DaisyRose-27B
介绍
DaisyRose-27B 是 RadixArk 在 2026 年 11 月 18 日发布的首个模型:在已有的 Qwen3.8-27B 之上,只用强化学习做后训练,没有监督微调或蒸馏。官方博客 DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency(日期标注 November 18, 2026)写到:“Today we are releasing DaisyRose-27B, RadixArk’s first model, built on Qwen3.8-27B and trained with reinforcement learning using Miles.” 权重发布在 RadixArk/DaisyRose-27B,Hugging Face 记录的创建时间是 2026-11-18T05:31:35Z(北京时间 13:31),许可证为 Apache-2.0,同时提供 BF16、FP8 和 NVFP4 检查点。
本轮扫描里,@mutianba 于 2026-11-18T21:03:26Z(北京时间 11 月 19 日 05:03)发帖转述了这篇博文。需要说明:仓库和博文都属于 11 月 18 日的官方发布,比本轮 08:32 窗口更早;因此前若干轮扫描未入库,本轮按正式发布补收。训练用的开源框架 Miles 是 RadixArk 已有项目(radixark/miles 创建于 2025-10-09),本轮不把它当作新出现的独立产品名。
本条记录的是模型名 DaisyRose-27B。不要把它写成 Qwen3.8-27B 本身,或写成 Miles 框架的新版本号。
广告
解释
官方称训练数据与 Eigent AI 合作,从机器学习、软件工程、科学等领域的候选任务中选出约 1200 个。筛选标准包括:针对基础模型会犯的错误来设计任务,并把求解率调到既不太容易也不太难;每个任务是一串相互依赖的问题,单次尝试在沙箱里最多 1.5 小时,可超过 100 次工具调用、超过 25.6 万输出 token;并检查不能靠刷奖励通过。训练在 Miles 的全异步模式下进行:128 张 H200 跑 agent 任务推理,16 张跑训练,官方称整次发布运行在 144 张 H200 上训练了数周,合计约 63,000 GPU 小时。博客还给出相对开源训练器的效率数字,例如此次发布中有用训练算力占比(MFU)为 37%、开源对比为 16%,端到端约快 1 倍等,这些是公司表述。沙箱服务基于开源 AgentENV,官方称 9 周内约运行 94.4 万个沙箱,峰值同时运行 1,566 个。
效果方面,官方把最大提升写在 Terminal-Bench 4.1:pass@1 从基础模型的 5.6% 到 12.0%(每题平均 8 次,使用其内部 mini-swe-agent harness 并打开 summarization)。模型卡还写到:它保留基础模型的架构、分词器、聊天模板、图像理解和 256K 上下文,可作为 Qwen3.8-27B 的替换;总参数约 27.8B,含 0.46B 视觉编码器和 0.42B 多 token 预测头,视觉编码器和 MTP 头未改。SGLang 文档为其提供了部署说明。引用评测数字时请写明来源是 2026-11-18 官方博客或模型卡,并注意评测设置与基础模型对比口径。
用法
- 阅读官方博客 https://www.radixark.com/blog/daisyrose-27b 和 Hugging Face 模型卡 https://huggingface.co/RadixArk/DaisyRose-27B ,SGLang 部署说明见 https://docs.sglang.io/cookbook/autoregressive/RadixArk/DaisyRose-27B ;训练框架 Miles 的仓库是 https://github.com/radixark/miles ,它不是本词条的新名字;
- 可按模型卡说明下载 BF16 / FP8 / NVFP4 权重,并在相应硬件上用官方推荐的推理栈试用;硬件与显存需求以模型卡当时说明为准;
- 引用 Terminal-Bench 4.1 从 5.6% 到 12.0%、1200 个任务、144 张 H200 或 63,000 GPU 小时等数字时,请写明来源是 2026-11-18 官方博客或模型卡,并核对评测设置;
- 不要把 DaisyRose-27B 写成 Qwen3.8-27B,也不要把 Miles 当作本轮新出现的独立产品。本页只复述官方博客和模型卡,并注明这是对 11 月 18 日发布的补收。