RadixArk发布DaisyRose-27B:18天强化学习,终端任务通过率翻倍

资讯 AI 应用前沿 全文 3475 字 · 约 9 分钟读完 配图 4 张 分类Qwen3.8-27BQwen3开源芯片

RadixArk团队基于Qwen3.8-27B推出了DaisyRose-27B模型。通过自研的Miles框架和高质量数据筛选,团队仅用144张H200 GPU在18天内完成了训练。该模型在Terminal-Bench 4.1上的通过率从5.6%提升至12.0%,且训练成本比开源方案降低57%。文章详细介绍了其数据构建逻

所属频道 算力与芯片开源生态

小步快跑:18天让27B模型学会“深思熟虑”

大模型圈子里,大家都在拼参数规模,但RadixArk团队这次走了另一条路。他们发布了DaisyRose-27B,这是他们的第一款模型,底座是阿里通义千问团队的Qwen3.8-27B。

这不是简单的微调,而是一次针对“长程代理任务”的强化学习特训。结果有点出人意料:只用了144张H200 GPU,耗时18天,处理了1200个精心挑选的任务,就把Terminal-Bench 4.1的pass@1指标从5.6%拉到了12.0%。翻倍的增长,对于已经相当成熟的27B参数模型来说,是个不小的突破。

更值得关注的是效率。RadixArk没有堆砌算力,而是靠一套名为Miles的异步训练框架和一套高可用的沙箱服务,把训练成本打了下来。相比传统的开源训练方案,他们的后端能让同样的训练任务少花57%的GPU时间。

目前,DaisyRose-27B的权重已经以Apache 2.0协议开源,包括BF16、FP8和NVFP4三种精度格式。它保留了Qwen3.8-27B原有的256K上下文窗口、图像理解能力和对话模板,但在解决复杂推理、代码生成和指令遵循问题上,表现更加稳健。

为什么是这1200个任务?

很多强化学习训练失败,不是因为算法不行,而是因为数据太“水”。RadixArk这次和数据合作伙伴Eigent AI一起,从机器学习、软件工程、科学计算等领域的数千个候选任务中,筛出了最终的1200个。

筛选标准很务实,甚至有点“苛刻”:

第一,必须针对原模型的弱点。团队先让Qwen3.8-27B跑了一遍所有候选任务,专门挑出那些模型容易犯错的地方。然后围绕这些错误重新设计任务,调整难度,确保模型处于“跳一跳够得着”的学习区间。如果模型要么全对,要么全错,这个任务就被弃用。

第二,必须足够复杂。每个任务都要求智能体进行多步推理、规划和执行。在一次尝试中,智能体需要在沙箱里运行长达1.5小时,发起超过100次工具调用,输出超过256K token的内容。这种长程依赖是检验模型逻辑连贯性的试金石。

第三,必须真解决问题。团队人工审查了每一个任务和模型的尝试过程。如果一个任务存在设计缺陷,或者模型可以通过“作弊”(比如猜答案)而不真正解决问题就得分,这个任务就会被修复或直接删除。他们不要虚假的高分,只要真实的解决能力。

Miles框架:让训练和推理不再互相等待

传统的强化学习训练,往往是“串行”的:智能体去跑任务,跑完了把数据存下来,训练器再拿去更新模型,更新完了再发给智能体。这中间大量的等待时间,都是算力的浪费。

RadixArk自研的Miles框架采用了完全异步的模式。简单来说,就是“边跑边学”。

在DaisyRose-27B的训练中,128张H200 GPU专门负责运行智能体,执行那些耗时的长程任务;另外16张GPU则负责训练器的工作,实时从智能体产生的轨迹中学习。每当训练器完成一步更新,新模型就会立刻同步给那128张推理卡。智能体不需要停下来等模型更新,训练器也不需要等所有任务跑完。

这种架构带来了两个直接的好处:

首先是模型FLOPs利用率(MFU)的提升。在DaisyRose-27B的训练中,MFU达到了37%,而基于Megatron的开源训练器在类似任务上只能做到16%。这意味着,完成同样的训练量,RadixArk的方案能节省57%的GPU时间。如果是混合专家(MoE)模型,这种优势会更明显,比如在Qwen3.6-35B-A3B上能提速6.2倍,在300B参数的GLM-5.3-Flash上甚至能提速10倍以上。

其次是端到端的速度。算上智能体执行任务的时间,整个集群每秒能处理约16,800个token,而开源方案只有8,300个左右。整整快了一倍。

从9月中旬到11月中旬,这套系统在144张H200上稳定运行了9周,累计消耗63,000 GPU小时。从第一步到最后一步,训练速度和效率几乎没有波动,这对于长期训练任务来说至关重要。

