RadixArk ha annunciato il lancio di DaisyRose-27B il 20 novembre 2026. Il modello è basato su Qwen3.8-27B ed è stato ottimizzato esclusivamente con l’apprendimento per rinforzo (RL), senza dati supervisionati. Secondo RadixArk, il nuovo modello più che raddoppia il punteggio pass@1 sul benchmark a lungo orizzonte Terminal Bench 4.1, raggiungendo il 12.0 % contro il 5.6 % del modello di base. L’azienda ha inoltre pubblicato su Hugging Face checkpoint BF16, FP8 e NVFP4; il modello può essere eseguito su una singola GPU, dalle schede H200 per data center alle GPU consumer RTX 5090.
Come è stato addestrato DaisyRose
L’addestramento ha utilizzato il framework open source Miles di RadixArk su 144 GPU H200 per 18 giorni, per un totale di circa 63,000 ore-GPU. In collaborazione con Eigent AI, il team ha selezionato 1,200 attività a lungo orizzonte, ciascuna pensata per mettere in evidenza gli errori del modello di base. Le sessioni potevano arrivare a 1 million di token e durare fino a 1.5 ore, con oltre 100 chiamate agli strumenti per tentativo. Il ciclo di RL era asincrono: 128 GPU gestivano le azioni dell’agente, mentre 16 GPU eseguivano gli aggiornamenti di apprendimento. In questo modo, l’utilizzo delle risorse di calcolo del modello è risultato superiore del 57 % rispetto a quello di un trainer open source comparabile. Nel corso delle nove settimane di esecuzione, il servizio sandbox ha creato circa 944,000 istanze, con un tasso di successo superiore al 99 %.
Prestazioni nei benchmark
Oltre che su Terminal Bench 4.1, DaisyRose-27B ottiene risultati migliori di Qwen3.8-27B in tutti i benchmark elencati. Su Terminal Bench 2.1 raggiunge il 75.5 %, contro il 73.0 % del modello di base. DeepSWE v1.1 passa dal 42.2 % al 46.2 %, mentre SWE Bench Pro v2 sale al 94.7 % dal 91.3 %. Il modello supera anche modelli open più grandi su IFBench (82.4 % contro il 79.5 % di Qwen3.8‑27B) e tiene testa a GPT‑6 Luna su GPQA Diamond (90.7 % contro 89.2 %). Tutti i punteggi corrispondono al migliore tra i risultati delle versioni BF16 e FP8, che differiscono di meno di un punto.
Perché conta
Gli sviluppatori possono provare un assistente di coding all’avanguardia senza pagare un’API cloud, perché il modello gira su una singola GPU ed è scaricabile gratuitamente. L’addestramento basato solo su RL dimostra che si possono ottenere miglioramenti significativi senza grandi dataset supervisionati, riducendo potenzialmente le difficoltà per i team più piccoli che vogliono creare agenti specializzati.