RadixArk brengt DaisyRose-27B uit, een op agenttaken afgestemde Qwen3.8-27B die Terminal-Bench 4.1 van 5,6% naar 12,0% tilt
RadixArk zegt dat DaisyRose-27B zijn eerste model is, gebouwd op Qwen3.8-27B en getraind met reinforcement learning voor agenttaken met een lange looptijd, met sessies tot 1 miljoen tokens. Het bedrijf zegt ongeveer 1.200 zorgvuldig samengestelde taken te hebben gebruikt, gemaakt met Eigent AI, gedurende 18 dagen op 144 H200-GPU's, met behulp van zijn open-source Miles-framework.
Dit zijn de eigen resultaten van RadixArk, behaald met zijn interne mini-swe-agent-harnas:
- Terminal-Bench 4.1 pass@1: 12,0%, tegenover 5,6% voor de oorspronkelijke Qwen3.8-27B. RadixArk zegt ook hoger te scoren dan het origineel op alle andere benchmarks die het vermeldt (Terminal Bench 2.1, DeepSWE v1.1, SWE Bench Pro v2, HLE text-only, IFBench en GPQA Diamond).
- Trainingskosten: RadixArk zegt dat zijn interne trainingsbackend een model FLOPs-utilisatie van 37% behaalde, tegenover 16% voor de open-source trainer op basis van Megatron, waardoor dezelfde training 57% minder GPU-tijd vergt.
- Sandboxes: het bedrijf zegt voor het project ongeveer 944.000 sandboxes te hebben gedraaid op zijn eigen dienst, gebouwd op het open-sourceproject AgentENV, tegen ongeveer 80% lagere kosten dan populaire cloud-sandboxproviders.
BF16-, FP8- en NVFP4-checkpoints staan op Hugging Face. RadixArk zegt dezelfde aanpak aan te bieden aan teams die gespecialiseerde modellen willen.
Bronnen
- DaisyRose-27B: RL met 1.200 taken bracht Qwen3.8 op Terminal-Bench 4.1 van 5,6% naar 12%Hacker News · 28 reacties
Krijg nieuws als dit als pushmelding.
AI Tracker waarschuwt je zodra er iets verandert aan de tools die je gebruikt.