RadixArk anunció el lanzamiento de DaisyRose-27B el 20 de noviembre de 2026. El modelo está basado en Qwen3.8-27B y se ajustó exclusivamente mediante aprendizaje por refuerzo (RL), sin datos supervisados. Según RadixArk, el nuevo modelo más que duplica la puntuación pass@1 en la prueba de largo horizonte Terminal Bench 4.1, hasta alcanzar el 12.0 %, frente al 5.6 % del modelo base. La empresa también publicó puntos de control BF16, FP8 y NVFP4 en Hugging Face. El modelo puede ejecutarse en una sola GPU, desde tarjetas H200 para centros de datos hasta GPU RTX 5090 de consumo.
Cómo se entrenó DaisyRose
Para el entrenamiento se usó el framework de código abierto Miles, de RadixArk, en 144 GPU H200 durante 18 días, lo que sumó unas 63 000 horas de GPU. El equipo seleccionó 1,200 tareas de largo horizonte junto con Eigent AI; cada una estaba diseñada para poner de manifiesto errores del modelo base. Las sesiones podían alcanzar 1 millón de tokens y durar hasta 1.5 horas, con más de 100 llamadas a herramientas por intento. El ciclo de RL se ejecutó de forma asíncrona: 128 GPU gestionaban las acciones del agente, mientras que 16 GPU realizaban las actualizaciones de aprendizaje. Así, la utilización de la capacidad de cómputo del modelo fue un 57 % superior a la de un entrenador de código abierto comparable. Durante las nueve semanas de ejecución, el servicio de sandbox creó alrededor de 944 000 instancias, con una tasa de éxito superior al 99 %.
Resultados en pruebas de referencia
Además de en Terminal Bench 4.1, DaisyRose-27B obtiene mejores resultados que Qwen3.8-27B en todas las pruebas de referencia enumeradas. En Terminal Bench 2.1 alcanza el 75.5 %, frente al 73.0 % del modelo base. DeepSWE v1.1 sube del 42.2 % al 46.2 %, y SWE Bench Pro v2 pasa del 91.3 % al 94.7 %. El modelo también supera a modelos abiertos de mayor tamaño en IFBench (82.4 %, frente al 79.5 % de Qwen3.8‑27B) y queda a la par de GPT‑6 Luna en GPQA Diamond (90.7 % frente a 89.2 %). Todas las puntuaciones corresponden al mejor resultado entre las ejecuciones BF16 y FP8, cuya diferencia es inferior a un punto.
Por qué importa
Ahora los desarrolladores pueden probar un asistente de programación de última generación sin pagar por una API en la nube, ya que el modelo funciona con una sola GPU y se puede descargar gratis. El entrenamiento solo con RL demuestra que es posible lograr mejoras importantes sin grandes conjuntos de datos supervisados, lo que podría facilitar que equipos pequeños desarrollen agentes especializados.