RadixArk hat DaisyRose-27B am 20. November 2026 vorgestellt. Das Modell basiert auf Qwen3.8-27B und wurde ausschließlich mit Reinforcement Learning (RL) und ohne überwachte Daten feinabgestimmt. Laut RadixArk mehr als verdoppelt das neue Modell den pass@1-Wert beim Langzeittest Terminal Bench 4.1: Er liegt bei 12,0 % gegenüber 5,6 % beim Basismodell. Das Unternehmen hat außerdem Checkpoints in BF16, FP8 und NVFP4 auf Hugging Face veröffentlicht. Das Modell läuft auf einer einzelnen GPU – von H200-Karten für Rechenzentren bis hin zu RTX-5090-Grafikkarten für Verbraucher.
So wurde DaisyRose trainiert
Für das Training kam RadixArks Open-Source-Framework Miles auf 144 H200-GPUs über 18 Tage zum Einsatz, insgesamt rund 63.000 GPU-Stunden. Gemeinsam mit Eigent AI stellte das Team 1.200 Aufgaben mit langem Planungshorizont zusammen, die jeweils darauf ausgelegt waren, Fehler des Basismodells sichtbar zu machen. Die Sitzungen konnten bis zu 1 Million Tokens umfassen und bis zu 1,5 Stunden dauern; pro Versuch waren mehr als 100 Tool-Aufrufe möglich. Die RL-Schleife lief asynchron: 128 GPUs übernahmen die Aktionen des Agenten, während 16 GPUs die Lernupdates ausführten. Dadurch lag die Auslastung der Rechenressourcen 57 % über der eines vergleichbaren Open-Source-Trainingssystems. Während des neunwöchigen Laufs erstellte der Sandbox-Dienst rund 944.000 Sandbox-Instanzen; die Erfolgsquote lag bei über 99 %.
Leistung bei Benchmarks
Neben Terminal Bench 4.1 erzielt DaisyRose-27B bei allen aufgeführten Benchmarks höhere Werte als Qwen3.8-27B. Bei Terminal Bench 2.1 erreicht es 75,5 % gegenüber 73,0 % beim Basismodell. DeepSWE v1.1 verbessert sich von 42,2 % auf 46,2 %, und SWE Bench Pro v2 steigt von 91,3 % auf 94,7 %. Bei IFBench übertrifft das Modell außerdem größere Open-Source-Modelle (82,4 % gegenüber 79,5 % bei Qwen3.8-27B) und liegt bei GPQA Diamond gleichauf mit GPT-6 Luna (90,7 % gegenüber 89,2 %). Angegeben ist jeweils der höhere Wert aus den BF16- und FP8-Läufen; die Unterschiede zwischen beiden liegen unter einem Punkt.
Warum es wichtig ist
Entwickler können einen hochmodernen Coding-Assistenten jetzt ausprobieren, ohne für eine Cloud-API zu bezahlen: Das Modell läuft auf einer einzelnen GPU und kann kostenlos heruntergeladen werden. Das ausschließlich auf RL basierende Training zeigt, dass sich auch ohne große überwachte Datensätze deutliche Verbesserungen erzielen lassen. Das könnte kleineren Teams den Einstieg in die Entwicklung spezialisierter Agenten erleichtern.