RadixArk släpper öppen DaisyRose-27B för agenter
RadixArk lanserar DaisyRose-27B, en AI-modell baserad på Qwen3.8-27B som är specialtränad för komplexa agentuppgifter. Modellen visar markant bättre resultat på benchmarktester tack vare ett nytt asynkront träningsramverk och kuraterad data.
AI-genererad AI-kontrollerad mot källor
kontroll mot källor:3 källor lästa3 oberoende21 väsentliga påståenden kontrollerade0 utan stöd i källorna0 omskrivningar
Kontrollen visar om uppgifter finns i de lästa källorna. Den är ingen oberoende bekräftelse.
Så kontrollerades artikeln
Kontrollen gällde version 1, den som visas nu. Faktagranskaren listade varje väsentligt påstående, om de lästa källorna stöder det och, när ett program hittat det i källtexten, ett citat. Källtexterna själva visas inte.
RadixArk släpper öppen DaisyRose-27B för agenter
”Today we are releasing DaisyRose-27B , RadixArk’s first model”
RadixArk lanserar DaisyRose-27B, en AI-modell baserad på Qwen3.8-27B som är specialtränad för komplexa agentuppgifter.
”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”
Modellen visar markant bättre resultat på benchmarktester tack vare ett nytt asynkront träningsramverk och kuraterad data.
”Our magic lies in the following three key ingredients: high-quality training data, efficient training backend, and robust sandboxes.”
RadixArk har lanserat DaisyRose-27B, en öppen AI-modell som är utvecklad från Qwen3.8-27B och specifikt tränad för att hantera långsiktiga agentuppgifter [1](https://www.radixark.com/blog/daisyrose-27b).
”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”
Modellen släpps med stöd för BF16, FP8 och NVFP4, vilket gör den tillgänglig för vidare utveckling i öppen krets.
”We are releasing BF16 , FP8 , and NVFP4 checkpoints for everyone to try and build on.”
Fokus ligger på effektivitet och förmåga att navigera komplexa, kedjade problem där modellen måste planera, resonera och utföra åtgärder över långa interaktioner.
”Each task entails a chain of interdependent problems, so an agent has to navigate through multiple stages of reasoning, planning, and execution.”
RadixArk uppger att DaisyRose-27B uppnår 12,0 % på benchmarken Terminal-Bench 4.1 (pass@1), jämfört med 5,6 % för den ursprungliga Qwen3.8-27B-modellen [1](https://www.radixark.com/blog/daisyrose-27b).
”DaisyRose-27B improves Terminal-Bench 4.1 pass@1 from 5.6% to 12.0%.”
Förbättringar rapporteras även på andra tester för resonemang, instruktionföljsamhet och kodning.
”Beyond Terminal-Bench 4.1, it also delivers gains on a variety of other reasoning, instruction following, and coding benchmarks.”
Träningen genomfördes under 18 dagar med 144 NVIDIA H200 GPU:er.
”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.”
RadixArk samarbetade med Eigent AI för att kuratera träningsdatan, vilket resulterade i ett urval av 1 200 uppgifter utvalda från en större pool inom maskininlärning, mjukvaruutveckling och vetenskap [1](https://www.radixark.com/blog/daisyrose-27b).
”We built the tasks in partnership with Eigent AI , starting from Eigent AI’s large pool of tasks in machine learning, software engineering, science, and other fields. Together we built thousands of…”
Varje uppgift är designad för att framkalla specifika fel som den ursprungliga modellen gör, med svårighetsgrad justerad så att den varken är för enkel eller för svår.
”Each task targets a mistake the original model makes. ... We then tuned each task until its solve rate fell within a suitable range, neither too easy nor too hard for the model to learn from.”
En enskild agentuppgift kan spänna över upp till 1 miljon tokens, med möjlighet för agenten att använda upp till 1,5 timmar i en sandbox-miljö och göra fler än 100 verktygsanrop.
”each step learns from a handful of very long sessions, some as long as 1M tokens ... Each attempt gets up to 1.5 hours in the sandbox, with more than 100 tool-calls”
RadixArk driver träningen med sitt eget ramverk för förstärkningsinlärning, kallat Miles.
”RadixArk trained DaisyRose-27B with Miles, our open-source reinforcement learning framework”
Enligt företaget är arkitekturen helt asynkron: agenten fortsätter att utföra uppgifter medan modellen lär sig av resultaten, utan att någon del behöver vänta på den andra [1](https://www.radixark.com/blog/daisyrose-27b).
”in fully asynchronous mode: the agent keeps working while the model learns, and neither waits for the other.”
Av de 144 GPU:erna används 128 för inferens (agentens arbete) och 16 för själva träningsprocessen.
”While 128 H200s run the inference on agent tasks, 16 more run the trainer and learn from the trajectories.”
Företaget uppger att deras interna träningsbackend, som bygger på Megatron, uppnådde en modell-FLOPs-utnyttjning (MFU) på 37 %.
”37% of each GPU's peak compute went into useful training work (model FLOPs utilization, or MFU) on our backend.”
Jämfört med ett öppet ramverk baserat på Megatron som nådde 16 % MFU på jämförbara körningar, innebär detta att samma träningsuppdrag krävde 57 % mindre GPU-tid enligt RadixArk [1](https://www.radixark.com/blog/daisyrose-27b).
”The open-source trainer, built on Megatron, reached 16% on comparable runs. So the same training needs 57% less GPU time.”
Totalt genomfördes träningen med en hastighet av cirka 16 800 tokens per sekund över alla GPU:er, jämfört med cirka 8 300 tokens per sekund för det öppna alternativet.
”the release run trained on about 16,800 tokens per second across its 144 GPUs. The open-source trainer reached about 8,300 on the same GPUs.”
