Ornith-1.0-35B, "스캐폴드를 스스로 배우는" 코딩 모델 — 3B로 돌고 27B처럼 생각한다
2026-07-01 | 기술 분석 리포트
요약
TL;DR — 2026년 6월 25일 신생 랩 DeepReinforce 가 공개한 오픈소스 코딩 모델 패밀리 Ornith-1.0 . 그중 35B MoE 는 토큰당 약 3B만 활성화 되어 소비자 GPU에서 돌면서도, Terminal-Bench 2.1 64.2 / SWE-Bench Verified 75.6 으로 자기보다 10배 큰 Qwen 3.5-397B(53.5)를 앞섭니다. 핵심 혁신은 강화학습 중 자기 스캐폴딩(self-scaffolding) — 모델이 자신의 문제풀이 뼈대를 스스로 개선하도록 학습합니다. 전 라인업 MIT 라이선스 , 지역 제한 없음.
작성일: 2026-07-01 · 작성: Banya AI 기술노트
1. 등장 — 이름 없는 랩의 강한 데뷔
Ornith-1.0은 DeepReinforce 라는, 그전까지 알려진 정보가 거의 없던 랩의 첫 모델 입니다. Simon Willison조차 "개발사 DeepReinforce에 대해 많은 정보를 찾지 못했다" 고 적었을 정도입니다. 그럼에도 6월 말 오픈소스 커뮤니티가 빠르게 반응한 이유는 두 가지 — 작은 모델이 큰 모델을 이기는 벤치마크 , 그리고 깨끗한 MIT 라이선스 였습니다.
라인업은 코딩·에이전트 특화로 4종:
모델
형태
포지션
Ornith-1.0-9B
Dense
초경량, 품질 우선
Ornith-1.0-31B
Dense
중형
Ornith-1.0-35B
MoE (활성 ~3B)
속도/효율 스윗스팟
Ornith-1.0-397B
MoE
프론티어급 플래그십
베이스는 Qwen 3.5 / Gemma 4 계열 사전학습 가중치 위에 포스트트레이닝한 것으로 알려졌습니다.
2. 핵심 혁신 — Self-Scaffolding RL
이 모델의 이름값은 벤치마크보다 학습 방법 에 있습니다. 보통의 에이전트 모델은 사람이 설계한 프롬프트 뼈대(스캐폴드) 위에서 동작하는데, Ornith는 그 스캐폴드 자체를 강화학습으로 스스로 만들어 갑니다.
동작은 2단계 최적화입니다:
스캐폴드 제안 — 모델이 과제와 이전 스캐폴드 를 읽고, 개선된 스캐폴드를 제안한다.
솔루션 생성 — 그 스캐폴드로 실제 해답을 만들고, 리워드 피드백이 두 단계 모두로 역전파 된다.
기술적으로는 토큰 단위 GRPO 목적함수를 쓰고, 파이프라인-RL 비동기 학습 으로 오래된(stale) 토큰에 보정 가중치를 적용합니다. 요컨대 "문제를 어떻게 풀지(전략)" 와 "실제로 푸는 것(실행)" 을 함께 최적화하는 셈입니다. 작은 활성 파라미터로도 큰 모델급 에이전트 행동이 나오는 배경이 여기에 있습니다.
3. 벤치마크 — 작은 모델의 반란
3.1. 35B MoE (오늘의 주인공)
벤치마크
Ornith-1.0-35B
비교
Terminal-Bench 2.1
64.2
Qwen 3.5- 397B = 53.5 (10배 큰 모델을 상회)
SWE-Bench Verified
75.6
Qwen 3.5-35B · Qwen 3.6-35B · Gemma 31B 대비 우위
참고로 막내 9B Dense 도 SWE-Bench Verified 69.4 로 Gemma 4-31B(52)를 3분의 1 크기로 넘어섭니다. MoE 구조 덕에 35B가 Dense 9B보다 오히려 빠르면서 정확도는 더 높은 역전 현상도 관찰됩니다.
3.2. 플래그십 397B (맥락용)
벤치마크
397B
참고
Terminal-Bench 2.1
77.5
Claude Opus 4.8=85, GLM-5.2-744B=81.0, Opus 4.7=70.3
SWE-Bench Verified
82.4
SWE-Bench Pro
62.2
SWE-Bench Multilingual
78.9
ClawEval (avg)
77.1
397B는 최상위 폐쇄 모델에 아직 못 미치지만(Opus 4.8=85), 오픈소스 진영에서 GLM-5.2 바로 아래를 형성합니다. 진짜 이야깃거리는 그 아래, 35B가 만드는 가성비 곡선 입니다.
4. 로컬에서 진짜 도나? — 커뮤니티 실측
"작은 모델이 크게 친다"는 주장은 로컬 실행 커뮤니티에서 즉시 검증대에 올랐습니다. 하드웨어별로 편차가 큰 만큼 그대로 옮깁니다.
Simon Willison (LM Studio, 35B GGUF): Datasette 저장소 코드 검색을 "쉽게" 처리, 약 103 tok/s . "초기 인상은 매우 좋다 … 여러 도구 호출에 걸쳐 에이전트 하네스를 능숙하게 돌린다." (펠리컨 이미지엔 "약간 깨졌지만 펠리컨인 건 분명" 이라는 유쾌한 단서도.)
