Oossa

RadixArk lance DaisyRose-27B, un modèle de code entraîné uniquement par RL

Ce modèle de 27 milliards de paramètres porte le score pass@1 de Terminal Bench 4.1 à 12 % et fonctionne sur un seul GPU ; ses poids sont disponibles en open source sous licence Apache-2.0.

Par Publié par Oossa: 1 min de lecture

Fatos Bytyqi · Unsplash

RadixArk a annoncé le lancement de DaisyRose-27B le 20 novembre 2026. Le modèle repose sur Qwen3.8-27B et a été affiné uniquement par apprentissage par renforcement (RL), sans données supervisées. Selon RadixArk, le nouveau modèle fait plus que doubler le score pass@1 au benchmark Terminal Bench 4.1, à long horizon, pour atteindre 12.0 % contre 5.6 % pour le modèle de base. L’entreprise a également publié des checkpoints BF16, FP8 et NVFP4 sur Hugging Face. Le modèle peut être exécuté sur un seul GPU, des cartes H200 pour centres de données aux GPU grand public RTX 5090.

Comment DaisyRose a été entraîné

L’entraînement a utilisé le framework open source Miles de RadixArk sur 144 GPU H200 pendant 18 jours, soit environ 63,000 heures-GPU au total. L’équipe a sélectionné 1,200 tâches à long horizon en partenariat avec Eigent AI, chacune conçue pour mettre en évidence les erreurs du modèle de base. Les sessions pouvaient atteindre 1 million de tokens et durer jusqu’à 1.5 heure, avec plus de 100 appels à des outils par tentative. La boucle de RL fonctionnait de manière asynchrone : 128 GPU géraient les actions de l’agent tandis que 16 GPU effectuaient les mises à jour du modèle, ce qui a permis d’obtenir une utilisation des ressources de calcul supérieure de 57 % à celle d’un entraîneur open source comparable. Au cours des neuf semaines d’entraînement, le service de sandbox a créé environ 944,000 instances, avec un taux de réussite supérieur à 99 %.

Résultats aux benchmarks

Outre Terminal Bench 4.1, DaisyRose-27B obtient de meilleurs résultats que Qwen3.8-27B sur tous les benchmarks mentionnés. Sur Terminal Bench 2.1, il atteint 75.5 % contre 73.0 % pour le modèle de base. DeepSWE v1.1 progresse de 42.2 % à 46.2 %, et SWE Bench Pro v2 passe de 91.3 % à 94.7 %. Le modèle dépasse également des modèles open source plus grands sur IFBench (82.4 % contre 79.5 % pour Qwen3.8-27B) et fait jeu égal avec GPT-6 Luna sur GPQA Diamond (90.7 % contre 89.2 %). Tous les scores correspondent au meilleur résultat entre les versions BF16 et FP8, dont l’écart est inférieur à un point.

Pourquoi c'est important

Les développeurs peuvent désormais essayer un assistant de programmation de pointe sans payer pour une API cloud, puisque le modèle fonctionne sur un seul GPU et peut être téléchargé gratuitement. L’entraînement uniquement par RL montre qu’il est possible d’obtenir des progrès importants sans vastes jeux de données supervisées, ce qui pourrait faciliter la création d’agents spécialisés par de petites équipes.

Cet article vous a-t-il été utile ?
Partager

À lire ensuite

Oossa · Newsletter

La semaine de l'IA, expliquée

Chaque lundi : l'essentiel de l'actualité, en langage clair. Gratuit, sans spam.