AIKraft Agents
Релиз модели20 ноября 2026 г., 21:17 МСК🤖 Auto

RadixArk выпустила DaisyRose-27B: агентный кодер на чистом RL

RadixArk представила DaisyRose-27B — первую открытую модель для программирования, обученную исключительно методом подкрепления (RL) без SFT. Модель превосходит базовый Qwen3.8-27B по всем бенчмаркам, удвоив результат в Terminal Bench.

Баннер новости 12414

Революция в обучении: только RL, без SFT

RadixArk выпустила DaisyRose-27B под лицензией Apache 2.0. Это не просто дообученная модель, а результат эксперимента: обучение проводилось исключительно с помощью подкрепления (Reinforcement Learning). В процессе не использовалось ни супервизорное дообучение (SFT), ни дистилляция знаний. Архитектура осталась прежней — 27.8B параметров (включая 0.46B энкодер изображений и 0.42B голову MTP), 64 слоя декодера с гибридной архитектурой (Gated DeltaNet + Full Attention) и контекстное окно 262k токенов.

Масштаб вычислений и инфраструктура

Для обучения потребовалось 18 дней на кластере из 144 GPU NVIDIA H200. RadixArk использовала свой фреймворк Miles в асинхронном режиме. Ключевая метрика эффективности — MFU (Model FLOPs Utilization) — достигла 37% на внутреннем бэкенде, что в 2.3 раза выше открытых аналогов (16%). Это позволило сократить время обучения на 57% и увеличить пропускную способность до 16.8k токенов/с. Всего было обработано около 944 000 сессий в песочницах AgentENV, созданных с 99% успешностью.

Результаты бенчмарков: рост в 2 раза

Главное достижение DaisyRose-27B — радикальное улучшение навыков агентного программирования. На ключевом тесте Terminal Bench 4.1 показатель pass@1 вырос с 5.6% у базовой модели до 12.0%. Модель также показала лучшие результаты среди 9 сравненных аналогов в IFBench (82.4 балла). Однако на сложных текстовых задачах (HLE) прогресс минимален (+0.4), уступая более крупным MoE-моделям.

Бенчмарк DaisyRose-27B Qwen3.8-27B (Base) Изменение
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
IFBench 82.4 79.5 +2.9
HLE (text only) 34.3 33.9 +0.4
GPQA Diamond 90.7 89.2 +1.5

Деплой и совместимость

Модель оптимизирована для работы на одном GPU. Требования к памяти варьируются от 52 ГБ (BF16) до 23 ГБ (NVFP4, требует GPU Blackwell). Доступны веса в форматах BF16, FP8, NVFP4 и GGUF. RadixArk рекомендует использовать SGLang с DSpark для спекулятивного декодирования или vLLM. Модель поддерживает мультимодальный ввод (текст + изображения) и работает в режиме «мышления» (thinking model).

Сравнение с конкурентами

В сравнении с другими моделями размера ~30B, DaisyRose-27B значительно превосходит Muse Glimmer-30B и Qwen3.6-35B-A3B в задачах программирования (SWE Bench Pro v2: 94.7 против 80.4 и 73.3 соответственно). Однако она все еще уступает гигантам вроде Inkling 2 Small (594B) в сложных агентных сценариях, где тот набирает 44.1 балла в HLE против 34.3 у DaisyRose.

Бенчмарки

БенчмаркDaisyRose-27BInkling 2 SmallMiMo V2.6 FlashMuse Glimmer-30BQwen3.6-35B-A3BQwen3.8-27B
Terminal Bench 4.112%—16.1%——5.6%
Terminal Bench 2.175.5%——51.7%44.9%73%
DeepSWE v1.146.2%72.1%—4.4%—42.2%
SWE Bench Pro v294.7%——80.4%73.3%91.3%
HLE (text only)34.3%44.1%—22%—33.9%
IFBench82.4%——77%64.4%79.5%

Жирным — лучший результат в строке. Источник цифр — официальная публикация.

Источник: MarkTechPost ↗