Ornith-1.5: open AI-model claimt niveau van Claude Opus 4.8

TL;DR

• Wat: DeepReinforce bracht op 19 augustus Ornith-1.5 uit — een open-weight AI-model in drie formaten, waarvan het grootste op eigen benchmarks vergelijkbaar scoort met Claude Opus 4.8.
• Waarom relevant: een krachtig AI-model onder MIT-licentie betekent dat je het vrij kunt inzetten in je eigen bedrijfsomgeving, zonder abonnementskosten per API-call.
• Wat je ermee kunt: afwachten tot onafhankelijke benchmarks verschijnen, en dan beoordelen of dit model past bij jouw use case — vooral als je privacy of kosten belangrijk vindt.

Ik stuitte deze week op een aankondiging die me deed opkijken. Het AI-onderzoeksteam DeepReinforce — dat opereert onder de naam Ornith — bracht vorige week een nieuw open-weight model uit: Ornith-1.5. Het bijzondere? Volgens de eigen metingen presteert het grootste model op het niveau van Claude Opus 4.8, een van de krachtigste commerciële modellen op dit moment. Dat is op z'n minst het bekijken waard.

Wat is Ornith-1.5 precies?

Ornith-1.5 is niet één model, maar een familie van drie modellen die op 19 augustus 2026 zijn vrijgegeven onder de MIT-licentie. Dat laatste is belangrijk: MIT betekent dat je het model vrij mag gebruiken, aanpassen en commercieel inzetten zonder restricties.

De drie varianten:

• Ornith-1.5-397B — het vlaggenschip. Een zogenaamd Mixture-of-Experts (MoE) model met 397 miljard parameters. Bij een MoE-model worden niet alle parameters tegelijk gebruikt; het model activeert alleen de relevante 'experts' per taak, wat het efficiënter maakt dan je op basis van dat getal zou denken.
• Ornith-1.5-35B-A3B — een compacter MoE-model met 35 miljard parameters totaal, waarvan slechts 3 miljard actief zijn per berekening. Handig voor wie minder rekenkracht beschikbaar heeft.
• Ornith-1.5-9B — een klein, 'dicht' model van 9 miljard parameters. Er is zelfs een gekwantiseerde Mobile-versie die op smartphones kan draaien.

Alle modellen zijn beschikbaar via Hugging Face, inclusief diverse gekwantiseerde versies (FP8, GGUF, MLX, NVFP4) voor verschillende hardware-configuraties.

De benchmarks: indrukwekkend, maar met een kanttekening

Hier wordt het interessant — en tegelijk is voorzichtigheid geboden. Op de eigen benchmarks van Ornith scoort het 397B-model als volgt:

• Terminal-Bench 2.1: 86,1 (tegenover 85,0 voor Claude Opus 4.8)
• SWE-Bench Verified: 86
• GPQA Diamond: 92,8
• ClawEval: 81,4

Dat zijn cijfers die suggereren dat dit model mee kan spelen op het allerhoogste niveau. Volgens de brontweet verslaat het ook DeepSeek-V4-Flash-0731 en GLM 5.2.

Maar — en dit is een belangrijke maar — op DeepSWE scoort Ornith-1.5 een 56, waar Claude Opus 4.8 een 59 haalt. Het beeld is dus niet op élke benchmark beter.

En dan de grootste kanttekening: alle cijfers komen van Ornith zelf. Er is op dit moment nog geen onafhankelijke verificatie. Zoals een analyst het verwoordde: open modellen hebben een geschiedenis van wat hij een "benchmark haircut" noemt — de scores vallen vaak iets lager uit zodra externe partijen ze onafhankelijk testen. Ik vind het daarom verstandig om deze cijfers met interesse maar ook met een gezonde dosis scepsis te bekijken.

Wat maakt de trainingsmethode bijzonder?

