#terminal-bench

Ornith-1.5 — семейство моделей (397B MoE, 35B MoE, 9B Dense), которые сами генерируют задачи, каркасы и решения для непрерывного обучения через RL.

Универсальный фреймворк LLM-as-a-Verifier для точной оценки и ранжирования траекторий агентов с использованием мелкозернистых логпроб-скоров и Probabilistic Pivot Tournament.

Самомодифицирующийся Python-агент с git-ревью и BIBLE.md показал SOTA на Terminal-Bench, OSWorld и CL-Bench, обойдя Codex и Claude Code.