AIKraft Agents
Главная/Блог/Аналитика/DaisyRose-27B: Революция агентного…
Аналитика9 мин чтения · 20 ноября 2026 г.

DaisyRose-27B: Революция агентного кодинга на одном GPU

RadixArk представила DaisyRose-27B — первую открытую модель для агентного программирования, обученную только через RL. Разбираем архитектуру, результаты бенчмарков и возможности локального запуска.

DaisyRose-27B: Революция агентного кодинга на одном GPU

В мире искусственного интеллекта, где гонка за параметрами часто затмевает эффективность, появление DaisyRose-27B от RadixArk выглядит как свежий глоток воздуха. Это не просто еще одна большая языковая модель; это первый открытый весовой (open-weight) агентный код-модель, который демонстрирует, что качество можно достичь не только за счет вычислительной мощи, но и за счет умного обучения. Модель была пост-обучена на базе Qwen3.8-27B с использованием исключительно метода усиленного обучения (Reinforcement Learning, RL), без применения стандартного обучения с учителем (SFT) или дистилляции знаний. Такой подход позволяет получить модель, которая не просто знает факты, но и умеет действовать, планировать и исправлять ошибки в реальном времени.

Главный результат, который заставляет обратить на себя внимание индустрии, — это рост показателя Terminal Bench 4.1 pass@1 с 5.6 до 12.0. Это более чем двукратное улучшение способности модели выполнять сложные задачи в терминальной среде. При этом модель работает на одном GPU, что делает её доступной для широкого круга разработчиков, включая тех, кто предпочитает локальный запуск из-за соображений конфиденциальности или экономии. В этой статье мы подробно разберем архитектуру DaisyRose-27B, процесс её обучения, сравнение с конкурентами и практические аспекты развертывания.

01Архитектура и технические характеристики

DaisyRose-27B сохраняет архитектуру своей базовой модели Qwen3.8-27B, что обеспечивает совместимость с существующими инструментами и фреймворками. Модель является плотной (dense), содержащей 27,8 миллиарда параметров. Важно отметить, что из этого числа 0,46 миллиарда параметров приходится на визуальный энкодер, а 0,42 миллиарда — на голову многозадачного предсказания (MTP head), что позволяет модели эффективно работать с текстом и изображениями одновременно.

Ключевой особенностью архитектуры является использование 64 декодерных слоев, организованных в паттерне 3:1. Это означает, что три слоя линейного внимания Gated DeltaNet чередуются с одним слоем полного внимания (full-attention). Такая гибридная структура позволяет модели балансировать между скоростью обработки и способностью улавливать долгосрочные зависимости в контексте. Размер скрытого представления (hidden size) составляет 5120, что обеспечивает достаточную емкость для сложных вычислений.

Модель поддерживает контекстное окно объемом 262 144 токенов, что позволяет ей работать с большими объемами кода и документации. Визуальный энкодер, состоящий из 27 слоев, обрабатывает изображения, делая модель мультимодальной. Выходом модели является текст, и она функционирует как "thinking model" — то есть модель, способная к рассуждению перед генерацией ответа. Это критически важно для агентных задач, где требуется анализ ситуации перед выполнением действия.

Гибридная архитектура внимания

Использование Gated DeltaNet в сочетании с полным вниманием — это не просто техническая деталь, а стратегическое решение. Линейное внимание обеспечивает линейную сложность вычислений по длине контекста, что значительно ускоряет инференс. Полное внимание, в свою очередь, позволяет модели фокусироваться на ключевых участках текста, когда это необходимо. Такое сочетание делает DaisyRose-27B эффективной как для быстрых запросов, так и для глубокого анализа сложных задач.

DaisyRose-27B: Революция агентного кодинга на одном GPU

02Процесс обучения: Только RL, без SFT

Одним из самых интригующих аспектов DaisyRose-27B является метод обучения. Согласно документации модели, она была обучена исключительно с помощью усиленного обучения (RL). Никакого обучения с учителем (SFT) или дистилляции не применялось. Это редкий подход в индустрии, где большинство моделей сначала проходят этап SFT для адаптации к конкретным задачам, а затем дообучаются через RL. RadixArk доказала, что можно достичь высоких результатов, начиная с базовой модели и улучшая её только через обратную связь от среды.

