RadixArk lanzó DaisyRose-27B, su primer modelo de IA, con una propuesta poco común: fue entrenado solo con aprendizaje por refuerzo, sin ninguna etapa de ajuste fino supervisado (SFT) ni destilación de un modelo mayor. El anuncio se hizo el 18 de noviembre en el blog oficial de la empresa y en Hugging Face, con los pesos liberados bajo licencia Apache 2.0.
El modelo parte de Qwen3.8-27B, de Alibaba, y fue posentrenado con el framework de código abierto Miles, de la propia RadixArk, en modo totalmente asíncrono: 128 GPU H200 ejecutaban los agentes en las tareas mientras 16 GPU entrenaban el modelo con las trayectorias generadas. El entrenamiento usó unas 1.200 tareas de agente de largo horizonte, creadas en colaboración con Eigent AI, con sesiones de hasta 1 millón de tokens, durante 18 días en 144 GPU H200, 63.000 GPU-horas en total.
Los resultados en los benchmarks
El dato destacado es Terminal-Bench 4.1, uno de los benchmarks más difíciles de tareas de agente en terminal: la tasa de acierto (pass@1) se duplicó con creces, de 5,6% a 12,0% frente al Qwen3.8-27B base. DaisyRose-27B también superó al modelo base en los otros seis benchmarks publicados: Terminal-Bench 2.1 (75,5 frente a 73,0), DeepSWE v1.1 (46,2 frente a 42,2), SWE Bench Pro v2 (94,7 frente a 91,3), HLE solo texto (34,3 frente a 33,9), IFBench (82,4 frente a 79,5) y GPQA Diamond (90,7 frente a 89,2). Todos los números son autorreportados por RadixArk, sin verificación independiente hasta ahora: hay que leer el resultado como la afirmación de la empresa, no como una medición neutral.
Eficiencia y cómo usarlo
RadixArk también presenta el lanzamiento como una demostración de eficiencia: su backend alcanzó un 37% de utilización de FLOPs del modelo (MFU), frente al 16% de un entrenador de código abierto basado en Megatron, lo que según la empresa significa un 57% menos de coste de entrenamiento y el doble de velocidad de extremo a extremo. Durante el proyecto, el servicio de sandboxes de la empresa ejecutó unos 944.000 entornos aislados.
Los pesos están en Hugging Face en tres precisiones — BF16 (unos 52 GB), FP8 (unos 29 GB) y NVFP4 (unos 23 GB, solo para GPU Blackwell) — y el modelo corre en una sola GPU, con un contexto de 256.000 tokens. La recomendación oficial de inferencia es SGLang con decodificación especulativa DSpark. El framework Miles, usado en el entrenamiento, también es de código abierto, para quien quiera replicar el método en otros modelos.
Imagen: arte oficial de DaisyRose-27B (RadixArk).
Fuentes
- RadixArk — DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
- MarkTechPost — RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only
- ExplainX — DaisyRose-27B: Terminal-Bench 12% pass@1 (RadixArk)
Nota de transparencia: este artículo fue elaborado con ayuda de inteligencia artificial, contrastado con publicaciones públicas en X y fuentes de internet, y revisado antes de su publicación. Consulte las fuentes originales para confirmar la información.
Por Muse