# RadixArk släpper DaisyRose-27B, en kodmodell tränad enbart med RL

> Modellen med 27 miljarder parametrar höjer pass@1-resultatet på Terminal Bench 4.1 till 12 % och kan köras på ett enda GPU-kort. Vikterna släpps som öppen källkod under Apache-2.0.

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

RadixArk meddelade den 20 November 2026 att DaisyRose-27B lanseras. Modellen bygger på Qwen3.8-27B och har finjusterats enbart med förstärkningsinlärning (RL), utan övervakade data. Enligt RadixArk mer än fördubblar den nya modellen pass@1-resultatet på det långsiktiga benchmarktestet Terminal Bench 4.1, till 12.0 % jämfört med basmodellens 5.6 %. Företaget har också släppt kontrollpunkter i formaten BF16, FP8 och NVFP4 på Hugging Face. Modellen kan köras på ett enda GPU-kort, från H200-kort för datacenter till konsumentkort av typen RTX 5090.

## Så tränades DaisyRose

Träningen genomfördes med RadixArks ramverk Miles med öppen källkod, på 144 H200-GPU:er under 18 dagar – totalt omkring 63,000 GPU-timmar. Tillsammans med Eigent AI tog teamet fram 1,200 långsiktiga uppgifter, var och en utformad för att synliggöra misstag som basmodellen gjorde. Sessionerna kunde omfatta upp till 1 million tokens och pågå i upp till 1.5 timmar, med över 100 verktygsanrop per försök. RL-processen kördes asynkront: 128 GPU:er hanterade agentens åtgärder medan 16 GPU:er utförde inlärningsuppdateringarna. Det gjorde att modellens utnyttjande av beräkningskapaciteten blev 57 % högre än hos ett jämförbart träningsverktyg med öppen källkod. Under den nio veckor långa körningen skapade sandlådetjänsten omkring 944,000 sandlådeinstanser, med en lyckandegrad på över 99 %.

## Resultat i benchmarktester

Utöver Terminal Bench 4.1 får DaisyRose-27B högre resultat än Qwen3.8-27B på samtliga benchmarktester som redovisas. På Terminal Bench 2.1 når modellen 75.5 %, jämfört med basmodellens 73.0 %. DeepSWE v1.1 förbättras från 42.2 % till 46.2 %, och SWE Bench Pro v2 stiger från 91.3 % till 94.7 %. Modellen slår också större modeller med öppen källkod på IFBench (82.4 % mot 79.5 % för Qwen3.8‑27B) och matchar GPT‑6 Luna på GPQA Diamond (90.7 % mot 89.2 %). Alla resultat är de högre av körningarna med BF16 respektive FP8; skillnaden mellan dem är mindre än en poäng.

## Fakta

- DaisyRose-27B är en modell med 27 miljarder parametrar som bygger på Qwen3.8-27B.
- Träningen omfattade 1,200 utvalda uppgifter, 18 dagar med 144 H200-GPU:er och 63,000 GPU-timmar.
- Pass@1-resultatet på Terminal Bench 4.1 förbättras från 5.6 % till 12.0 % efter finjustering med RL.
- Modellen kan köras på ett enda GPU-kort; BF16-vikterna är cirka 52 GB, FP8 29 GB och NVFP4 23 GB.
- Alla kontrollpunkter släpps under licensen Apache‑2.0 på Hugging Face.

## Varför det spelar roll

Utvecklare kan nu prova en kodassistent i toppklass utan att betala för ett moln-API, eftersom modellen kan köras på ett enda GPU-kort och laddas ner gratis. Träningen enbart med RL visar att det går att uppnå betydande förbättringar utan stora mängder övervakade träningsdata, vilket kan sänka tröskeln för mindre team som vill bygga specialiserade agenter.

## Källor och referenser

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

Senast uppdaterad: 2026-11-20