Для обучения было создано около 1 200 тщательно отобранных задач с помощью платформы Eigent AI. Эти задачи были выбраны из тысяч кандидатов и нацелены на конкретные слабости базовой модели Qwen3.8-27B. Каждая задача представляла собой сценарий, в котором модель должна была выполнить определенное действие в изолированной среде (sandbox). На каждую попытку отводилось до 1,5 часов, разрешалось более 100 вызовов инструментов и генерация более 256 000 токенов вывода. В некоторых случаях сессии агента достигали 1 миллиона токенов.

💡
Почему только RL? Обучение только через RL позволяет модели научиться стратегиям решения проблем, а не просто запоминать ответы. Это делает её более гибкой и способной адаптироваться к новым, ранее не встречавшимся задачам, что критически важно для агентных систем.

Обучение проводилось на фреймворке Miles, открытом исходном коде от RadixArk, в полностью асинхронном режиме. Для этого потребовалось 144 GPU NVIDIA H200, которые работали в течение 18 дней. Из них 128 GPU использовались для инференса агентов, а 16 — для обновления весов модели. Общее количество вычислительных ресурсов составило 63 000 GPU-часов. RadixArk сообщает о достижении 37% MFU (Model FLOPs Utilization) на своем внутреннем бэкенде, что является высоким показателем эффективности.

Эффективность инфраструктуры

RadixArk также сравнила свой закрытый бэкенд с открытым трекером на базе Megatron. Открытый вариант достиг 16% MFU, что значительно ниже, но все же демонстрирует работоспособность подхода. Пропускная способность всей системы составила 16,8 тысяч токенов в секунду против 8,3 тысяч в базовом варианте, что дало ускорение в 2 раза. Это позволило сократить время использования GPU на 57%, что существенно снижает затраты на обучение.

03Песочницы AgentENV и стоимость обучения

Ключевым компонентом процесса обучения стала среда AgentENV, разработанная RadixArk. Именно в этой среде агенты DaisyRose-27B выполняли свои задачи. За период с середины сентября по середину ноября было создано около 944 000 песочниц. Пиковая конкурентность достигала 1 566 одновременных сессий. Успешность создания песочниц составила 99% за 9 недель, что свидетельствует о высокой стабильности инфраструктуры.

DaisyRose-27B: Революция агентного кодинга на одном GPU

RadixArk утверждает, что стоимость использования их песочниц примерно на 80% ниже, чем у популярных облачных провайдеров. Это делает процесс обучения и тестирования агентов более доступным и масштабируемым. Низкая стоимость песочниц позволяет проводить больше экспериментов и быстрее итерировать модели, что является важным преимуществом в быстро развивающейся области AI.

04Результаты на бенчмарках

Все результаты, представленные RadixArk, являются самоотчетными. Оценки DaisyRose-27B основаны на лучших результатах запусков в форматах BF16 и FP8. Модель демонстрирует улучшения по всем семи заявленным бенчмаркам по сравнению с базовой моделью Qwen3.8-27B.

Наибольшее улучшение наблюдается в Terminal Bench 4.1, где показатель pass@1 вырос с 5.6 до 12.0. Это более чем двукратное увеличение, которое подчеркивает эффективность RL-обучения для задач программирования. Также значительные улучшения показаны в DeepSWE v1.1 (+4.0) и SWE Bench Pro v2 (+3.4). Эти бенчмарки оценивают способность модели решать реальные задачи по разработке программного обеспечения, что делает их наиболее релевантными для практического применения.

⚠️ Важно
Ограничения в сложных задачах. Несмотря на успехи, модель все еще отстает от более крупных моделей MoE (Mixture of Experts) в сложных агентных задачах. Например, в бенчмарке HLE (только текст) результат составляет 34.3, что лишь на 0.4 выше базовой модели и значительно ниже, чем у Inkling 2 Small (44.1). Это указывает на то, что для самых сложных задач может потребоваться еще больше данных или более сложная архитектура.

