Ornith zet modelfamilie 1.5 open, van 9B tot 397B

Ornith zette op 19 augustus de gewichten van modelfamilie 1.5 op Hugging Face: een dense model van 9 miljard parameters, een mixture-of-experts van 35 miljard en een vlaggenschip van 397 miljard, alle drie gemarkeerd als MIT en zonder aanvraagformulier te downloaden. Achter Ornith zit onderzoekscollectief DeepReinforce, dat de drie schalen tegelijk uitbracht.

Voor een Nederlands team dat AI in eigen beheer wil draaien, zit het nieuws in de maten. Het 9B-model weegt ongeveer 19 GB in bf16 en draait op één GPU van 80 GB. De 35B-variant activeert per token maar zo'n 3 miljard parameters, weegt ongeveer 70 GB en vraagt twee kaarten van 80 GB. Het vlaggenschip vraagt ongeveer 800 GB geheugen en acht H200's van 141 GB in één machine. De eerste twee passen in een serverkast die je zelf koopt, de derde in een rekencentrumbudget. Alle drie werken met een venster van 262.144 tokens, met YaRN op te rekken tot ongeveer een miljoen.

De licentie staat op de kaart, niet in de repository

Alle drie de modelkaarten declareren MIT en verwijzen naar een LICENSE-bestand in de eigen repository. Dat bestand is er niet. De link geeft een 404 en in de bestandslijst van elke repository ontbreekt het, ook bij de oudere Ornith-1.0-modellen. Wat je krijgt is een licentielabel in de metadata, geen licentietekst die je aan een klant, een verzekeraar of een due diligence kunt overleggen.

Daaronder zit een tweede vraag. Ornith schrijft op de eigen kaart dat versie 1.0 gebouwd is bovenop Qwen3.5 en Gemma4, en dat 1.5 die lijn doorzet; de configuratiebestanden noemen inderdaad de Qwen3.5-architectuur. Google's Gemma-voorwaarden gelden uitdrukkelijk ook voor afgeleide modellen: wie zo'n afgeleide verspreidt moet de gebruiksbeperkingen als bindende voorwaarde doorgeven en de melding meeleveren dat Gemma onder de Gemma Terms of Use valt. Een MIT-label boven een model dat deels uit Gemma voortkomt is daarmee precies het soort punt dat je schriftelijk beantwoord wilt hebben voordat je het in een product zet.

Dat verschil is niet theoretisch. Meta zette in augustus de onveranderde Apache 2.0-tekst in de repository van agentmodel Muse Glimmer, zonder regionale uitsluiting en zonder omzetgrens, en juist dat maakte dat model bruikbaar voor een Nederlands bedrijf. Bij Qwen3.8-Max ligt de commerciële drempel op 50 miljoen dollar omzet zonder dat de tekst een tarief noemt. De acht regels in dat bestand bepalen wat je met de gewichten mag, niet de kop erboven.

Wat de benchmarks wel en niet zeggen

Het nieuwe punt zit volgens Ornith in de training. Het model bedenkt zijn eigen opgaven, bouwt daar zelf een harnas omheen en verbetert zijn beleid met versterkend leren, in plaats van te leren van een vaste set door mensen samengestelde taken. Dat is voorlopig een claim over de methode; of de winst in het model zit of in het harnas eromheen valt van buitenaf niet te zien.

Het 397B-model scoort 86,1 op Terminal-Bench 2.1 tegen 85,0 voor Claude Opus 4.8 en 86 op SWE-bench Verified tegen 85,8. Op andere onderdelen van dezelfde tabel verliest het duidelijk: 13,5 tegen 21,1 op Frontier-Bench v0.1 en 59,5 tegen 69,7 op NL2Repo. Alle cijfers komen van Ornith zelf, gemiddeld over vijf runs, en zijn nog niet onafhankelijk nagemeten.

In de vergelijkingstabel ontbreekt één naam die er voor een koper toe doet. Alibaba's eigen kaart zet Qwen3.8-27B op 73,0 op Terminal-Bench 2.1, boven de 67,8 die Orniths 35B op diezelfde benchmark haalt met het Terminus-2-harnas. Ornith vergelijkt alleen met Qwen3.5 en Qwen3.6. Op Hacker News, waar de release 177 punten haalde, wezen lezers op datzelfde gat. Qwen3.8-27B is bovendien kleiner, dense en staat onder Apache 2.0 met de licentietekst gewoon in de repository.

Op een telefoon draait het nog niet

De kaart van het kleinste model belooft inzet op mobiele apparaten via een gekwantiseerde variant Ornith-1.5-9B-Mobile, en het aankondigingsblog herhaalt dat. Die repository is publiek niet te vinden. Wel staan er van alle drie de modellen GGUF-, FP8-, NVFP4- en MLX-builds klaar, waaronder MLX in 4 bit voor Apple-silicium. De telefoonversie is voorlopig een belofte in een modelkaart, geen download.

Er is ook geen eenvoudige tussenweg tussen zelf draaien en niets. Ornith staat niet in de catalogus van OpenRouter, waar op dit moment 414 modellen per token af te rekenen zijn. Wie 1.5 wil gebruiken, koopt of huurt zelf GPU's.

Voor wie dit iets verandert

De rekensom valt het scherpst uit voor een team dat data om juridische of contractuele redenen binnen het eigen netwerk moet houden en vandaag per token betaalt bij een Amerikaanse aanbieder. Voor dat team is een model van 19 GB dat op één kaart draait een reëel alternatief, en de 35B-variant een serieuze stap omhoog voor twee kaarten. Voor wie vooral goedkoper wil uitkomen zonder die eis, is de kaart een stuk minder eenduidig: de aanschaf van de hardware, het beheer en het uitblijven van een hosted route wegen dan zwaarder dan het verschil van een paar benchmarkpunten.

Het patroon eronder is inmiddels herkenbaar. Open gewichten worden sneller en breder vrijgegeven, in steeds meer maten, door steeds kleinere partijen. Ornith-1.0 werd de afgelopen maand ruim 3,3 miljoen keer opgehaald, dus de vraag is er. Waar de release-cadans op vooruitloopt is de papieren kant: een licentietekst die er echt staat, een herkomst die klopt met het label erboven en een variant die bestaat zodra de modelkaart hem noemt. Zolang die drie achterblijven, is de zwaarste stap bij open-weight AI niet het inrichten van de server, maar het beantwoorden van de vraag wat je precies in handen hebt.