RadixArk lança DaisyRose-27B, um Qwen3.8-27B ajustado para tarefas de agentes que eleva o Terminal-Bench 4.1 de 5,6% para 12,0%
A RadixArk afirma que DaisyRose-27B é seu primeiro modelo, desenvolvido com base no Qwen3.8-27B e treinado com aprendizado por reforço em tarefas de agentes de longo horizonte, com sessões de até 1 milhão de tokens. A empresa diz ter usado cerca de 1.200 tarefas selecionadas, criadas com a Eigent AI, ao longo de 18 dias em 144 GPUs H200, usando seu framework de código aberto Miles.
Estes são resultados da própria RadixArk, obtidos com seu harness interno mini-swe-agent:
- Terminal-Bench 4.1 pass@1: 12,0%, ante 5,6% do Qwen3.8-27B original. A RadixArk afirma que também supera o modelo original em todos os outros benchmarks que lista (Terminal Bench 2.1, DeepSWE v1.1, SWE Bench Pro v2, HLE text-only, IFBench e GPQA Diamond).
- Custo de treinamento: a RadixArk diz que seu backend interno de treinamento alcançou 37% de utilização de FLOPs do modelo, contra 16% do treinador de código aberto baseado no Megatron, de modo que o mesmo treinamento exige 57% menos tempo de GPU.
- Sandboxes: a empresa afirma ter executado cerca de 944.000 sandboxes para o projeto em seu próprio serviço, desenvolvido com base no projeto de código aberto AgentENV, a um custo cerca de 80% menor que o de provedores populares de sandboxes na nuvem.
Os checkpoints BF16, FP8 e NVFP4 estão no Hugging Face. A RadixArk afirma que oferece a mesma abordagem a equipes que querem modelos especializados.
Fontes
- DaisyRose-27B: RL com 1.200 tarefas elevou o Qwen3.8 de 5,6% para 12% no Terminal-Bench 4.1Hacker News · 28 comentários
Receba notícias como esta por push.
O AI Tracker avisa você quando algo muda nas ferramentas que você usa.