RadixArk 发布 DaisyRose-27B:18 天 RL 后训练将 Terminal-Bench 4.1 从 5.6% 提到 12.0%
BanghuaZ · x · 2026-11-19
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用其自研 RL 框架 Miles 做强化学习后训练,与 SGLang 组成开源推理/训练基础设施。
- 训练规模:仅 1200 条与 Eigent AI 合作精心筛选的 agent 任务,最长会话达 1M token,144 块 H200 上训练 18 天。
- 成绩:Terminal-Bench 4.1 pass@1 从 5.6% 提升至 12.0%,逼近 GPT-6 Luna 的 15.2%,其他推理、指令遵循、编码基准也全面提升。
- 效率数据:27B dense 达 37% MFU,300B MoE 达 11.7%,sandbox 成本降低 80%。
- 任务设计思路:先跑原模型找出犯错点,逐一重新设计任务并调难度,使解题率落在合适区间。
- 开源:发布 BF16、FP8、NVFP4 三种格式 checkpoint,可在 RTX 5090 或 DGX Spark 上运行。
所属事件:RadixArk 开源 DaisyRose-27B,Terminal-Bench 成绩翻倍(6 条相关)→
「编程与Agent」频道最新
- CodeRabbit 推 Verify 公测:自动测 AI 生成的 PR 是否真的能用 — rohanpaul_ai · 2026-11-19
- StreamEmbed:端侧实时视觉索引屏幕历史,快3.7倍 — CShorten30 · 2026-11-19
- Murat 发布 TLAPS-Bench:用 TLA+ 形式化证明真实系统规格的正确性 — tianyin_xu · 2026-11-19
- 流式 Markdown 渲染库 Words 发布,吞吐量达 md4x 两倍 — andersonbcdefg · 2026-11-19
- 前 Claude 死忠粉实测:想用好 Astra/Sol,得重新学怎么下 prompt — mariofilhoml · 2026-11-19
- Rivet 实战经验:别让 JEV 推理,拆成微小是非题反而更准 — yawnxyz · 2026-11-19