RadixArk veröffentlicht DaisyRose-27B, ein für Agentenaufgaben feinabgestimmtes Qwen3.8-27B, das Terminal-Bench 4.1 von 5,6 % auf 12,0 % steigert
RadixArk zufolge ist DaisyRose-27B sein erstes Modell. Es basiert auf Qwen3.8-27B und wurde mit Reinforcement Learning für Agentenaufgaben mit langem Zeithorizont trainiert; die Sitzungen können bis zu 1 Million Tokens umfassen. Das Training nutzte laut RadixArk rund 1.200 kuratierte Aufgaben, die gemeinsam mit Eigent AI erstellt wurden, und lief 18 Tage lang auf 144 H200-GPUs mit dem Open-Source-Framework Miles.
Dies sind eigene Ergebnisse von RadixArk, ermittelt mit dem internen mini-swe-agent-Testsystem:
- Terminal-Bench 4.1 pass@1: 12,0 %, gegenüber 5,6 % beim ursprünglichen Qwen3.8-27B. RadixArk zufolge erzielt das Modell auch bei jedem anderen aufgeführten Benchmark höhere Werte als das Original (Terminal Bench 2.1, DeepSWE v1.1, SWE Bench Pro v2, HLE text-only, IFBench und GPQA Diamond).
- Trainingskosten: RadixArk zufolge erreichte das interne Trainings-Backend eine Auslastung von 37 % der Modell-FLOPs, verglichen mit 16 % beim Open-Source-Trainer auf Megatron-Basis. Für dasselbe Training seien dadurch 57 % weniger GPU-Zeit nötig.
- Sandboxes: Laut RadixArk wurden für das Projekt rund 944.000 Sandboxes auf dem eigenen Dienst ausgeführt, der auf dem Open-Source-Projekt AgentENV basiert. Die Kosten seien etwa 80 % niedriger als bei beliebten Cloud-Sandbox-Anbietern.
BF16-, FP8- und NVFP4-Checkpoints sind auf Hugging Face verfügbar. RadixArk zufolge bietet das Unternehmen Teams, die spezialisierte Modelle entwickeln möchten, denselben Ansatz an.
Quellen
- DaisyRose-27B: RL mit 1.200 Aufgaben steigert Qwen3.8 bei Terminal-Bench 4.1 von 5,6 % auf 12 %Hacker News · 28 Kommentare
News wie diese als Push.
AI Tracker benachrichtigt dich, wenn sich bei deinen Tools etwas ändert.