沙箱服务:99.95%的成功率是怎么做到的

强化学习训练智能体,离不开沙箱。智能体要在里面敲命令、改代码、跑测试,然后由环境给出反馈。如果沙箱不稳定,训练就会频繁中断,数据也会污染。

RadixArk的沙箱服务基于开源项目AgentENV构建,但他们做了大量的工程化优化。在为期九周的训练中,这个服务创建了约94.4万个沙箱实例,最高并发数达到1,566个。

为了支撑这么大的并发,他们将基础设施从最初的一台机器扩展到了12台。更重要的是,他们在训练期间进行了十次服务升级,几乎都是在不停服的情况下完成的。

稳定性方面,整体沙箱创建成功率保持在99%以上。从10月下旬开始,这一数字更是提升到了99.95%。对于需要数十万次交互的训练任务来说,这种可靠性是底线。

成本也是个大头。相比于直接使用云服务商提供的现成沙箱服务,RadixArk自建服务的成本降低了约80%。秘诀在于动态内存分配:每个沙箱的内存占用会根据实际使用情况自动伸缩,而不是预先分配固定大小。这样,一台物理机上就能挤下更多的沙箱实例,资源利用率大幅提高。

如何上手DaisyRose-27B

如果你也想试试这个模型,或者基于它构建自己的智能体,目前有几种方式。

最直接的是下载权重。你可以在Hugging Face上找到BF16、FP8和NVFP4三个版本。考虑到推理效率,FP8版本在保持精度的同时能显著降低显存占用,适合大多数部署场景。

部署方面,官方推荐使用SGLang配合DSpark speculative decoding(投机解码)。SGLang社区已经提供了详细的Cookbook,针对不同GPU型号和 checkpoint 格式都有对应的启动配置。

下面是一个简单的Python调用示例,展示了如何获取模型的“思考过程”:

from openai import OpenAI
client = OpenAI(
    base_url="http://localhost:30000/v1",
    api_key="none",
)
response = client.chat.completions.create(
    model="DaisyRose-27B",
    messages=[
        {
            "role": "user",
            "content": "360有多少个正因数?",
        }
    ],
    temperature=1.0,
    top_p=0.95,
    extra_body={"top_k": 20, "min_p": 0.0},
)
![DaisyRose-27B compared with eight models across seven benchmarks](https://cdn.aiinking.com/imgs/NIQDRiT6M0HA.png)
# reasoning_content 包含模型的推理链条
print(response.choices[0].message.reasoning_content)
# content 包含最终答案
print(response.choices[0].message.content)

GPU efficiency: RadixArk’s internal backend compared with the open-source trainer

默认情况下,DaisyRose-27B会在给出最终答案前进行内部推理。reasoning_content字段会返回这段思考过程,而content字段则是最终结论。这种“先想后答”的模式,正是它在复杂逻辑题上表现更好的原因之一。

写在最后

Training speed and GPU efficiency across the DaisyRose-27B release run

DaisyRose-27B的发布,某种程度上证明了“后训练”(Post-training)阶段的潜力。在底座模型越来越同质化的今天,如何通过高质量的数据筛选、高效的训练架构和稳定的工程设施,挖掘出模型在特定领域(如Agent任务)的深度能力,可能比单纯追求参数量更有现实意义。

944K total sandboxes, 1,566 peak concurrent sandboxes, and a 99.95% success rate in the final run

RadixArk团队并没有止步于此。他们开放了Miles框架,也鼓励社区反馈DaisyRose-27B在实际应用中的表现,尤其是那些它搞不定的案例。这种开放的态度,或许比模型本身更能推动技术的迭代。

对于开发者而言,如果你正在构建需要长程规划、代码执行或复杂推理的智能体应用,DaisyRose-27B值得放入你的评测列表。它不一定在所有基准上都拿第一,但在那些需要“动脑子”且“有耐心”的任务上,它确实展示出了不一样的韧性。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 瑞芯微RK3668:2027Q1出工程样品,6nm制程

    IT之家 11 月 18 日消息,根据开源硬件制造商 Radxa(瑞莎)分享的文档,瑞芯微计划于 2027 年第 1 季度交付下代通用处理器 RK3668 的样品。 RK3668 将采用 6nm 制程工艺,CPU 集成 6 个 Arm Cortex-A725、2 个 Arm Cortex-A520,搭配 Arm Mal

    来源 AI 行业观察
  2. RK3668处理器:6nm工艺,2027Q1出工程样品

    IT之家 11 月 18 日消息,根据开源硬件制造商 Radxa(瑞莎)分享的文档,瑞芯微计划于 2027 年第 1 季度交付下代通用处理器 RK3668 的样品。RK3668 将采用 6nm 制程工艺,CPU 集成 6 个 Arm Cortex-A725、2 个 Arm Cortex-A520,搭配 Arm Mali

