本周 RadixArk 发布了 DaisyRose-27B,这是其首个开放权重模型。DaisyRose-27B 是 RadixArk 推出的 agentic coding 模型,基于 Qwen3.8-27B 通过强化学习(RL)进行后训练。模型卡页面称其仅使用 RL,没有 SFT 或蒸馏。它以 Apache 2.0 发布,可作为基础模型的直接替代品。主要结果:Terminal Bench 4.1 pass@1 从 5.6 提升到 12.0。你可以通过我们的 GPULeaderboard.com chrome 扩展在这里查看部署选项和规格。
TL;DR
- 规模:27.8B 稠密参数(0.46B 视觉编码器、0.42B MTP 头),262,144 token 上下文。
- 运行于:1 块 GPU。BF16 约 52 GB,FP8 约 29 GB,NVFP4 约 23 GB(仅限 Blackwell)。列出的目标平台:H200、B200、GB300、RTX PRO 6000、RTX 5090、DGX Spark。也提供 GGUF。
- 性能:在全部 7 个报告的基准上均优于其 Qwen3.8-27B 基础模型。
- 最佳:IFBench 82.4,在 RadixArk 对比的 9 个模型中得分最高。
- 最差:HLE(纯文本)34.3,仅比基础模型高 +0.4,低于 Inkling 2 Small 的 44.1。
- 结论:最佳:经过 18 天 RL 后,Terminal Bench 4.1 提升超过一倍。最差:在困难的 agentic 任务上,它仍落后于规模大得多的 MoE 模型。
什么是 DaisyRose-27B?
DaisyRose-27B 保持 Qwen3.8-27B 架构不变。模型卡列出 64 个解码器层,采用 3:1 模式。三个 Gated DeltaNet 线性注意力层与 1 个全注意力层交替。隐藏大小为 5,120。一个 27 层视觉编码器处理图像。一个多 token 预测层支持投机解码。输入为文本和图像,输出为文本,且它是一个思考模型。
DaisyRose-27B 是如何训练的?
RadixArk 与 Eigent AI 一起构建了约 1,200 个精选任务,从数千个候选中选出。每个任务针对基础模型的一个特定失败点。每次沙盒尝试允许最多 1.5 小时、100+ 次工具调用和 256k+ 输出 token。据博客称,agent 会话最多可达 1M token。
训练在 Miles 上运行,这是 RadixArk 的开源 RL 框架,采用全异步模式。此次运行使用了 144 块 H200 GPU,持续 18 天。其中,128 块负责 agent 推理,16 块负责训练。总计算量为 63,000 GPU 小时。
RadixArk 报告其内部后端达到 37% MFU。基于 Megatron 的开源训练器达到 16%。端到端吞吐量为 16.8k tokens/s,对比 8.3k,实现 2.0 倍加速。RadixArk 称这将 GPU 时间减少了 57%。
沙盒运行在 AgentENV 上。RadixArk 报告从 9 月中旬到 11 月中旬约有 944,000 个沙盒。峰值并发达到 1,566。9 周内创建成功率为 99%。RadixArk 估计成本比流行的云沙盒提供商低约 80%。
DaisyRose-27B 在基准测试上表现如何?
所有分数均由 RadixArk 自行报告。DaisyRose 的分数取其 BF16 和 FP8 运行中较高者。
| 基准 | DaisyRose-27B | Qwen3.8-27B | 变化 |
|---|---|---|---|
| Terminal Bench 4.1 (pass@1) | 12.0 | 5.6 | +6.4 |
| Terminal Bench 2.1 | 75.5 | 73.0 | +2.5 |
| DeepSWE v1.1 | 46.2 | 42.2 | +4.0 |
| SWE Bench Pro v2 | 94.7 | 91.3 | +3.4 |
| HLE(纯文本) | 34.3 | 33.9 | +0.4 |
| IFBench | 82.4 | 79.5 | +2.9 |
| GPQA Diamond | 90.7 | 89.2 | +1.5 |
来源:RadixArk 博客和模型卡。
最大的跃升是 Terminal Bench 4.1,提升超过一倍。编码能力稳步提升:DeepSWE v1.1 上 +4.0,SWE Bench Pro v2 上 +3.4。知识类提升较小,HLE 上 +0.4,GPQA Diamond 上 +1.5。
与更大的模型相比,结果参差不齐。MiMo V2.6 Flash(总参数 309B)以 16.1 领跑 Terminal Bench 4.1。Inkling 2 Small(总参数 594B)领跑 DeepSWE(72.1)和 HLE(44.1)。DaisyRose-27B 仅在 IFBench 上位居 RadixArk 9 模型表的首位。
如何部署 DaisyRose-27B?
