Цифра 82.4 против 80.8 на SWE-Bench Verified — настоящая. Вот только сравнивают в ней Ornith-1.0 не с актуальным Claude, а с прошлогодним: Opus 4.7 уже заменён на Opus 4.8, и именно ему флагман DeepReinforce проигрывает почти по всем фронтам — местами с разрывом в 20+ пунктов. А самое интересное в этом релизе вообще не в таблице лидеров. Оно в том, как именно эта модель училась: ей не давали готовый «обвес» от инженеров — она генерировала его себе сама, прямо в процессе обучения с подкреплением. Давайте разберёмся, что здесь хайп, а что — реально новый приём...