AB
AiBoss
News

RadixArk 发布 DaisyRose-27B:强化学习后训练效率提升

RadixArk 在 Hugging Face 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 框架做强化学习后训练,Terminal-Bench 4.1 pass@1 从 5.6% 升至 12.0%,权重以 Apache 2.0 开放。

核心事实

据 Hugging Face 博客文章,RadixArk 于 11 月 18 日发布其首个模型 DaisyRose-27B。该模型基于 Qwen3.8-27B,使用其开源强化学习框架 Miles 训练,面向长程智能体任务,单次会话最长可达 100 万 token。团队称仅用 1,200 条精选任务、在 144 块 H200 GPU 上训练 18 天完成。文章给出的评测中,Terminal-Bench 4.1 的 pass@1 由 5.6% 提升至 12.0%,其余多项推理、指令遵循与编程基准也有提升。模型保留原架构、分词器、聊天模板、图像理解能力与 256K token 上下文窗口,提供 BF16、FP8、NVFP4 三种检查点,采用 Apache 2.0 许可。

背景与影响

文章将成效归因于三部分:与 Eigent AI 合作构建、围绕原模型错误设计的训练任务;全异步训练后端,其中 128 块 GPU 跑智能体推理、16 块跑训练器,并称同等训练所需 GPU 时间减少 57%;以及基于开源 AgentENV 的沙箱服务,九周内创建约 94.4 万个沙箱,成功率 99%,10 月下旬起超过 99.95%。官方建议用 SGLang 配合 DSpark 推测解码部署,推理设置以模型卡为准。

限制与来源

上述基准分数、成本与效率数字均来自 RadixArk 自行发布的文章,尚未见独立第三方复现;评测取 BF16 与 FP8 中较高者。模型可用性、许可与部署配置请以 Hugging Face 模型卡及官网当前信息为准。来源:huggingface.co 博客文章《DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency》。