AI TrackerUnduh
← Semua berita
ModelOpen source

RadixArk merilis DaisyRose-27B, Qwen3.8-27B yang disetel untuk tugas agen dan meningkatkan skor Terminal-Bench 4.1 dari 5,6% menjadi 12,0%

RadixArk menyebut DaisyRose-27B sebagai model pertamanya, yang dibangun di atas Qwen3.8-27B dan dilatih dengan pembelajaran penguatan untuk tugas agen berdurasi panjang, dengan sesi hingga 1 juta token. RadixArk mengatakan model ini menggunakan sekitar 1.200 tugas terkurasi yang dibuat bersama Eigent AI, selama 18 hari di 144 GPU H200, dengan framework Miles sumber terbuka.

Berikut hasil pengujian RadixArk sendiri, yang dijalankan menggunakan harness mini-swe-agent internalnya:

  • Terminal-Bench 4.1 pass@1: 12,0%, naik dari 5,6% untuk Qwen3.8-27B asli. RadixArk juga mengatakan skornya lebih tinggi daripada model asli di semua benchmark lain yang dicantumkannya (Terminal Bench 2.1, DeepSWE v1.1, SWE Bench Pro v2, HLE text-only, IFBench, dan GPQA Diamond).
  • Biaya pelatihan: RadixArk mengatakan backend pelatihan internalnya mencapai pemanfaatan FLOPs model sebesar 37%, dibandingkan 16% untuk pelatih berbasis Megatron sumber terbuka, sehingga pelatihan yang sama membutuhkan waktu GPU 57% lebih sedikit.
  • Sandbox: RadixArk mengatakan pihaknya menjalankan sekitar 944.000 sandbox untuk proyek ini melalui layanannya sendiri yang dibangun di atas proyek AgentENV sumber terbuka, dengan biaya sekitar 80% lebih rendah daripada penyedia sandbox cloud populer.

Checkpoint BF16, FP8, dan NVFP4 tersedia di Hugging Face. RadixArk mengatakan pihaknya menawarkan pendekatan yang sama kepada tim yang menginginkan model khusus.

Dapatkan berita seperti ini lewat push.

AI Tracker memberi tahu Anda saat ada perubahan pada alat yang Anda pakai.

Unduh aplikasinya