RadixArk 发布 DaisyRose-27B,基于 Qwen3.8-27B 强化学习后训练
DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%。
原文给出了训练成本与吞吐对比,读者可据此判断长程智能体后训练的效率边界。
- 基于 Qwen3.8-27B,用 Miles 强化学习后训练
- 1200 条任务、144 张 H200、18 天完成训练
- Terminal-Bench 4.1 pass@1 从 5.6% 升至 12.0%
- Apache 2.0 开放 BF16/FP8/NVFP4 checkpoint
- 保留 256K 上下文与图像理解能力
发生了什么
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B,用其开源强化学习框架 Miles 做后训练。训练面向长程 agent 任务,单次会话最长 1M tokens,仅用 1200 条精选任务,在 144 张 H200 上训练 18 天。Terminal-Bench 4.1 pass@1 从 5.6% 提升到 12.0%,其余推理、指令遵循、编码基准也均有提升。模型保留 Qwen3.8-27B 的架构、tokenizer、聊天模板、图像理解和 256K token 上下文窗口,checkpoint 以 Apache 2.0 提供 BF16、FP8、NVFP4 三种格式。
为什么重要
这次发布的看点不在榜单分数,而在后训练效率。RadixArk 称其内部训练后端在本次发布中 MFU 达 37%,而基于 Megatron 的开源训练器在可比运行中为 16%,同等训练所需 GPU 时间少 57%;端到端约 16,800 tokens/秒,开源训练器约 8,300。训练数据由与 Eigent AI 合作构建,按“针对原模型的具体错误、多步依赖、必须真正解题”三条标准筛选。沙箱服务基于开源 AgentENV,九周内创建成功率 99%,10 月下旬起超过 99.95%。
对国内用户的影响
对国内开发者而言,DaisyRose-27B 以 Apache 2.0 开放 checkpoint,并保留 Qwen3.8-27B 的架构与 256K 上下文,接入门槛相对可控;官方推荐用 SGLang 加 DSpark 投机解码部署,SGLang cookbook 提供不同 GPU 和 checkpoint 格式的启动配置。原文未提及中国大陆的可用性、下载渠道或网络条件,实际获取与部署需自行确认。训练侧提到的 Miles、AgentENV 均为开源项目,可作为自建 agent 后训练流程的参考。
怎么上手或延伸阅读
原文给出的入口:下载 DaisyRose-27B 模型,按 SGLang serving guide 启动服务,用 Miles 训练自己的 agent;模型卡(model card)包含模型属性、推理设置、对比来源与评测设置。启动服务后以 served model name DaisyRose-27B、端口 30000 提供 OpenAI 兼容接口,示例用 OpenAI Python 客户端请求,temperature 1.0、top_p 0.95、top_k 20、min_p 0.0;模型默认先思考,推理内容在 reasoning_content,最终答案在 content。
常见问题
- 问:DaisyRose-27B 和 Qwen3.8-27B 是什么关系?
- 答:DaisyRose-27B 是 RadixArk 的首个模型,构建在 Qwen3.8-27B 之上,用 Miles 做强化学习后训练。它保留原模型的架构、tokenizer、聊天模板、图像理解和 256K token 上下文窗口,并非从零训练的新基座。
- 问:训练成本为什么能降下来?
- 答:原文称其内部训练后端在本次发布中 MFU 为 37%,基于 Megatron 的开源训练器在可比运行中为 16%,因此同等训练所需 GPU 时间少 57%;端到端约 16,800 tokens/秒,开源训练器约 8,300。训练采用全异步模式,128 张 H200 跑 agent 推理,16 张跑训练器。
- 问:怎么部署和调用这个模型?
- 答:原文推荐用 SGLang 加 DSpark 投机解码部署,SGLang cookbook 提供不同 GPU 和 checkpoint 格式的启动配置。以 served model name DaisyRose-27B、端口 30000 启动后,可用 OpenAI Python 客户端请求;模型默认先思考,推理在 reasoning_content,答案在 content。
本解读由 AI 根据原文(Hugging Face Blog)整理,只基于原文内容;细节以原文为准。
来源:Hugging Face Blog · huggingface.co