Daniel Henrique

Where Newcastle stories, football noise, and late-night opinions meet 🖤🤍

[Daniel Henrique @Danielhmdc]

Социализация идёт нахуй.

[Daniel Henrique @Danielhmdc]

Счастливая

[Daniel Henrique @Danielhmdc]

В какой-то момент понимаешь: «Я — само воплощение невозмутимости Джека».

[Daniel Henrique @Danielhmdc]

Fairy-story architecture in Moscow. These buildings look like they stepped straight from a magical tale.

[Daniel Henrique @Danielhmdc]

@dudu_showman ميلاد مجيد، ليحل السلام والمحبة في كل القلوب

[Daniel Henrique @Danielhmdc]

توصل نيوكاسل يونايتد وتوتنهام هوتسبير إلى اتفاق بشأن ساندرو تونالي. سيبيعه نيوكاسل مقابل 92. 5 مليون جنيه إسترليني، مع 7. 5 مليون إضافات. قد أبكي بسبب هذا… شكرًا يا ساندرو.

[Daniel Henrique @Danielhmdc]

@Lelinho_Santos A simple habit that makes creative momentum much easier to sustain

[LelinhoSantos @Lelinho_Santos]

An idea bank turns random sparks into a system you can return to when motivation is low

[Daniel Henrique @Danielhmdc]

أضاف نيوكاسل حارس برايتون كارل راشوورث إلى قائمة أهدافه، ويجري محادثات لضمه، مع استمرار النقاشات بشأن التعاقد مع حارس مانشستر سيتي جيمس ترافورد.

[Daniel Henrique @Danielhmdc]

رسميًا: أعلن نيوكاسل يونايتد التعاقد مع الجناح الإيفواري بازومانا توريه من هوفنهايم بعقد طويل الأمد مقابل نحو 42. 5 مليون جنيه إسترليني.

[Daniel Henrique @Danielhmdc]

@ornith_ Exciting to see open-source models pushing performance across such a wide range of sizes

[Ornith @ornith_]

Aloha! 🌺Introducing Ornith-1.5, a family of open-source LLMs spanning 9B Dense, 35B MoE, and 397B MoE, trained with self-improving strategies.

It achieves state-of-the-art performance among open-source models of comparable size and delivers performance comparable to Claude Opus 4.8 across reasoning, agentic, and coding tasks:
✅Terminal-Bench 2.1 (86.1)
✅SWE-Bench (86 on verified, 65.1 on pro, 79.6 on Multilingual)
✅DeepSWE (56)
✅HLE (44.6)
✅ClawEval (81.4)
✅Tool Decathlon (71.2)

Ornith-1.5 takes a major step toward training foundation models through end-to-end self-improvement, extending the self-scaffolding strategies introduced in Ornith-1.0 into a more complete self-improvement loop: the model proposes new tasks, generates task-specific scaffolds, and produces solution rollouts for reinforcement learning, continuously creating new learning experiences from which it can improve.

All models, along with their quantized versions (FP8, GGUF, MLX, and NVFP4), have been released under the MIT License, enabling unrestricted commercial and research use.
📘Tech Blog: https://t.co/OZ63scRWLB
🤗Huggingface: https://t.co/mGJLwhrQOM