权重已在 Hugging Face 上提供,包括 BF16、FP8、NVFP4 和 GGUF。NVFP4 需要 Blackwell GPU。RadixArk 推荐使用 SGLang 配合 DSpark 投机解码。该配置使用 Qwen3.8-27B-DSpark 草稿模型。vLLM 也可通过 vllm serve "RadixArk/DaisyRose-27B" 使用。建议的思考模式采样为 temperature 1.0、top_p 0.95 和 top_k 20。
文章标题:RadixArk 发布 DaisyRose-27B,一个仅用强化学习训练的 27B 智能体编程模型
正文:
DaisyRose-27B 与同尺寸模型相比如何?
| 指标 | DaisyRose-27B | Qwen3.8-27B | Muse Glimmer-30B | Qwen3.6-35B-A3B |
|---|---|---|---|---|
| 开发者 | RadixArk | Qwen(阿里巴巴) | Meta Superintelligence Lab | Qwen(阿里巴巴) |
| 总参数 | 27.8B | 27B | ~29.6B | 35B |
| 激活参数 | 27.8B(dense) | 27B(dense) | ~29.6B(dense) | 3B(MoE) |
| 上下文 | 262,144 | 262,144(可扩展至 1M) | 131,072+ | 262,144(可扩展至 1,010,000) |
| 许可证 | Apache 2.0 | Apache 2.0 | Apache 2.0 | Apache 2.0 |
| 输入 | 文本、图像 | 文本、图像、视频 | 文本、图像 | 文本、图像 |
| 硬件 | 1 块 GPU;52 GB BF16,23 GB NVFP4 | 未披露 | 64 GB 全精度;低于 20 GB 4-bit | 未披露 |
| Terminal Bench 2.1* | 75.5 | 73.0 | 51.7 | 44.9 |
| SWE Bench Pro v2* | 94.7 | 91.3 | 80.4 | 73.3 |
| DeepSWE v1.1* | 46.2 | 42.2 | 4.4 | 0.0 |
| HLE(仅文本)* | 34.3 | 33.9 | 22.0 | 22.2 |
| IFBench* | 82.4 | 79.5 | 77.0 | 64.4 |
| GPQA Diamond* | 90.7 | 89.2 | 83.5 | 86.0 |
| SWE-bench Pro(官方卡片) | 未披露 | 61.7 | 51.2 | 49.5 |
*来自 RadixArk 的对比表,该表引用了各开发者的报告或排行榜。SWE Bench Pro v2 的数据可追溯至 arXiv 2611.16289。最后一行来自各模型自己的卡片。
要点
- 仅 RL,无 SFT:1,200 个任务,18 天,144 块 H200。
- Terminal Bench 4.1 从 5.6 跃升至 12.0。
- 适配 1 块 GPU:BF16 下 52 GB,NVFP4 下 23 GB。
- Miles 达到 37% MFU,端到端快 2.0 倍。
- Apache 2.0,但每个分数均为自报。
查看模型卡片、技术博客和 Miles 仓库。你可以通过我们的 GPULeaderboard.com chrome 扩展在此查看部署选项和规格。
此外,欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在 telegram 上吗?现在你也可以在 telegram 上加入我们。
需要与我们合作推广你的 GitHub 仓库 OR Hugging Face 页面 OR 产品发布 OR 网络研讨会等?联系我们

Asif Razzaq 是 Marktechpost AI Media Inc. 的 CEO。作为一名有远见的企业家和工程师,Asif 致力于利用人工智能的潜力造福社会。他最近的尝试是推出人工智能媒体平台 Marktechpost,该平台以深入报道机器学习和深度学习新闻而著称,内容既技术可靠又易于广大受众理解。该平台月浏览量超过 200 万,彰显了其在受众中的受欢迎程度。
- Asif RazzaqNVIDIA AI 发布 Nemotron-Labs-Sigma,一个连续扩散语言模型,在 3B/8B 下提供 14 个检查点
- Asif Razzaq2026 年面向 MCP、A2A 和 LLM 流量的 13 个最佳智能体网关:Kong、Bifrost、AgentCore、Arcade
- Asif Razzaq不是是否,而是如何:在 AI 攻击者时代响应安全事件
- Asif RazzaqGoogle DeepMind 发布 Gemini 4 Neon:1M 上下文,AA Coding Agent Index 排名第一