Ornith-1.0 — '자기 스캐폴딩' 오픈소스 코딩 모델이 바꾸는 에이전틱 개발

핵심 요약

2026년 6월 25일 DeepReinforce가 Ornith-1.0 오픈소스 코딩 모델 패밀리를 공개했다(〈DeepReinforce Blog〉 2026.06.25). 핵심은 'Self-Scaffolding' — 모델이 사람이 만든 에이전트 하네스 안에서만 동작하는 대신, 스스로 오케스트레이션 로직(스캐폴드)을 생성·학습한다는 점이다. 플래그십 397B MoE는 Terminal-Bench 2.1 77.5%, SWE-Bench Verified 82.4%로 Claude Opus 4.7(70.3%·80.8%)을 상회한다고 발표됐다. MIT 라이선스, 9B Dense는 엣지·온프레미스 배포를 겨냥한다.

무슨 일이 있었나

모델 라인업 (〈DeepReinforce Blog〉 2026.06.25)

• 9B Dense, 31B Dense, 35B MoE, 397B MoE
• 베이스: Gemma 4, Qwen 3.5 사전학습 위 에이전틱 코딩 특화 포스트트레인
• MIT 라이선스, 지역 제한 없음

Self-Scaffolding 개념

• 기존: RL이 고정된 human-designed harness 안에서 솔루션만 최적화
• Ornith: 솔루션 롤아웃과 태스크별 harness를 동시에 학습 — "모델이 자기 에이전트를 쓴다"(〈Emergent.sh〉 2026.07.02)

벤치마크 (〈DeepReinforce Blog〉 2026.06.25)

| 모델 | Terminal-Bench 2.1 | SWE-Bench Verified |

|------|-------------------|-------------------|

| Ornith-1.0-397B | 77.5% | 82.4% |

| Claude Opus 4.7 | 70.3% | 80.8% |

| Ornith-1.0-9B | 43.1% | 69.4% |

• 9B가 Gemma 4-31B·Qwen 3.6 35B급 대형 모델과 동급·상회 (〈DeepReinforce Blog〉 2026.06.25)

생태계

• 터미널 네이티브 코딩 에이전트에 최적화 — OpenHands, Aider 등과 연동 논의(〈Emergent.sh〉 2026.07.02)

시장·기술 해석

왜 주목하는가

• 에이전틱 코딩은 2026년 개발 도구의 중심 축 — Cursor 3, Claude Code, Copilot agent 모드 등
• Ornith는 하네스 설계까지 모델에 내재화 — "프롬프트+툴 래핑" 엔지니어링 비용 재분배 가능

한계·주의

• 벤치마크는 하네스·설정에 민감 — Cursor Composer 2 vs Opus 4.6 논쟁과 유사(〈xix.ai〉 2026.03)
• 397B MoE는 인프라 부담 — 실무는 9B·35B부터 검증
• Gemma/Qwen 파생 — 상업 지원·보안 패치는 자체 책임

고유 인사이트

• Ornith-1.0의 실무적 의미는 "벤치마크 1위"보다 '하네스를 모델 출력으로 분리' 가능성에 있다. 지금 팀은 에이전트 프레임워크(LangGraph, ADK, Genkit Agents)와 모델을 따로 고르지만, Self-Scaffolding이 성숙하면 태스크별 오케스트레이션이 모델 체크포인트에 번들될 수 있다. 즉 MLOps 관점에서 "에이전트 설정 파일"이 모델 artifact의 일부가 되는 그림 — 버전 관리·재현성 설계를 미리 갖춰두는 것이 유리하다.

체크포인트와 리스크

• 체크포인트
• 9B 로컬 추론 지연·VRAM (노트북·单 GPU)
• 실제 레포에서 SWE-Bench와 괴리 — 내부 스모크 테스트 권장
• MIT 라이선스 vs 학습 데이터 출처 컴플라이언스

• 리스크 요인
• 오픈 가중치 보안(악성 코드 생성) — 샌드박스·권한 필수
• 벤치마크 오버피팅 — 장기 유지보수 태스크 검증 부족
• Claude·GPT 등 클로즈드 모델 속도 추격

마무리

Ornith-1.0은 에이전틱 코딩에서 '스캐폴드까지 학습' 이라는 새 축을 제시했다. 오픈소스·MIT·9B 엣지 조합은 온프레미스·에어갭 팀에 대안이 될 수 있다. 다만 벤치마크 → 프로덕션 갭은 여전히 크므로, 본인 레포에서 소규모 파일럿 후 도입을 검토하는 것이 현실적이다.

참고 자료

• Ornith-1.0: Self-Scaffolding LLMs for Agentic Coding - DeepReinforce Blog (2026-06-25)
• Ornith-1.0: The Open Model That Writes Its Own Agent - Emergent.sh (2026-07-02)