RadixArk 发布 DaisyRose-27B,后训练效率与 Terminal-Bench 成绩双升
OmniTools 11月19日消息,RadixArk 发布其首个模型 DaisyRose-27B,基于 Qwen3.8-27B 构建,使用强化学习框架 Miles 训练,面向长程智能体任务。训练使用 1200 个精选任务,在 144 块 H200 上训练 18 天;训练中的智能体会话最长可达 1M tokens,模型保留 256K tokens 上下文窗口、原有架构、tokenizer、聊天模板和图像理解能力。BF16、FP8、NVFP4 三种检查点以 Apache 2.0 许可开放。
基准测试中,DaisyRose-27B 在所列项目上均高于原始 Qwen3.8-27B:Terminal Bench 4.1 的 pass@1 从 5.6% 升至 12.0%,Terminal Bench 2.1 从 73.0 升至 75.5,DeepSWE v1.1 从 42.2 升至 46.2,SWE Bench Pro v2 从 91.3 升至 94.7,HLE(纯文本)从 33.9 升至 34.3,IFBench 从 79.5 升至 82.4,GPQA Diamond 从 89.2 升至 90.7。部署方面推荐使用 SGLang 搭配 DSpark 投机解码。
训练效率方面,RadixArk 称其内部训练后端在该次发布中实现 37% 的模型 FLOPs 利用率(MFU),基于 Megatron 的开源训练器在可比运行中为 16%,同等训练所需 GPU 时间减少 57%;端到端速度约每秒 16800 tokens,开源训练器约 8300,整轮训练累计约 63000 GPU 小时。任务沙箱基于开源项目 AgentENV 构建,9 月中旬至 11 月中旬运行约 94.4 万个沙箱,最高并发 1566 个,九周内沙箱创建成功率为 99%,10 月下旬起超过 99.95%。