    来源 腾讯网
  3. 写入记忆,何必读完整个网络?英伟达SEED每GPU吞吐最高提升42%

    Qwen3.8-Flash-Next 有 48 层。处理一段输入时,SEED 让除最后一个以外的 token 只运行前 31 层,再由轻量的记忆写入组件,为后续 17 层生成 KV Cache 和循环状态。到了生成阶段,每个 token 仍然运行完整的 48 层。这个改动利用了一个区别:为后续生成写下记忆,所需的深层计

    来源 腾讯网
  4. TOTO、味之素、花王:这些"超市品牌"正给全球AI芯片供货

    近日,TOTO宣布在福冈县丰前市新建一座半导体制造装置核心部件的量产工厂,投资约600亿日元,加上大分县中津市两座工厂约110亿日元的设备投资,合计约710亿日元。 是不是很惊讶,怎么印象里做马桶的巨头TOTO怎么也开始跨界进军半导体了,可如果你在2026年的东京证券交易所随便扫一眼涨幅榜,会产生一种强烈的错觉:AI算

    来源 AI 行业观察
  5. 微软自研芯片 Maia 200 投入生产:每瓦 token 性能提升 1.7 倍

    IT之家 11 月 18 日消息,昨日(11 月 17 日)召开的 Ignite 2026 活动中,微软宣布旗下第二代自研人工智能加速器 Maia 200 现已正式投入规模化生产,并开始在数据中心运行微软最大规模的前沿 AI 大模型。 与“领先 GPU 基础设施”相比,该加速器在 Microsoft Teams、Cop

    来源 AI 行业观察
  6. OpenCode配Ollama与Qwen3-Coder:本地跑AI编程助手实战

    不想把代码传给云端?这篇教程教你用 OpenCode、Ollama 和阿里通义千问代码模型,在本地电脑搭建零成本的 AI 编程助手。从环境安装到配置调优,全程不依赖外部 API,适合注重隐私或内网开发的场景。哪怕内存只有 8GB,也有对应的轻量级方案可选。

    来源 AI 应用前沿
  7. 腾讯混元开源 Hy4flash:224B 参数、100 万上下文,多款产品已接入

    腾讯混元2026年11月18日宣布开源Hy4flash模型,主打极致性价比。此次开源含Hy4flash、Hy4flash-FP8、Hy4flash Base三个版本,形成家族矩阵,并支持多渠道便捷部署。为方便全球开发者快速上手与二次开发,腾讯同步开放多个主流代码渠道,助力AI开源生态。

    来源 AI 产业速递
  8. 腾讯开源Hy4flash:224B参数,三个版本可下载

    腾讯混元官宣开源Hy4flash系列,含标准版、FP8量化版及可从零训练的Base版,GitHub、Hugging Face、ModelScope、GitCode均可下载,并提供GGUF格式便于本地部署。官方预告更大Hy4模型也将开源。该模型走性价比路线,总参224B,含64B Engram参数。

    来源 AI 产业速递
  9. 总参数 224B、支持 100 万超长上下文!腾讯混元重磅开源 Hy4 flash 家族,多端生态全面上线

    人工智能开源生态再度迎来重磅更新。腾讯混元于2026年11月18日正式宣布开源 Hy4flash 模型,为开发者和广大用户带来了一款主打极致性价比的全新大模型选择。 家族矩阵全线亮相,多渠道支持便捷部署 此次腾讯混元推出的开源版本覆盖了多个不同规格,具体包含 Hy4flash、Hy4flash-FP

    来源 AI 开发者社区
  10. SpaceX抗住AI抛售潮:摩根士丹利维持增持,目标价300美元

    大摩认为,SpaceX正在与传统的“AI交易”脱钩,背后有三大支撑:星链"类债券"属性(一颗星舰卫星回收期仅20周)、Terafab至2035年高达4900亿美元半导体供应链资本开支、以及估值极度低估——2028年预期市盈率仅11.2倍,远低于标普500的16倍。

    来源 华尔街见闻
  11. 马斯克:SpaceX 预测不含 OpenAI 收入

    IT之家 11 月 18 日消息,SpaceX CEO 埃隆 · 马斯克出人意料地透露,公司在业务预测中并未考虑来自 OpenAI 的任何收入。此前,OpenAI CEO 萨姆 · 奥尔特曼谈及半导体行业可能重复计算 AI 芯片需求的问题。 两人长期以来一直在 OpenAI 的发展定位上存在分歧。奥尔特曼暗示市场可能存

    来源 AI 行业观察
  12. 腾讯混元开源 Hy4 flash:224B 总参数,API 价格大幅下调

    IT之家 11 月 18 日消息,腾讯混元今日宣布开源 Hy4 flash 模型,包含 Hy4 flash、Hy4 flash-FP8 和 Hy4 flash Base,开发者可在 GitHub、 Hugging Face、ModelScope 和 GitCode 下载部署。 腾讯混元官方预告,正在加速开源 Hy4 模

