DaisyRose-27B: Eğitim Sonrası Verimliliğin Sınırlarını Zorlamak

Özgün başlık: DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
Bugün RadixArk'ın Qwen3.8-27B üzerine inşa edilen ve Mil kullanılarak takviyeli öğrenimle eğitilen ilk modeli DaisyRose-27B'yi piyasaya sürüyoruz. 144 H200 GPU'da 18 günde yalnızca 1.200 seçilmiş görevle, 1 milyon token'a kadar oturumlarla uzun ufuklu aracı görevleri konusunda eğitim verdik. DaisyRose-27B, Terminal-Bench 4.1 pass@1'i %5,6'dan %12,0'a yükseltti. Terminal-Bench 4.1'in ötesinde, aynı zamanda diğer muhtelif muhakeme, talimat izleme ve kodlama kriterlerinde de kazançlar sağlar.
Kontrol noktaları Apache 2.0 altında mevcuttur: BF16 FP8 NVFP4 Model, Qwen3.8-27B'nin mimarisini, tokenizer'ını, sohbet şablonunu, görüntü anlama ve 256K-token bağlam penceresini korur. Daha uzun eğitim oturumları, birden fazla yörüngeyi kapsamak için koşum takımı özetlemesini kullanır. Model özellikleri ve çıkarım ayarları için model kartına bakın.
Today we are releasing DaisyRose-27B , RadixArk’s first model, built on Qwen3.8-27B and trained with reinforcement learning using Miles. We trained it on long-horizon agent tasks with sessions up to 1M tokens, with just 1,200 curated tasks in 18 days on 144 H200 GPUs. DaisyRose-27B improves Terminal-Bench 4.1 pass@1 from 5.6% to 12.0% . Beyond Terminal-Bench 4.1, it also delivers gains on a variety of other reasoning, instruction following, and coding benchmarks.
The checkpoints are available under Apache 2.0 : BF16 FP8 NVFP4 The model retains Qwen3.8-27B’s architecture, tokenizer, chat template, image understanding, and 256K-token context window . The longer training sessions use harness summarization to span multiple trajectories. See the model card for model properties and inference settings.
Hoy lanzamos DaisyRose-27B, el primer modelo de RadixArk, construido sobre Qwen3.8-27B y entrenado con aprendizaje por refuerzo utilizando Miles. Lo capacitamos en tareas de agentes de largo plazo con sesiones de hasta 1 millón de tokens, con solo 1200 tareas seleccionadas en 18 días en 144 GPU H200. DaisyRose-27B mejora Terminal-Bench 4.1 pass@1 del 5,6% al 12,0%. Más allá de Terminal-Bench 4.1, también ofrece mejoras en una variedad de otros puntos de referencia de razonamiento, seguimiento de instrucciones y codificación.
Los puntos de control están disponibles en Apache 2.0: BF16 FP8 NVFP4. El modelo conserva la arquitectura, el tokenizador, la plantilla de chat, la comprensión de imágenes y la ventana de contexto de 256K de Qwen3.8-27B. Las sesiones de entrenamiento más largas utilizan el resumen de arnés para abarcar múltiples trayectorias. Consulte la tarjeta del modelo para conocer las propiedades del modelo y la configuración de inferencia.
Сегодня мы выпускаем DaisyRose-27B, первую модель RadixArk, построенную на Qwen3.8-27B и обученную с помощью обучения с подкреплением с использованием Miles. Мы обучили его выполнению долгосрочных задач агента с сеансами до 1 млн токенов и всего 1200 курируемых задач за 18 дней на 144 графических процессорах H200. DaisyRose-27B повышает процент прохода @1 Terminal-Bench 4.1 с 5,6% до 12,0%. Помимо Terminal-Bench 4.1, он также обеспечивает преимущества в ряде других тестов рассуждения, выполнения инструкций и кодирования.
Контрольные точки доступны в Apache 2.0: BF16 FP8 NVFP4. Модель сохраняет архитектуру Qwen3.8-27B, токенизатор, шаблон чата, понимание изображений и контекстное окно на 256 тыс. токенов. В более длительных тренировочных сессиях используется суммирование привязей для охвата нескольких траекторий. См. карточку модели для свойств модели и настроек вывода.