RadixArk 发布 DaisyRose-27B:一款针对智能体任务调优的 Qwen3.8-27B,将 Terminal-Bench 4.1 成绩从 5.6% 提升至 12.0%
RadixArk 表示,DaisyRose-27B 是其首款模型,基于 Qwen3.8-27B 构建,并通过强化学习针对长时程智能体任务进行训练,单次会话最长可达 100 万个 token。据称,该模型使用了约 1,200 个由 Eigent AI 共同制作的精选任务,在 144 张 H200 GPU 上训练了 18 天,并采用其开源 Miles 框架。
以下是 RadixArk 使用其内部 mini-swe-agent 测试工具得出的结果:
- Terminal-Bench 4.1 pass@1:12.0%,高于原版 Qwen3.8-27B 的 5.6%。RadixArk 表示,在其列出的其他所有基准测试(Terminal Bench 2.1、DeepSWE v1.1、SWE Bench Pro v2、HLE 纯文本版、IFBench 和 GPQA Diamond)中,该模型的得分也都高于原版。
- 训练成本:RadixArk 表示,其内部训练后端的模型 FLOPs 利用率达到 37%,而基于开源 Megatron 的训练器为 16%,因此完成相同训练所需的 GPU 时间减少了 57%。
- 沙箱:据称,该项目在其基于开源 AgentENV 项目构建的自有服务上运行了约 944,000 个沙箱,成本比主流云沙箱服务提供商低约 80%。
BF16、FP8 和 NVFP4 检查点已发布在 Hugging Face 上。RadixArk 表示,也愿意为需要专用模型的团队提供同样的方案。
来源
这样的新闻,第一时间推送给你。
你用的 AI 工具一有变化,AI Tracker 就会提醒你。