Oossa

RadixArk lança DaisyRose-27B, modelo de código treinado só com RL

O modelo de 27 bilhões de parâmetros eleva o pass@1 no Terminal Bench 4.1 a 12% e roda em uma única GPU; os pesos são de código aberto sob a licença Apache-2.0.

Por Publicado pelo Oossa: 1 min de leitura

Fatos Bytyqi · Unsplash

A RadixArk anunciou o lançamento do DaisyRose-27B em 20 de novembro de 2026. O modelo é baseado no Qwen3.8-27B e foi ajustado apenas com aprendizado por reforço (RL), sem dados supervisionados. Segundo a RadixArk, o novo modelo mais que dobra a pontuação pass@1 no benchmark de tarefas de longa duração Terminal Bench 4.1, chegando a 12,0%, ante 5,6% do modelo-base. A empresa também lançou checkpoints BF16, FP8 e NVFP4 no Hugging Face, e o modelo pode rodar em uma única GPU, desde placas H200 para data centers até GPUs RTX 5090 para consumidores.

Como o DaisyRose foi treinado

O treinamento usou o framework de código aberto Miles, da RadixArk, em 144 GPUs H200 durante 18 dias, totalizando cerca de 63.000 horas de GPU. A equipe selecionou 1.200 tarefas de longa duração em parceria com a Eigent AI, cada uma criada para expor erros cometidos pelo modelo-base. As sessões podiam chegar a 1 milhão de tokens e durar até 1,5 hora, com mais de 100 chamadas de ferramentas por tentativa. O ciclo de RL foi executado de forma assíncrona: 128 GPUs cuidavam das ações do agente, enquanto 16 GPUs realizavam as atualizações de aprendizado, mantendo a utilização computacional do modelo 57% acima da de um treinador de código aberto comparável. Ao longo das nove semanas de execução, o serviço de sandbox criou cerca de 944.000 instâncias, com taxa de sucesso superior a 99%.

Desempenho em benchmarks

Além do Terminal Bench 4.1, o DaisyRose-27B supera o Qwen3.8-27B em todos os benchmarks listados. No Terminal Bench 2.1, alcança 75,5%, ante 73,0% do modelo-base. O DeepSWE v1.1 melhora de 42,2% para 46,2%, e o SWE Bench Pro v2 sobe de 91,3% para 94,7%. O modelo também supera modelos abertos maiores no IFBench (82,4% contra 79,5% do Qwen3.8-27B) e iguala o GPT-6 Luna no GPQA Diamond (90,7% contra 89,2%). Todas as pontuações correspondem ao melhor resultado entre as execuções BF16 e FP8, que diferem em menos de um ponto.

Por que importa

Agora, desenvolvedores podem experimentar um assistente de programação de última geração sem pagar por uma API na nuvem, já que o modelo roda em uma única GPU e pode ser baixado gratuitamente. O treinamento apenas com RL mostra que é possível obter ganhos significativos sem grandes conjuntos de dados supervisionados, o que pode facilitar para equipes menores a criação de agentes especializados.

Este artigo foi útil?
Compartilhar

Leia a seguir

Oossa · Newsletter

A semana em IA, explicada

Toda segunda-feira: as notícias que valem a pena, em linguagem simples. Grátis, sem spam.