Ornith-1.0 s'auto-améliore en 48 heures. Le modèle open-source qui écrit son propre code d'entraînement

Ornith-1.0 est un modèle de codage agentic qui s'auto-améliore par itération. Publié le 29 juin 2026 par DeepReinforce AI, le modèle génère son propre dataset d'entraînement, écrit son code de fine-tuning et relance une nouvelle version toutes les 48 heures. Le repo collecte 194 points sur Hacker News et 32 commentaires en 12 heures.

Le principe : Ornith-1.0 résout des problèmes de code, analyse ses erreurs, génère des exemples corrigés et se fine-tune dessus. Après 3 cycles d'auto-amélioration (6 jours), le modèle passe de 68 % à 82 % de réussite sur HumanEval. Le coût total : 1 200 dollars en compute H100 sur Lambda Labs.

Ce qui se passe

Ornith-1.0 part d'un modèle de base (DeepSeek Coder 33B) et applique une boucle d'auto-amélioration en 4 étapes :

1. Génération de problèmes : le modèle écrit 500 problèmes de code Python avec tests unitaires (coût : 12 dollars en inférence).
2. Résolution + analyse d'erreurs : il résout les problèmes, identifie ceux où il échoue et analyse les patterns d'erreur (coût : 38 dollars).
3. Création de dataset : il génère 2 000 exemples (problème, solution correcte, explication) basés sur ses erreurs (coût : 89 dollars).
4. Fine-tuning : il fine-tune une nouvelle version sur le dataset auto-généré avec LoRA rank 64 (coût : 1 061 dollars, 8 époques sur 4× H100).

Après 3 cycles, le modèle atteint 82 % sur HumanEval (benchmark de référence pour le code Python), contre 68 % au départ. Le repo GitHub inclut les checkpoints de chaque itération et les datasets auto-générés.

DeepReinforce AI ne révèle pas son modèle de monétisation. Le repo est open-source sous licence Apache 2.0, mais la startup (fondée en février 2026, basée à San Francisco) prévoit de vendre des API d'auto-amélioration as-a-service à 0,50 dollar par cycle pour les entreprises qui veulent fine-tuner leurs propres modèles.

Pourquoi ça scale (ou pas)

Le modèle repose sur trois paris techniques :

Pari 1 : l'auto-critique est gratuite. Ornith-1.0 analyse ses propres erreurs sans humain dans la boucle. Les startups de fine-tuning traditionnelles (Scale AI, Surge AI) paient 12 dollars par heure pour des annotateurs qui corrigent les erreurs de modèles. Ornith élimine ce coût. Limite : le modèle peut développer des biais d'auto-renforcement (il génère des exemples faciles où il réussit déjà).

Pari 2 : les datasets synthétiques battent les datasets humains. Les 2 000 exemples auto-générés par cycle sont calibrés exactement sur les faiblesses du modèle. Les datasets humains (comme Stack Overflow ou GitHub) contiennent 40 à 60 % de bruit (code obsolète, mauvaises pratiques, commentaires inutiles). Ornith filtre ce bruit en ne générant que du code qui passe ses tests. Limite : le modèle peut sur-fitter sur des patterns synthétiques et échouer sur du code réel imprévisible.

Pari 3 : l'amélioration converge en 3-5 cycles. Ornith gagne 14 points de pourcentage (68 → 82 %) en 6 jours. Les cycles suivants apportent des gains décroissants : +2 % au cycle 4, +0,7 % au cycle 5. DeepReinforce AI estime que le modèle plafonne à 87-89 % sur HumanEval sans architecture breakthrough. Limite : les 10-13 % restants nécessitent probablement des données humaines ou des architectures plus larges (70B+ params).

Qui gagne, qui perd

Gagnants :

• Les labs open-source (Hugging Face, EleutherAI, Together AI) peuvent reproduire Ornith pour 1 200 dollars par modèle et publier des checkpoints auto-améliorés toutes les semaines. Cela accélère la course aux modèles gratuits.
• Les développeurs solo qui veulent fine-tuner un modèle sur leur codebase privée. Ornith permet de partir d'un modèle de base (DeepSeek, Llama) et d'atteindre 80 %+ sur des tâches métier en 6 jours pour 1 200 dollars, sans embaucher d'annotateurs.

Perdants :

• Les plateformes de fine-tuning supervisé (Scale AI, Surge, Toloka) qui facturent 12 à 25 dollars par heure d'annotation humaine. Si l'auto-amélioration remplace 70 % de ce travail, leur marché se contracte.
• Les modèles cloud fermés (GPT-4, Claude, Gemini) qui comptent sur leur avance qualité pour justifier des prix API élevés (30-60 dollars par million de tokens). Si les modèles open-source s'auto-améliorent à 1 200 dollars par cycle et atteignent 85-90 % de la qualité cloud, l'écart de prix devient injustifiable.

À surveiller

• Cycles 4 et 5 : DeepReinforce AI prévoit de publier les checkpoints des cycles 4 et 5 d'ici fin juillet 2026. Si les gains tombent en dessous de +1 % par cycle, le modèle atteint son plateau et l'auto-amélioration devient non-rentable.
• HumanEval+ et MBPP+ : benchmarks plus difficiles que HumanEval (problèmes multi-fichiers, dépendances externes). Si Ornith plafonne à 60-65 % sur ces benchmarks, l'auto-amélioration ne suffit pas pour des tâches de production.
• API as-a-service : DeepReinforce AI prévoit de lancer une API où les entreprises envoient leur codebase privée et reçoivent un modèle auto-amélioré en 6 jours pour 2 500 dollars (1 200 dollars de compute + 1 300 dollars de marge). Si ce pricing tient, le marché du fine-tuning bascule.

L'essentiel

Ornith-1.0 est un modèle de codage agentic qui s'auto-améliore en générant son propre dataset d'entraînement et en se fine-tunant toutes les 48 heures. Coût : 1 200 dollars par cycle, gain de performance : +14 points de pourcentage (68 → 82 %) sur HumanEval en 6 jours. Le modèle menace les plateformes de fine-tuning supervisé (Scale AI, Surge) et réduit l'écart qualité avec les modèles cloud fermés. Limite : l'amélioration converge en 3-5 cycles, plafonnant probablement à 87-89 % sans architecture breakthrough.