Wat mij persoonlijk het meest opvalt aan Ornith-1.5 is niet zozeer de benchmarkscore, maar de manier waarop het model getraind is. Ornith noemt het "From Self-Scaffolding to Self-Improvement" — en het idee is eigenlijk best elegant.

In plaats van dat menselijke onderzoekers een vaste lijst met oefenopgaven maken, bedenkt het model zélf nieuwe taken. Het bouwt vervolgens een soort testomgeving om die taken op te lossen, genereert meerdere oplossingen, en gebruikt de resultaten daarvan als trainingsdata voor de volgende ronde. Een gesloten leercirkel, dus.

Stel dat je als ondernemer een medewerker hebt die niet alleen de taken uitvoert die je geeft, maar zelf ook bedenkt welke vaardigheden hij nog mist en daar zelfstandig op oefent. Dat is in essentie wat dit model doet — althans, dat is de claim. Het is een voortzetting van wat Ornith al in versie 1.0 (juni 2026) introduceerde, maar dan doorontwikkeld.

Of dit in de praktijk ook echt tot betere resultaten leidt buiten de benchmarks om, is een vraag die ik graag beantwoord zou zien door onafhankelijke tests.

Wat betekent dit voor jou als ondernemer?

Ik merk dat veel ondernemers AI nog vooral kennen als iets waarvoor je een abonnement afsluit bij OpenAI, Google of Anthropic. En dat werkt prima. Maar een open-weight model als Ornith-1.5 opent een andere deur.

Kosten en controle

Een open model onder MIT-licentie kun je op je eigen servers draaien — of bij een cloudprovider naar keuze. Dat betekent: geen kosten per API-aanroep, en volledige controle over je data. Voor bedrijven die met gevoelige klantgegevens werken — denk aan juridische dienstverlening, financiële advisering, of gezondheidszorg — kan dat een relevant verschil zijn.

De keerzijde: je hebt wel de technische kennis nodig om zo'n model te hosten en onderhouden. Het 397B-model vraagt bovendien serieuze hardware. De kleinere varianten (35B en 9B) zijn toegankelijker, maar presteren ook minder krachtig.

Kleinere modellen, praktische toepassingen

Ik vind het eerlijk gezegd fascinerend dat het 9B-model op een smartphone kan draaien. Kun je je voorstellen wat dat betekent als je een app bouwt die offline AI-functionaliteit nodig heeft? Of als je buitendienstmedewerkers hebt die op locaties werken zonder stabiele internetverbinding? Dat zijn scenario's waar een klein, lokaal draaiend model ineens heel praktisch wordt.

Het 9B-model presteert volgens Ornith beter dan Gemma-4-31B van Google, ondanks dat het kleiner is. Als dat klopt na onafhankelijke verificatie, is dat opvallend.

Wachten op bewijs

Mijn concrete advies: neem dit nog niet als uitgangspunt voor beslissingen. De benchmarks zijn veelbelovend maar onbevestigd. Meerdere bronnen adviseren om twee tot drie weken te wachten tot onafhankelijke evaluaties beschikbaar zijn. Dat lijkt me verstandig.

De bredere trend: open modellen worden serieus

Wat mij het meest bezighoudt bij dit soort releases, is niet zozeer dit ene model, maar het patroon. Een jaar geleden waren open modellen nog duidelijk een klasse lager dan de beste commerciële opties. Die kloof wordt zichtbaar kleiner.

Als open modellen daadwerkelijk op het niveau komen van de beste commerciële alternatieven — en de MIT-licentie maakt commercieel gebruik expliciet mogelijk — dan verandert dat de rekensommetjes voor ondernemers. Niet vandaag, misschien niet morgen, maar de richting is duidelijk.

Voor mij is dit vooral een signaal om de ontwikkelingen rond open AI-modellen serieus te blijven volgen. Niet om er nu op over te stappen, maar om voorbereid te zijn op het moment dat het wél praktisch haalbaar wordt voor jouw situatie.