一句话看懂:RadixArk 于 2026 年 11 月 18 日开源 DaisyRose-27B,在 Qwen3.8-27B 基础上用强化学习后训练,仅 1200 个长程智能体任务、144 张 H200 训练 18 天,Terminal-Bench 4.1 通过率从 5.6% 提升至 12.0%。
事件核心:发生了什么
DaisyRose-27B 是 RadixArk 的首个模型,基于 Qwen3.8-27B,用其开源强化学习框架 Miles 训练。任务与 Eigent AI 合作从数千候选中筛出约 1200 个,覆盖机器学习、软件工程、科学等领域,单次任务运行上限约 1.5 小时、超 100 次工具调用、超 256K 输出 token。模型沿用原架构、分词器、聊天模板、图像理解和 256K 上下文窗口,以 Apache 2.0 发布 BF16、FP8、NVFP4 三种检查点。
公开基准中,Terminal-Bench 4.1 从 5.6 升至 12.0,DeepSWE v1.1 从 42.2 升至 46.2,SWE Bench Pro v2 从 91.3 升至 94.7,IFBench 从 79.5 升至 82.4,GPQA Diamond 从 89.2 升至 90.7。上述为素材所列评测条件下的结果,不应视为长期排名。
为什么重要
它给出的信号不是“又一个 27B 模型”,而是后训练效率:异步训练让 128 张 H200 跑推理、16 张跑训练,据称训练成本比基于 Megatron 的开源训练器低 57%;在 MoE 模型上,加速可达 6.2 倍甚至 10 倍以上。如果这一效率优势能在更多模型上复现,团队用更少算力做领域后训练的门槛会明显下降。
对用户/开发者/创作者的影响
开发者可直接用 SGLang 加 DSpark 推测解码部署,模型默认先思考再回答,推理内容在 reasoning_content 字段,最终答案在 content 字段,接口兼容 OpenAI 客户端。Apache 2.0 许可和多种量化检查点降低了本地与私有化部署的合规和显存门槛,适合做终端操作、代码修复类智能体应用的团队先行验证。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是 1200 个任务的筛选方法能否复用到其他基座模型;二是训练效率数据是否有第三方复现;三是 Terminal-Bench 4.1 的 12.0 在更多智能体框架和真实任务中是否稳定。目前公开信息显示,以上均为 RadixArk 自述结果。


