AI TrackerСкачать
← Все новости
МоделиOpen source

RadixArk выпускает DaisyRose-27B — модель на базе Qwen3.8-27B, настроенную для агентных задач и повысившую результат Terminal-Bench 4.1 с 5,6% до 12,0%

RadixArk сообщает, что DaisyRose-27B — её первая модель, созданная на базе Qwen3.8-27B и обученная с помощью обучения с подкреплением для долгосрочных агентных задач; длительность сессий может достигать 1 млн токенов. По словам компании, за 18 дней она использовала около 1 200 отобранных задач, созданных совместно с Eigent AI, и 144 GPU H200, а также свой фреймворк Miles с открытым исходным кодом.

Это результаты самой RadixArk, полученные с помощью её внутреннего тестового стенда mini-swe-agent:

  • Terminal-Bench 4.1, pass@1: 12,0% против 5,6% у исходной Qwen3.8-27B. RadixArk также заявляет, что по всем остальным указанным ею тестам результат выше, чем у исходной модели (Terminal Bench 2.1, DeepSWE v1.1, SWE Bench Pro v2, HLE text-only, IFBench и GPQA Diamond).
  • Стоимость обучения: по данным RadixArk, её внутренняя система обучения достигла утилизации FLOPs модели в 37% против 16% у тренера на базе Megatron с открытым исходным кодом, поэтому на такое же обучение требуется на 57% меньше времени GPU.
  • Песочницы: компания сообщает, что использовала около 944 000 песочниц для проекта на собственном сервисе, созданном на базе проекта AgentENV с открытым исходным кодом, — примерно на 80% дешевле популярных облачных провайдеров песочниц.

Контрольные точки BF16, FP8 и NVFP4 доступны на Hugging Face. RadixArk заявляет, что предлагает тот же подход командам, которым нужны специализированные модели.

Получайте такие новости в push.

AI Tracker сообщит, когда что-то меняется в ваших инструментах.

Скачать приложение