1200 个任务让 Qwen3.8 在 Terminal-Bench 翻倍

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

1200 个任务让 Qwen3.8 在 Terminal-Bench 翻倍

RadixArk 发布了 DaisyRose-27B,这是基于 Qwen3.8-27B 构建的首个模型。我们仅用 144 块 H200 GPU 和 18 天时间,通过 1200 个精心设计的长程任务进行强化学习,将模型在 Terminal-Bench 4.1 上的通过率从 5.6% 提升至 12.0%。这一突破依赖于高质量的数据集、高效的 Miles 训练后端以及稳健的 AgentENV 沙箱服务。我们的内部后端实现了 57% 的算力成本降低和 2 倍的全流程加速。DaisyRose-27B 已在 Hugging Face 开源,提供 BF16、FP8 和 NVFP4 多种精度版本,展示了在有限算力预算下,通过优质数据与高效基础设施推动模型进化的可能性。

我们的秘诀在于三个关键要素:高质量的训练数据、高效的训练后端以及稳健的沙箱服务。

同日更多故事

2026-11-18