RadixArk、エージェント向けに調整したQwen3.8-27B「DaisyRose-27B」を公開、Terminal-Bench 4.1のスコアを5.6%から12.0%に向上
RadixArkによると、同社初のモデルDaisyRose-27BはQwen3.8-27Bをベースに、長期的なエージェントタスクで強化学習を行ったもので、最大100万トークンのセッションに対応する。Eigent AIと作成した約1,200件の厳選タスクを使い、144基のH200 GPUで18日間にわたり、オープンソースのMilesフレームワークを用いて学習したという。
以下は、RadixArkが社内のmini-swe-agentハーネスで実施した同社独自の評価結果だ。
- Terminal-Bench 4.1 pass@1: 12.0%。元のQwen3.8-27Bの5.6%から向上。RadixArkによると、列挙したほかのすべてのベンチマーク(Terminal Bench 2.1、DeepSWE v1.1、SWE Bench Pro v2、HLE text-only、IFBench、GPQA Diamond)でも、元モデルを上回る。
- 学習コスト: RadixArkによると、同社の社内学習バックエンドはモデルFLOPs利用率37%を達成。オープンソースのMegatronベースのトレーナーの16%に対し、同じ学習に必要なGPU時間を57%削減した。
- サンドボックス: オープンソースのAgentENVプロジェクトを基盤とする自社サービス上で、プロジェクト向けに約94万4,000件のサンドボックスを実行。大手クラウドのサンドボックスプロバイダーと比べ、コストを約80%抑えたという。
BF16、FP8、NVFP4のチェックポイントはHugging Faceで公開されている。RadixArkは、特化型モデルを求めるチームにも同じ手法を提供するとしている。
ソース
- DaisyRose-27B:1,200件のタスクによる強化学習で、Qwen3.8のTerminal-Bench 4.1スコアが5.6%から12%に向上Hacker News · 28 件のコメント
こんなニュースをプッシュで。
使っているツールに変化があると、AI Tracker がお知らせします。