纯 RL 微调的 DaisyRose-27B 实测:小幅胜 Qwen3.8-27B 基座
DerTomsn · reddit · 2026-11-21
- 模型:RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 的纯强化学习微调——无 SFT、无蒸馏,仅用约 1200 个长 agent 任务训练;保留基座架构、tokenizer、chat 模板、256K 上下文和视觉编码器,可即插即用,Apache-2.0 开源。
- 实测:作者在与基座完全相同的硬件与设置下(oQ8e-mtp 量化、xhigh 推理、262K 上下文)用 llm-bench.io 四场景对比:代码生成 81.3 vs 81.0、agent 工作流 89.3 vs 88.2、角色扮演 93.9 vs 92.1、研究分析 87.8 vs 86.4,综合 88.1 vs 86.9。全面小胜约 1 分,但在测试方法误差范围内,不能算显著差距。
- 成本:速度不变(约 50 tok/s)、显存约 38 GB,代价是推理 token 多约 5%,单次运行多约 1 分钟。
- 存疑:官方宣称 Terminal Bench 4.1 上 pass@1 从 5.6 翻倍到 12.0,但该基准测的是长程 agent 任务(百余次工具调用),llm-bench.io 的短任务无法验证这一数字;日常 agent 工作中的实际收益可能更大。
- 提供了 BF16/FP8/NVFP4 权重,Mac 上有 oMLX 版本。
「模型」频道最新
- Reddit 长文抨击:前沿 AI 是在模仿懒惰工程师的「庸才镜子」 — RossPeili · 2026-11-22
- MBZUAI 开源 29B 世界模型 PAN 2:权重代码已上 Hugging Face — LinusEkenstam · 2026-11-22
- 博主实测:Inkling Mini 俄语出乎意料流利,数据配方成谜 — teortaxesTex · 2026-11-22
- 美国开源模型 Inkling 2 Mini 发布,32GB 内存的 Mac 就能跑 — alex_verem · 2026-11-22
- 网友喊话 OpenAI:GPT-6.2 Sol 与 Astra 表现为何如此糟糕 — kimmonismus · 2026-11-22
- 用户吐槽 GPT-5.5 难用:写冗余代码、乱建重复函数 — yacineMTB · 2026-11-22