AI Trackerऐप पाएँ
← सभी समाचार
Modelsओपन सोर्स

RadixArk ने DaisyRose-27B जारी किया, जो agent कार्यों के लिए ट्यून किया गया Qwen3.8-27B है और Terminal-Bench 4.1 का स्कोर 5.6% से बढ़ाकर 12.0% करता है

RadixArk के अनुसार, DaisyRose-27B उसका पहला मॉडल है। यह Qwen3.8-27B पर आधारित है और लंबे समय तक चलने वाले agent कार्यों पर reinforcement learning से प्रशिक्षित है; इसमें 1 मिलियन tokens तक के सत्र शामिल हैं। कंपनी का कहना है कि उसने Eigent AI के साथ मिलकर तैयार किए गए लगभग 1,200 चुने हुए कार्यों का इस्तेमाल किया। प्रशिक्षण 144 H200 GPUs पर 18 दिनों तक चला और इसमें उसका open-source Miles framework इस्तेमाल हुआ।

ये RadixArk के अपने परिणाम हैं, जिन्हें उसके आंतरिक mini-swe-agent harness से चलाया गया:

  • Terminal-Bench 4.1 pass@1: 12.0%, जबकि मूल Qwen3.8-27B का स्कोर 5.6% था। RadixArk का कहना है कि उसके द्वारा सूचीबद्ध हर दूसरे benchmark (Terminal Bench 2.1, DeepSWE v1.1, SWE Bench Pro v2, HLE text-only, IFBench और GPQA Diamond) में भी इसका स्कोर मूल मॉडल से अधिक है।
  • प्रशिक्षण लागत: RadixArk का कहना है कि उसके आंतरिक training backend ने 37% model FLOPs utilization हासिल किया, जबकि open-source Megatron-आधारित trainer ने 16% हासिल किया। इसलिए समान प्रशिक्षण में GPU समय 57% कम लगता है।
  • Sandboxes: कंपनी का कहना है कि उसने open-source AgentENV project पर बनी अपनी सेवा में इस परियोजना के लिए लगभग 944,000 sandboxes चलाए, जिसकी लागत लोकप्रिय cloud sandbox प्रदाताओं से लगभग 80% कम थी।

BF16, FP8 और NVFP4 checkpoints Hugging Face पर उपलब्ध हैं। RadixArk का कहना है कि वह विशेषीकृत मॉडल चाहने वाली टीमों को यही तरीका उपलब्ध करा रही है।

ऐसी ख़बरें push में पाएँ।

आपके टूल्स में कुछ बदलते ही AI Tracker आपको अलर्ट करता है।

ऐप पाएँ