В области знаний улучшения менее выражены. В бенчмарке HLE (текст только) прирост составил всего +0.4, а в GPQA Diamond — +1.5. Это говорит о том, что RL-обучение в основном улучшило способности модели к действию и рассуждению, а не к запоминанию фактов. Модель IFBench, оценивающая способность к интерпретации, показала результат 82.4, что является лучшим показателем среди 9 моделей, с которыми сравнивала себя RadixArk.

Сравнение с другими моделями

При сравнении с моделями большего размера результаты смешанные. MiMo V2.6 Flash (309B параметров) лидирует в Terminal Bench 4.1 с результатом 16.1. Inkling 2 Small (594B параметров) лидирует в DeepSWE (72.1) и HLE (44.1). DaisyRose-27B занимает первое место в таблице RadixArk только по IFBench. Однако важно отметить, что DaisyRose-27B значительно превосходит модели сопоставимого размера, такие как Muse Glimmer-30B и Qwen3.6-35B-A3B, особенно в задачах программирования.

DaisyRose-27B: Революция агентного кодинга на одном GPU

05Развертывание и совместимость

Веса DaisyRose-27B доступны на Hugging Face в нескольких форматах: BF16, FP8, NVFP4 и GGUF. Формат NVFP4 требует GPU архитектуры Blackwell, что делает его доступным только для самых новых аппаратных решений. RadixArk рекомендует использовать SGLang с DSpark для спекулятивного декодирования. Для этого используется черновая модель Qwen3.8-27B-DSpark. Также модель работает через vLLM с помощью команды vllm serve "RadixArk/DaisyRose-27B".

Для режима "мышления" (thinking mode) рекомендуются следующие параметры выборки: температура 1.0, top_p 0.95 и top_k 20. Эти параметры помогают модели балансировать между креативностью и точностью при генерации ответов. Модель поддерживает запуск на одном GPU, что делает её доступной для широкого круга пользователей. Требования к памяти варьируются от 52 ГБ для BF16 до 23 ГБ для NVFP4 (только на Blackwell).

📌 Факт
Локальный запуск. DaisyRose-27B можно запустить на локальных GPU, таких как RTX 5090, RTX PRO 6000, DGX Spark, а также на серверных решениях H200, B200 и GB300. Это открывает возможности для использования модели в средах с высокими требованиями к конфиденциальности данных.

06Что это значит на практике

Появление DaisyRose-27B знаменует собой важный шаг в развитии агентного ИИ. Демонстрация того, что модель может быть обучена только через RL и при этом достичь значительных улучшений в задачах программирования, открывает новые пути для оптимизации процессов обучения. Доступность модели в форматах BF16, FP8 и GGUF, а также возможность запуска на одном GPU, делает её привлекательной для разработчиков, которые хотят внедрить агентные возможности в свои проекты без необходимости использования огромных вычислительных ресурсов.

Для российских разработчиков и компаний, работающих в условиях ограничений на доступ к зарубежным облачным сервисам, локальный запуск DaisyRose-27B на доступных GPU (таких как RTX 5090 или отечественных аналогах, если они поддерживают необходимые форматы) становится реальной альтернативой использованию облачных API. Это позволяет сохранять контроль над данными и снижать зависимость от внешних провайдеров.

Однако важно помнить, что модель все еще отстает от более крупных моделей в сложных задачах. Поэтому для критически важных приложений, требующих максимальной точности, может потребоваться использование гибридных подходов или комбинация с другими моделями. Тем не менее, DaisyRose-27B представляет собой мощный инструмент для широкого спектра задач, от автоматизации кодинга до помощи в анализе данных.

07Заключение

DaisyRose-27B от RadixArk — это яркий пример того, как инновационные подходы к обучению могут привести к значительным улучшениям в производительности моделей. Использование только RL, эффективная инфраструктура обучения и доступность для локального запуска делают эту модель важным игроком на рынке агентного ИИ. Следующие месяцы покажут, как сообщество разработчиков будет использовать эту модель и какие новые возможности она откроет. Мы рекомендуем следить за обновлениями модели и экспериментировать с её использованием в своих проектах.

Источник: MarkTechPost ↗