HF 유저 Jacob1970 (RTX 4090 24GB): 150+ tok/s 보고.
DGX Spark 실측 ( DevelopersIO , 35B-FP8): 약 37.5 tok/s , 메모리 ~36GB(KV 포함 50~60GB). 공식 FP8 양자화 제공으로 단일 워크스테이션에서 실무 가능.
배포 포맷도 친절합니다 — GGUF · FP8 가 공식 제공되어 llama.cpp 에서 별도 개조 없이 로드됩니다. HF 토론에서는 "Great release, will take it on a proper spin" , "Qwen 3.6 35B 대체 후보로 이번 주 테스트해보겠다" 같은 기대가 이어졌습니다.
5. 흥미로운 디테일 — 강점과 한계
DGX Spark의 일본어 교차 테스트가 이 모델의 성격을 잘 드러냅니다.
상식(JCQ) : 35B-FP8 92.0% , 9B 93.0% — 일본어 특화 Nemotron 9B(87.3%)를 상회.
도구 호출(BFCL v4) : Simple 90.25% , Multiple 92.0% 로 실무 수준. 단 Parallel 호출 78.5% · 실제 쿼리 74.4% 로 병렬·현실 데이터에서 하락 .
자유형식 작성(ELYZA) : 흥미롭게도 9B(3.89점) > 35B-FP8(2.61점) . 코딩·에이전트에 특화된 35B가 자유 서술 에서는 오히려 밀립니다.
즉 Ornith 35B는 "코딩·도구 사용 에이전트"에 최적화된 특기병 이지, 만능 챗봇이 아닙니다. 또 하나 — <think> 블록이 항상 켜져 있어 응답이 장황해질 수 있으므로 max_tokens=2048~4096 설정이 권장됩니다.
정리하면:
강점
한계
소비자 GPU에서 27B급 코딩 성능
병렬 도구호출·복합 현실 쿼리에서 성능 저하
MIT 라이선스, 지역 제한 없음
자유형식 글쓰기 등 비(非)코딩 작업 약함
GGUF/FP8 공식 제공, 즉시 로컬 실행
랩(DeepReinforce)의 실적·투명성 정보 부족
self-scaffolding으로 긴 에이전트 루프에 강함
<think> 상시 활성 → 토큰/지연 관리 필요
6. 정리 — "벤치마크 경쟁"에서 "워크플로우 경쟁"으로
Ornith-1.0이 던지는 메시지는 단순한 점수표를 넘어섭니다. 한 분석( Remio )의 표현대로, 오픈소스 에이전틱 코딩 경쟁은 이제 "벤치마크 대결이 아니라 워크플로우 대결 " 로 이동하고 있습니다. self-scaffolding은 정확히 그 지점 — 모델이 스스로 작업 절차를 만들어 긴 도구 루프를 버티는 능력 — 을 겨냥합니다.
이럴 때 써볼 만합니다:
로컬/온프렘에서 저비용 코딩 에이전트 를 돌리고 싶을 때 (35B-FP8이 스윗스팟)
MIT 라이선스 로 상업적 자유 배포가 필요할 때
다중 도구 호출이 이어지는 에이전트 하네스 작업
기대를 낮춰야 할 때:
병렬 도구 오케스트레이션이 매우 복잡하거나, 정제되지 않은 현실 데이터가 많을 때
코딩보다 자유 서술·창의적 글쓰기 가 주 용도일 때
공급자 신뢰성·장기 지원이 도입 조건일 때 (신생 랩 리스크)
MiniMax M3가 "프론티어를 싸게"라면, Ornith 35B는 "프론티어급 에이전트 행동을, 내 노트북에서, 공짜 라이선스로" 를 노립니다. 작은 활성 파라미터 + 자기 스캐폴딩이라는 조합이 하반기 로컬 코딩 모델 판도에서 어디까지 갈지 지켜볼 만합니다.
출처
MarkTechPost — DeepReinforce Releases Ornith-1.0 (Self-Scaffolding RL)
Simon Willison — Ornith-1.0: Self-Scaffolding LLMs for Agentic Coding
Andrew Zhu (Medium) — Runs Like 3B, Thinks Like 27B
DevelopersIO — Ornith-1.0 on DGX Spark, Japanese benchmark vs Gemma 4 / Nemotron
Hugging Face — Ornith-1.0-35B · GGUF 토론 · FP8
GitHub — deepreinforce-ai/Ornith-1
Ornith 공식 벤치마크
KuCoin — 35B MoE Outperforms Larger Models
Remio — Workflow Battle, Not Just a Benchmark Contest
본 글은 2026-07-01 기준 공개 자료 종합입니다. 공식 페이지(deep-reinforce.com) 직접 접근이 제한되어 2차 출처(MarkTechPost·Simon Willison·HF·DevelopersIO 등)와 커뮤니티 실측을 교차 검증해 작성했으며, 벤치마크 수치는 매체별로 소수점 차이가 있을 수 있습니다.