RadixArk Open-Sources DaisyRose-27B: Pure RL Training Doubles Terminal-Bench
RadixArk 在 SGLang Summit 上发布首个开放权重模型 DaisyRose-27B:基于 Qwen3.8-27B(部分转述写作 Qwen3-27B),只用强化学习训练,不做 SFT、不做蒸馏,训练数据为约 1,200 条精选长程 agent 任务,算力开销为 144 块 H200 训练 18 天。模型已按 Apache-2.0 许可开源 BF16/FP8/NVFP4 权重。
已确认
- Terminal-Bench 4 成绩从 Qwen3.8 基线的 5.6% 提升至 12%,同尺寸下终测成绩翻倍
- 训练路线为纯 RL:无 SFT、无蒸馏
- 算力与数据规模:144 块 H200、18 天、约 1,200 条长程 agent 任务
- 开源协议与权重格式:Apache-2.0,BF16/FP8/NVFP4
- 定位面向终端/命令行 agent 场景
为什么重要
- 该结果给出了一个可参考的性价比基准:小模型在百余块 GPU、不到三周训练内,可在终端 agent 基准上实现翻倍提升
- 纯 RL、小规模精选任务数据的配方,为中小团队做垂直 agent 能力训练提供了开源范例
- @thoquz 评价其为小团队在同尺寸模型上取得的值得关注的成绩
2026-11-19 ~ 2026-11-19 · 5 related posts
Primary sources
- RadixArk trains DaisyRose-27B in 18 days on 144 H200s, doubling Terminal-Bench score — BanghuaZ · 2026-11-19
- [source] RadixArk open-sources DaisyRose-27B: RL-only agent training doubles Terminal Bench over Qwen base — 13aeon · 2026-11-19
- RadixArk open-sources DaisyRose-27B: 18 days on 144 H200s, Terminal-Bench 5.6% to 12.0% — BanghuaZ · 2026-11-19
- [source] DaisyRose-27B boosts Qwen3.8 from 5.6% to 12% on Terminal-Bench 4 — thoquz · 2026-11-19
1 near-duplicate retellings: BanghuaZ