    来源 AI 行业观察
  13. 黄仁勋辞任后英伟达首份财报:营收1158亿美元,新CEO称中国市场归零

    这是黄仁勋辞去英伟达职务的第七天。 刚刚,英伟达发布2026年第三季度财报(2027财年第三财季),这是公司创始人黄仁勋11月12日辞职后的首份财报,由CFO、临时CEO科莱特·克雷斯(Colette Kress)主持财报电话会。 如果只看财务数字,这依然是全球半导体行业最受关注的一份成绩单。但这一次,市场关注的显然不

    来源 AI 行业观察
  14. 微软Maia 200投产:3纳米工艺,每瓦性能最高提升1.7倍

    微软在11月17日Ignite 2026宣布,第二代自研AI加速器Maia 200已规模化生产,并开始在数据中心支撑其最大规模前沿AI大模型。该芯片主打每瓦token处理量,在Teams、Copilot、Cowork等内置AI功能中,较领先GPU基础设施最高提升1.7倍,同等电力下产出近一倍,面向AI推理。

    来源 AI 产业速递
  15. 特朗普政府再收紧AI芯片渠道:丑闻成了新规推手

    特朗普政府宣布将再度收紧中国获取AI芯片的渠道,而促成这一决定的,竟是一桩被称为“世纪作弊丑闻”的事件。当出口管制靠丑闻驱动、靠打补丁推进,这场芯片战的打法正变得愈发荒诞。本文拆解政策背后的逻辑错位、产业代价,以及真正该被追问的问题。

    来源 AI 科技快讯
  16. 黄仁勋请愿超11.5万签名:英伟达开源与「认知永生」治理难题

    MIT Technology Review《The Download》报道,一份要求黄仁勋回归英伟达CEO岗位的请愿已获逾11.5万签名,包括马斯克,但名单真实性仍待甄别。事件折射AI开源与闭源生态的张力;同日通讯还关注“认知永生”,即用AI模拟人格、延续数字存在的技术与伦理议题。

    来源 AI 科技快讯
  17. 腾讯Q3营收2073.36亿:AI基建投入加码,国产芯片转向提速

    据《科创板日报》报道,谈及最新收紧限制的影响,腾讯高管表示,从长期看,相关限制可能推动更多中国企业转向国内供应链和国产芯片,带动国内供应链建设提速,相关研发力量也将进一步向这一领域集中。#腾讯# #人工智能# #国产芯片#

    来源 IT之家
  18. 5450亿美元!高盛大幅上调AI项目融资预测,但关键担保人英伟达正在退场

    其中芯片融资达3200亿美元,较今年增长近七倍,其核心依赖厂商担保以对冲折旧风险。然而英伟达正收紧担保承诺,其主导的5000亿美元融资平台迄今零交易落地。按25%担保比例,3200亿融资需800亿担保支撑,而三大芯片商可纳入指数债券存量仅940亿美元。担保人退场、贷款方要求提高、买方基础收窄,无人接盘风险正上升。

    来源 华尔街见闻
  19. 英伟达拒重新任命黄仁勋:CEO辞职后请缨回归未获批准

    据TechCrunch报道,英伟达前CEO黄仁勋在上周辞职后提出愿意重返最高职位,但公司明确表示不计划重新任命其为CEO。这一表态终结了外界对这家AI芯片巨头领导层变动的猜测,也引发了对创始人角色与公司治理边界的讨论。本文梳理事件始末、行业背景及潜在影响。

    来源 AI 科技快讯
  20. 黄仁勋离开后,英伟达开始和 AI 云厂商讲担保条件了

    IT之家 11 月 19 日消息,科技媒体 The Verge 今天(11 月 19 日)发布博文,报道称英伟达收紧“金主”(sugar daddy)模式,对于云厂商和 AI 生态的“输血”设置了更高的门槛。 IT之家援引博文介绍,在黄仁勋执掌英伟达公司期间,英伟达不仅向 AI 公司出售 GPU,还会通过采购承诺、融资

    来源 AI 行业观察
  21. 微软Maia 200芯片投产:每瓦token性能提升1.7倍,已部署美欧澳

    IT之家 11 月 18 日消息,昨日(11 月 17 日)召开的 Ignite 2026 活动中,微软宣布旗下第二代自研人工智能加速器 Maia 200 现已正式投入规模化生产,并开始在数据中心运行微软最大规模的前沿 AI 大模型。与“领先 GPU 基础设施”相比,该加速器在 Microsoft Teams、Copi

    来源 腾讯网
向下滚动自动加载更多