
RadixArk正式推出其首款大语言模型DaisyRose-27B。该模型基于Qwen3.8-27B架构构建,并通过自研强化学习框架Miles进行了针对性训练。在144块H200 GPU集群上,团队仅耗时18天,利用1,200个精心策划的长周期智能体任务(会话长度高达100万token)完成训练。
基准测试显示,DaisyRose-27B在Terminal-Bench 4.1中的pass@1得分从基座模型的5.6%跃升至12.0%,并在推理、指令遵循及代码等多个基准测试中取得显著增益。目前,模型检查点已基于Apache 2.0许可证开源。
模型特性与部署
DaisyRose-27B完整保留了Qwen3.8-27B的架构、分词器、聊天模板及图像理解能力,支持256K token的上下文窗口。针对长训练会话,模型采用Harness摘要技术跨轨迹整合信息。
官方建议结合SGLang与DSpark投机解码进行部署。模型默认开启“思考”模式,推理过程输出至reasoning_content字段,最终答案输出至content字段。开发者可通过OpenAI Python客户端轻松调用。
基准表现全面超越基座
在所有评估基准中,DaisyRose-27B的表现均优于原始Qwen3.8-27B模型。除Terminal-Bench 4.1的大幅提升外,其在SWE Bench Pro v2(94.7 vs 91.3)、IFBench(82.4 vs 79.5)等关键指标上也实现了稳定增长。评分取BF16和FP8运行中的较高值,差异通常小于1个百分点。
高效训练后端:成本降低57%
此次发布的突破得益于三大核心要素:高质量数据、高效训练后端及稳健的沙箱服务。
RadixArk使用开源框架Miles以完全异步模式进行训练:128块GPU负责智能体推理,16块GPU负责模型训练与更新,两者互不等待。这种设计使得每个GPU峰值算力的37%用于有效训练(MFU),而同等条件下基于Megatron的开源训练器仅为16%。因此,训练GPU时间减少57%,端到端训练速度提升2倍(每秒16,800 token vs 8,300 token)。在MoE模型上,这一效率增益更为显著。
训练过程在144块H200 GPU上连续运行数周,累计消耗63,000 GPU小时,全程保持速度与效率的稳定。
高质量数据与稳健沙箱
RadixArk与Eigent AI合作,从涵盖机器学习、软件工程等领域的庞大任务池中筛选出1,200个高价值任务。这些任务具备以下特征:
- 针对性纠错:围绕基座模型易犯错误重新设计,难度控制在有效学习区间。
- 长程依赖:需多步推理与规划,单次尝试长达1.5小时,涉及超100次工具调用。
- 真实解决导向:严格审查,移除存在设计缺陷或可作弊的任务。
训练环境基于开源项目AgentENV构建沙箱服务。在九周的训练期内,系统运行约944,000个沙箱,最高并发1,566个,创建成功率超过99.95%。通过动态内存分配等技术,云基础设施成本较主流云沙箱提供商降低约80%。
RadixArk感谢Eigent AI在数据构建上的合作,以及Qwen、SGLang、AgentENV等开源社区的支持。开发者可下载模型自行部署,或使用Miles框架训练专属智能体。