RadixArk 发布 DaisyRose-27B:纯 RL 训练 18 天,终端编程基准翻倍

RadixArk 于 2026 年 11 月 20 日发布首个开放权重模型 DaisyRose-27B,在 Qwen3.8-27B 基础上仅用强化学习后训练,Terminal Bench 4.1 得分从 5.6 翻倍至 12.0。它展示了密集小模型通过 RL 提升 Agentic 编程能力的可行路径,但自报数…

一句话看懂:RadixArk 于 2026 年 11 月 20 日发布首个开放权重模型 DaisyRose-27B,在 Qwen3.8-27B 基础上仅用强化学习后训练,Terminal Bench 4.1 得分从 5.6 翻倍至 12.0。它展示了密集小模型通过 RL 提升 Agentic 编程能力的可行路径,但自报数据仍需第三方验证。

事件核心:发生了什么

DaisyRose-27B 是 27.8B 密集参数模型,保留 Qwen3.8-27B 架构,支持 262,144 token 上下文和图文输入,采用 Apache 2.0 许可,可视为基座的直接替代。据模型卡,它没有 SFT 或蒸馏,只用 RL 训练:约 1,200 个精选任务、144 张 H200 GPU、18 天、合计 63,000 GPU 小时,并运行在 RadixArk 开源的异步 RL 框架 Miles 与 AgentENV 沙箱上。硬件上单卡可跑,BF16 约 52 GB,FP8 约 29 GB,NVFP4 约 23 GB。官方自报的 7 项基准均超过基座,Terminal Bench 4.1 提升最大;HLE 仅 +0.4 至 34.3,是提升最小项。

为什么重要

当前 Agentic 编程模型的提升多依赖更大参数或更多 SFT 数据,DaisyRose-27B 提供了一种对照:固定架构,用高难度任务和长时沙箱交互做纯 RL,也能在终端操作类基准上取得明显增益。若结果可复现,意味着中小团队用有限算力也能针对性优化开源基座。同时,Miles 与 AgentENV 的开源属性和成本说法,可能影响 RL 训练基础设施的选型。不过,所有分数均为 RadixArk 自报,目前公开信息显示尚无独立评测。

对用户/开发者/创作者的影响

开发者可通过 Hugging Face 获取 BF16、FP8、NVFP4 和 GGUF 权重,推荐 SGLang 加 DSpark 推测解码,vLLM 也可直接部署,适合单卡或工作站环境做编程 Agent 原型。与更大 MoE 模型相比仍有差距:MiMo V2.6 Flash 在 Terminal Bench 4.1 上为 16.1,Inkling 2 Small 在 DeepSWE 和 HLE 上领先。因此它更适合成本敏感、任务边界清晰的场景,而不是直接替代大模型处理高难度 Agent 任务。

值得关注的后续

一是第三方复测能否复现 Terminal Bench 4.1 的翻倍结果;二是纯 RL 路线在更复杂 Agent 任务上能否缩小与大规模 MoE 模型的差距;三是 Miles 和 AgentENV 的开源生态是否吸引更多团队跟进,以及自报的低成本沙箱能否在实际部署中成立。

来源:MarkTechPost Research

celebrityanime
celebrityanime
文章: 36355

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注