RadixArk steigert Qwen3.8 mit nur 1.200 Aufgaben von 5,6 % auf 12 % auf Terminal-Bench 4.1

DaisyRose-27B: 1,200-task RL took Qwen3.8 from 5.6% to 12% on Terminal-Bench 4.1

RadixArk steigert Qwen3.8 mit nur 1.200 Aufgaben von 5,6 % auf 12 % auf Terminal-Bench 4.1

RadixArk veröffentlicht DaisyRose-27B, sein erstes Modell, auf Basis von Qwen3.8-27B. Mit Reinforcement Learning auf 1.200 kuratierten Langzeit-Agentenaufgaben – Sessions bis zu 1M Tokens – gelang in 18 Tagen auf 144 H200 GPUs eine Verdopplung der Terminal-Bench-4.1-Passrate von 5,6 % auf 12,0 %. Der eigene Trainings-Backend erreicht 37 % MFU statt 16 % und senkt die Trainingskosten um 57 %. Checkpoints in BF16, FP8 und NVFP4 sind auf Hugging Face verfügbar.

Jede Aufgabe zielt auf einen Fehler ab, den das ursprüngliche Modell macht.
  1. woah

    Die starke Abhängigkeit von Eval-Datensätzen, die hier zur Schau gestellt wird und auch durch die hohen Zahlungen der Frontier-Labore für solche Daten belegt ist, lässt Zweifel an den Behauptungen aufkommen, dass KI bald selbstverbessernd wird.

  2. jacquesm

    Ich frage mich immer, was man verliert, wenn man anfängt, einen bestimmten Benchmark maximal auszureizen. Es ist wirklich schwer, das auf ausgewogene Weise zu tun, und ich würde es begrüßen, wenn alle, die solche Anstrengungen unternehmen, sich die Zeit nehmen würden, auch die Vorher/Nachher-Ergebnisse einer Reihe anderer Benchmarks aufzulisten, die sie nicht in ihrem Training verwendet haben.

  3. pkoiralap

    Sabi-noema sieht auch wie ein enger Konkurrent im selben Bereich aus. Gebaut auf qwen3.8 und verbessert.

    https://huggingface.co/sabicap/sabi-noema

    Auch HF-Modell hier:

    https://huggingface.co/RadixArk/DaisyRose-27B

  4. xlayn

    Mist, kein gguf zum Herunterladen, ich warte auf eines, um es zu testen, jede Verbesserung gegenüber einem bereits guten Modell ist eine gute Nachricht.

    "18 Tage auf 144 H200 GPUs" verrückt.. hätte nicht gedacht, dass so viel Hardware nötig ist, um Qwen zu trainieren.

  5. mips_avatar

    Wie habt ihr die RL-Topologie eingerichtet? Hattet ihr einzelne RL-Knoten (4xh200 Rollout/4xh200 Training) oder hattet ihr dedizierte Trainer- und Rollout-Knoten?

Mehr von diesem Tag

2026-11-18