20 ноября 2026 года RadixArk объявила о выпуске DaisyRose-27B. Модель создана на базе Qwen3.8-27B и дообучена только с помощью обучения с подкреплением (RL), без использования данных для обучения с учителем. По словам RadixArk, на бенчмарке Terminal Bench 4.1, проверяющем выполнение длительных задач, новая модель более чем вдвое повысила результат pass@1: до 12,0 % против 5,6 % у базовой модели. Компания также выложила на Hugging Face контрольные точки BF16, FP8 и NVFP4. Модель можно запускать на одной GPU — как на серверных H200, так и на потребительских RTX 5090.
Как обучали DaisyRose
Для обучения использовали фреймворк RadixArk с открытым исходным кодом Miles: оно заняло 18 дней на 144 GPU H200, или около 63 000 GPU-часов. Вместе с Eigent AI команда подготовила 1 200 длительных задач, каждая из которых была призвана выявлять ошибки базовой модели. Сеансы могли включать до 1 млн токенов и длиться до 1,5 часа; за одну попытку модель могла обращаться к инструментам более 100 раз. Цикл обучения с подкреплением работал асинхронно: 128 GPU обрабатывали действия агента, а 16 GPU обновляли модель. Благодаря этому загрузка вычислительных ресурсов оказалась на 57 % выше, чем у сопоставимого тренера с открытым исходным кодом. За девять недель работы сервис песочниц создал около 944 000 экземпляров; успешными оказались более 99 % запусков.
Результаты на бенчмарках
Помимо Terminal Bench 4.1, DaisyRose-27B показала результаты выше, чем Qwen3.8-27B, на всех приведённых бенчмарках. На Terminal Bench 2.1 результат составил 75,5 % против 73,0 % у базовой модели. На DeepSWE v1.1 показатель вырос с 42,2 % до 46,2 %, а на SWE Bench Pro v2 — с 91,3 % до 94,7 %. Модель также превосходит более крупные модели с открытым исходным кодом на IFBench (82,4 % против 79,5 % у Qwen3.8-27B) и сравнялась с GPT-6 Luna на GPQA Diamond (90,7 % против 89,2 %). Для каждого показателя указано лучшее значение из запусков BF16 и FP8; разница между ними не превышает одного процентного пункта.
Почему это важно
Теперь разработчики могут попробовать передового помощника для программирования, не оплачивая облачный API: модель можно бесплатно скачать и запустить на одной GPU. Обучение только с RL показывает, что заметного улучшения можно добиться и без больших наборов данных для обучения с учителем, что может упростить небольшим командам создание специализированных агентов.