージェントツール
役割コードを生成する「頭脳」Ornithのようなモデルを動かす「プラットフォーム」
ライセンスMIT（完全オープン）プロプライエタリ（Cursor） or OSS（Hermes）
関係性互換性ありOrnithをCursor/Hermesのバックエンドとして使える
必要なものローカル環境 or API各ツールのインストールとモデル設定

Ornith-1.0は「モデル」であり、CursorやClaude Codeのような「エージェントツール」と競合するものではありません。 Ornith-1.0をそれらのツールのバックエンドとして使うことで、より強力なAIコーディング環境を構築できます。

Ornith-1.0の課題と注意点

良いことばかりでは当然ありません。正直な評価を書きます。

1. リリースしたばかりで実績が浅い

2026年6月25日リリース。ベンチマーク結果は素晴らしいですが、実プロジェクトでの実績はまだありません。時間をかけてコミュニティが検証していく段階です。

2. 397Bモデルは誰でも動かせるわけではない

397B MoE（3,970億パラメータ）を動かすには、4bit量子化でも80GB以上のVRAMが必要です。DGXクラスかクラウドGPU（H100）が必要で、個人のデスクトップでは現実的ではありません。

3. ベンチマーク ≠ 実務性能

SWE-BenchやTerminal-Benchは、実際のソフトウェア開発の一部をシミュレートしたベンチマークです。特にTerminal-Benchはまだ比較的新しく、コミュニティでの検証が十分ではありません。実務でのパフォーマンスは未知数です。

4. 学習データに関する透明性

ベースモデルにGemma 4とQwen 3.5を使用していますが、ポストトレーニングに使われたデータセットの詳細は公開されていません。

よくある質問（FAQ）

Q: Ornith-1.0は完全無料ですか？

はい。 MITライセンス で公開されているため、商用利用・改変・再配布が自由に行えます。GGUF版も無料でダウンロード可能です。

Q: Ollamaで動きますか？

はい。GGUF版が公開されているので、Ollama pull するだけで動きます。LM Studioでも同様に使用可能です。

Q: CursorやClaude Codeとどっちを使えばいい？

両方使うのが正解です。Ornith-1.0は モデル 、Cursor/Claude Codeは ツール です。Ornithをそれらのツールのバックエンドとして設定すれば、最強の組み合わせになります。

Q: どのモデルを選べばいい？

35B MoEが最もコスパに優れています。VRAMが限られている（〜8GB）場合は9Bを。最高性能が必要でリソースがあるなら397Bを選びましょう。

Q: DeepSeek V4 Proと比べてどう？

Terminal-Bench 2.1でOrnith-1.0-397B（77.5）がDeepSeek V4 Pro（67.9）を大きく上回っています。SWE-BenchでもOrnith（82.4）> DeepSeek（80.6）です。

Q: 日本語対応は？

ベースモデルにQwen 3.5を使っているため、日本語の理解と生成は可能です。ただし、ベンチマークは英語のコーディングタスクが中心で、日本語特化のチューニングは行われていません。

Q: ライセンスがMITって本当ですか？

はい。Hugging Face上で確認できます。完全なMITライセンスで、商用利用・改変・再配布が自由です。

Q: 31B Denseはいつリリースされる？

@ornith_ のXポストによると「coming soon」とのこと。現在は9B・35B・397Bのみが利用可能です。

まとめ：Ornith-1.0はAIコーディングのオープンソースに新たな基準を打ち立てた

Ornith-1.0のリリースは、オープンソースAIコーディングモデルにとって 歴史的なマイルストーン です。

  • ✅ MITライセンスで完全オープン・商用利用可
  • ✅ Claude Opus 4.7超えのベンチマーク性能
  • ✅ 自己スキャフォールディングという革新的な技術
  • ✅ 9Bから397Bまでの幅広いラインナップ
  • ✅ Ollama / GGUFですぐに試せる

まだリリースされたばかりで実績はこれからですが、ベンチマーク上のポテンシャルは間違いなく本物です。特に 35B MoEモデルは、個人開発者にとって最もコスパの高い選択肢 になるでしょう。

まずはOllamaで手軽に試してみてください。

ollama pull deepreinforce-ai/ornith-1.0-35b-gguf
ollama run deepreinforce-ai/ornith-1.0-35b-gguf

関連リンク:

合わせて読みたい

この記事をシェアする

XでポストLINEで送るFacebookでシェア

関連記事

2026年7月19日

【2026年】Agents-A1（35B MoE）とは？小さなパラメータでここまでできる驚きのエージェント特化モデルを徹底分析

2026年7月18日

【2026年】Qwen3.6-35B Genesis Hermes GGUF完全ガイド！検閲なし・マルチモーダルMoEをローカルPCで動かす方法

2026年6月16日

【2026年】AIモデルAPI料金完全比較！ChatGPT vs Claude vs Gemini vs DeepSeek vs MiMo

2026年6月17日

【2026年】Xiaomi MiMo API完全解説！DeepSeekと同価格のマルチモーダルAIモデル

2026年6月25日

【2026年】DS4Flash（DeepSeek V4 Flash）をローカルで動かす完全ガイド！96〜128GB VRAMを最大活用

2026年6月26日

【2026年】Qwen-AgentWorld完全解説！AIに「行動」ではなく「環境を予測」させる革新的アプローチ