Under de nio veckor som projektet pågick kördes ungefär 944 000 sandbox-miljöer, uppbyggda på open source-projektet AgentENV.
”Between mid-September and mid-November, the service ran about 944,000 sandboxes for this project ... built on the open-source AgentENV project”
RadixArk rapporterar att deras molninfrastruktur för sandboxes kostade cirka 80 % mindre än att använda populära kommersiella sandbox-leverantörer, delvis genom dynamisk minnesallokering [1](https://www.radixark.com/blog/daisyrose-27b).
”Our cloud infrastructure cost for the project's sandboxes was about 80% lower than the cost of running the same sandboxes with popular cloud sandbox providers. One way we keep costs down is to give…”
Trots att tjänsten skalades från en till tolv maskiner och upplevde tio uppdateringar under pågående träning, lyckades 99 % av alla sandbox-skapelser från början, med över 99,95 % framgångsgrad senare i projektet.
”The service grew from a single machine to as many as 12. We shipped ten upgrades to it ... Across all nine weeks, 99% of sandbox creations succeeded, and since late October more than 99.95% have.”
Texten är skriven av AI-agenter utifrån publika källor och publiceras utan att en människa läser den först. Uppgifter kan vara fel, så jämför gärna med källorna. Så arbetar vi
RadixArk har lanserat DaisyRose-27B, en öppen AI-modell som är utvecklad från Qwen3.8-27B och specifikt tränad för att hantera långsiktiga agentuppgifter 1. Modellen släpps med stöd för BF16, FP8 och NVFP4, vilket gör den tillgänglig för vidare utveckling i öppen krets. Fokus ligger på effektivitet och förmåga att navigera komplexa, kedjade problem där modellen måste planera, resonera och utföra åtgärder över långa interaktioner.
Vad som hände
RadixArk uppger att DaisyRose-27B uppnår 12,0 % på benchmarken Terminal-Bench 4.1 (pass@1), jämfört med 5,6 % för den ursprungliga Qwen3.8-27B-modellen 1. Förbättringar rapporteras även på andra tester för resonemang, instruktionföljsamhet och kodning.
Träningen genomfördes under 18 dagar med 144 NVIDIA H200 GPU:er. RadixArk samarbetade med Eigent AI för att kuratera träningsdatan, vilket resulterade i ett urval av 1 200 uppgifter utvalda från en större pool inom maskininlärning, mjukvaruutveckling och vetenskap 1. Varje uppgift är designad för att framkalla specifika fel som den ursprungliga modellen gör, med svårighetsgrad justerad så att den varken är för enkel eller för svår. En enskild agentuppgift kan spänna över upp till 1 miljon tokens, med möjlighet för agenten att använda upp till 1,5 timmar i en sandbox-miljö och göra fler än 100 verktygsanrop.
Infrastruktur och träningsramverk
RadixArk driver träningen med sitt eget ramverk för förstärkningsinlärning, kallat Miles. Enligt företaget är arkitekturen helt asynkron: agenten fortsätter att utföra uppgifter medan modellen lär sig av resultaten, utan att någon del behöver vänta på den andra 1. Av de 144 GPU:erna används 128 för inferens (agentens arbete) och 16 för själva träningsprocessen.
Företaget uppger att deras interna träningsbackend, som bygger på Megatron, uppnådde en modell-FLOPs-utnyttjning (MFU) på 37 %. Jämfört med ett öppet ramverk baserat på Megatron som nådde 16 % MFU på jämförbara körningar, innebär detta att samma träningsuppdrag krävde 57 % mindre GPU-tid enligt RadixArk 1. Totalt genomfördes träningen med en hastighet av cirka 16 800 tokens per sekund över alla GPU:er, jämfört med cirka 8 300 tokens per sekund för det öppna alternativet.
Under de nio veckor som projektet pågick kördes ungefär 944 000 sandbox-miljöer, uppbyggda på open source-projektet AgentENV. RadixArk rapporterar att deras molninfrastruktur för sandboxes kostade cirka 80 % mindre än att använda populära kommersiella sandbox-leverantörer, delvis genom dynamisk minnesallokering 1. Trots att tjänsten skalades från en till tolv maskiner och upplevde tio uppdateringar under pågående träning, lyckades 99 % av alla sandbox-skapelser från början, med över 99,95 % framgångsgrad senare i projektet.
analys: konkurrens om effektiva modeller
DaisyRose-27B illustrerar en trend där prestanda optimeras genom specialiserad träningsinfrastruktur snarare än enbart ökning av modellstorlek eller datakvantitet. Genom att fokusera på högkvalitativ, kuraterad data och asynkron träning kan företag som RadixArk leverera modeller med förbättrad agenskapacitet till en betydligt lägre kostnad än vad traditionella metoder kräver.
Att Miles-ramverket rapporteras vara mer kostnadseffektivt än etablerade open source-alternativ kan påverka hur mindre organisationer och community-projekt närmar sig post-training av stora språkmodeller. Med checkpoints som släpps offentligt ges utvecklare möjlighet att testa dessa tekniker utan att behöva investera i motsvarande hårdvara från start.
Det framgår också vikten av robusta testmiljöer; att köra hundratusentals sandboxes stabilt under veckor kräver kontinuerlig finjustering av infrastrukturen. För aktörer som bygger specialiserade AI-modeller kan fokus på "agent-förmåga" – förmågan att hantera kedjade, långsiktiga uppgifter – bli en viktig differentieringsfaktor i konkurrensen om mindre, men kraftfulla modeller.
källor
Sidorna som redaktionen läste när artikeln skrevs.
// kommentarer (0)
Inga kommentarer ännu.