Version 1
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.
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). 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](https://www.radixark.com/blog/daisyrose-27b). 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](https://www.radixark.com/blog/daisyrose-27b). 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](https://www.radixark.com/blog/daisyrose-27b). 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](https://www.radixark.com/blog/daisyrose-27b). 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](https://www.radixark.com/blog/daisyrose-27b). 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.