RadixArk于2026年11月20日宣布推出DaisyRose-27B。该模型基于Qwen3.8-27B构建,仅通过强化学习(RL)进行微调,没有使用任何监督数据。RadixArk称,在长时程Terminal Bench 4.1基准测试中,新模型的pass@1得分提升至基础模型的两倍以上,达到12.0%,而基础模型为5.6%。公司还在Hugging Face发布了BF16、FP8和NVFP4检查点;该模型可在单块GPU上运行,硬件范围从数据中心使用的H200显卡到消费级RTX 5090显卡。
DaisyRose的训练方式
训练使用了RadixArk开源的Miles框架,在144块H200 GPU上持续18天,总计约63,000 GPU小时。团队与Eigent AI合作,筛选整理了1,200项长时程任务,每项任务都旨在暴露基础模型的错误。每次任务交互最多可达1百万个token,持续时间最长为1.5小时,每次尝试涉及100多次工具调用。RL循环以异步方式运行:128块GPU负责智能体执行操作,另有16块GPU负责模型更新,使模型的计算利用率比可比的开源训练器高57%。在为期九周的运行中,沙盒服务创建了约944,000个沙盒实例,成功率超过99%。
基准测试表现
除Terminal Bench 4.1外,DaisyRose-27B在列出的所有基准测试中得分都高于Qwen3.8-27B。在Terminal Bench 2.1中,它的得分为75.5%,基础模型为73.0%。DeepSWE v1.1的得分从42.2%升至46.2%,SWE Bench Pro v2则从91.3%升至94.7%。该模型在IFBench上的表现也超过了更大的开源模型(82.4%,Qwen3.8-27B为79.5%),并在GPQA Diamond上与GPT-6 Luna表现相当(90.7%,对方为89.2%)。所有分数均取BF16和FP8运行结果中较高者,两者相差不到1个百分点。
为什么重要
开发者现在无需付费使用云端API,就能尝试先进的编程助手,因为该模型可在单块GPU上运行,且可免费下载。仅用RL训练便取得显著提升,也表明无需大型监督数据集同样可以实现明显进步,这或许能降低小团队开发专用智能体的门槛。