DaisyRose-27B duplica con creces su rendimiento en Terminal-Bench con solo 1.200 tareas de RL
DaisyRose-27B: 1,200-task RL took Qwen3.8 from 5.6% to 12% on Terminal-Bench 4.1

RadixArk presenta DaisyRose-27B, su primer modelo, construido sobre Qwen3.8-27B y entrenado con refuerzo usando Miles. Con apenas 1.200 tareas curadas, sesiones de hasta 1M de tokens y 18 días en 144 H200, eleva el pass@1 de Terminal-Bench 4.1 del 5,6% al 12,0% y mejora en todas las demás pruebas. La clave: datos de alta calidad junto a Eigent AI, un backend asíncrono con un 37% de MFU y sandboxes propios un 80% más baratos. Publica checkpoints BF16, FP8 y NVFP4.
Cada tarea apunta a un error que comete el modelo original: ejecutamos Qwen3.8-27B en cada tarea de entrenamiento y rediseñamos cada una con cuidado para que saque a la luz los fallos que queremos que el modelo deje de cometer.
- woah
La fuerte dependencia de los conjuntos de datos de evaluación que se muestra aquí y que también se evidencia por los altos pagos del laboratorio de vanguardia por dichos datos pone en duda las afirmaciones de que la IA pronto será capaz de auto-mejorarse.
- jacquesm
Siempre me pregunto qué se pierde cuando empiezas a maximizar algún benchmark específico. Es realmente difícil hacerlo de forma equilibrada y me encantaría que todos los que hacen este tipo de esfuerzos se tomaran el tiempo de enumerar también los antes/después de otros benchmarks que no usaron en su entrenamiento.
- pkoiralap
Sabi-noema también parece un competidor cercano en el mismo espacio. Construido a partir de qwen3.8 y mejorado.
https://huggingface.co/sabicap/sabi-noema
También el modelo en HF aquí:
- xlayn
Vaya, no hay gguf para descargar, esperaré a que aparezca uno para probar, cualquier mejora sobre un modelo que ya es bueno es una buena noticia.
"18 días en 144 GPUs H200" una locura... no pensé que se necesitaría tanto hardware para entrenar Qwen.
- mips_avatar
¿Cómo configuraron la topología de RL? ¿Estaban haciendo nodos de RL individuales (4xh200 rollout/4xh200 train) o tenían nodos dedicados de entrenador y de rollout?