# RadixArk发布DaisyRose-27B：仅用强化学习训练的编程模型

> 这款270亿参数模型将Terminal Bench 4.1的pass@1提升至12%，可在单块GPU上运行；模型权重以Apache-2.0许可证开源。

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

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。

## 事实

- DaisyRose-27B是一款270亿参数模型，基于Qwen3.8-27B构建。
- 训练使用了1,200项精选任务，在144块H200 GPU上进行了18天，共计63,000 GPU小时。
- 经过RL微调后，Terminal Bench 4.1的pass@1从5.6%提升至12.0%。
- 该模型可在单块GPU上运行；BF16权重约52 GB，FP8权重29 GB，NVFP4权重23 GB。
- 所有检查点均已在Hugging Face以Apache-2.0许可证发布。

## 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。

## 来源与参考

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

最后更新: 2026-11-20
