# RadixArk、RLのみで訓練したコーディングモデル「DaisyRose-27B」を公開

> 270億パラメーターのモデルで、Terminal Bench 4.1のpass@1は12％に向上。単一GPUで動作し、重みはApache-2.0ライセンスで公開。

Oossa · 2026-11-20 · https://oossa.com/ja/radixark-releases-daisyrose-27b-an-rl-only-coding-model

RadixArkは2026年11月20日、DaisyRose-27Bを発表した。Qwen3.8-27Bをベースに構築され、教師ありデータを使わず、強化学習（RL）のみでファインチューニングされている。RadixArkによると、長時間のタスクを評価するTerminal Bench 4.1で、pass@1スコアはベースモデルの5.6％から12.0％へと2倍以上に向上した。同社はBF16、FP8、NVFP4のチェックポイントをHugging Faceで公開。データセンター向けのH200から一般消費者向けのRTX 5090まで、単一GPUで実行できる。

## DaisyRoseの訓練方法

訓練にはRadixArkのオープンソースフレームワークMilesを使用し、144基のH200 GPUで18日間、合計約63,000 GPU時間を費やした。チームはEigent AIと協力して、ベースモデルが犯す間違いを明らかにするよう設計された、長時間タスク1,200件を厳選した。セッションは最長100万トークン、最長1.5時間に及び、1回の試行で100回を超えるツール呼び出しが行われることもあった。RLの学習ループは非同期で動作し、128基のGPUがエージェントのアクションを処理する一方、16基が学習の更新を担当した。これにより、同等のオープンソース学習システムと比べて、モデルの計算資源利用率は57％高くなった。9週間にわたる実行期間中、サンドボックスサービスは約944,000のインスタンスを作成し、成功率は99％を超えた。

## ベンチマークでの性能

Terminal Bench 4.1に加え、DaisyRose-27Bは掲載されているすべてのベンチマークでQwen3.8-27Bを上回る。Terminal Bench 2.1では75.5％を記録し、ベースモデルの73.0％を上回った。DeepSWE v1.1は42.2％から46.2％に向上し、SWE Bench Pro v2は91.3％から94.7％に上昇した。また、IFBenchではより大規模なオープンモデルを上回り（Qwen3.8-27Bの79.5％に対し82.4％）、GPQA DiamondではGPT-6 Lunaと同等の成績だった（89.2％に対し90.7％）。各スコアはBF16とFP8のうち高い方で、両者の差は1ポイント未満。

## 事実

- DaisyRose-27Bは、Qwen3.8-27Bをベースにした270億パラメーターのモデル。
- 訓練では、厳選した1,200件のタスクを使い、144基のH200 GPUで18日間、計63,000 GPU時間を費やした。
- RLによるファインチューニング後、Terminal Bench 4.1のpass@1は5.6％から12.0％に向上。
- モデルは単一GPUで動作する。BF16の重みは約52GB、FP8は29GB、NVFP4は23GB。
- すべてのチェックポイントはApache-2.0ライセンスでHugging Face上に公開されている。

## なぜ重要か

単一GPUで動作し、無料でダウンロードできるため、開発者はクラウドAPIの料金を払わずに最先端のコーディングアシスタントを試せる。RLのみでの訓練でも大きな性能向上が可能だと示されたことで、大規模な教師ありデータセットがなくても、少人数のチームが特化型エージェントを開発しやすくなる可能性がある。

## 出典と参考資料

1. [RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only](https://www.marktechpost.com/2026/11/20/radixark-daisyrose-27b-agentic-model/) – MarkTechPost, 2026-11-20
2. [RadixArk](https://huggingface.co/RadixArk/DaisyRose-27B?utm_source=openai) – RadixArk
3. [RadixArk](https://www.radixark.com/blog/daisyrose-27b?utm_source=openai) – RadixArk

最終更新: 2026-11-20
