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:
- Terminal-Bench 4.1(公认最难刷的榜之一)从 5.6% 提升到 12.0%,逼近 GPT-6 Luna 的 15.2%,其余评测基准也全面上涨
- 基础设施侧:27B 稠密模型跑到 37% MFU,300B MoE 为 11.7%,沙箱成本降低 80%
- 1200 条任务由 EigentAI 协助构建
- 权重开放,单卡 RTX 5090 或 DGX Spark 即可运行
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)→
「模型」频道最新
- Gemini 4 Neon 疑似上线,DeepMind 研究员晒 1-shot 演示:最高 7/10 — SamuelAlbanie · 2026-11-19
- 开发者实测:Astra 6.2 真实体验远逊跑分,实际成本反低于 6.1 — bindureddy · 2026-11-19
- 早期测试者集体吐槽 GPT-6.2 Astra:好用不再,但 OpenAI 不封口 — paw_lean · 2026-11-19
- Prompt Engineering 实测 Gemini 4 Neon:从 3D 巨龙到无训练神经网络七个案例 — Prompt Engineering · 2026-11-19
- Gemini 4 Neon 单任务 $6.44:比 Carbon 便宜 17%,但仍是 Astra 的 1.6 倍 — ArtificialAnlys · 2026-11-19
- Gemini 4 Neon 编程 Agent 得 59 分,追平 Claude 旗舰且成本近半 — ArtificialAnlys · 2026-11-19