144 块 H200 训 18 天:DaisyRose-27B 把 Terminal-Bench 从 5.6% 提到 12.0%

ying11231 · x · 2026-11-19

RadixArk 发布首个开放权重模型 DaisyRose-27B:基于 Qwen3.8-27B 做强化学习,用 1200 条精选长程 agent 任务,在 144 块 H200 上训练 18 天,agent 会话最长拉到 100 万 token。

关键结果与数据:

这是一个"小模型 + 精选任务 RL 也能大幅逼近大模型"的实证案例,训练配方与工程数据都公开。

所属事件:RadixArk 开源 DaisyRose-27B:纯 RL 训练,Terminal-Bench 翻倍(7 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →