前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.19 · 00:00/3 MIN/作者:苏晚/2 阅读

DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%

RadixArk 在 Qwen3.8-27B 上做强化学习,用 144 块 H200 训练 18 天,Terminal-Bench 4.1 的 pass@1 从 5.6% 升到 12.0%。训练效率和成本数据均来自公司自己的博客。

RadixArk 发布了公司的首个模型 DaisyRose-27B。它以 Qwen3.8-27B 为基础,用公司开源的强化学习框架 Miles 训练,目标是长链条的智能体任务。以下数字均来自 RadixArk 官方博客的自述。

训练设置与成绩

训练只用了约 1200 项精选任务,在 144 块 H200 上跑了 18 天,单次会话最长可达 100 万 token。在 Terminal-Bench 4.1 上,pass@1 从 5.6% 升到 12.0%。博客称,模型在文中列出的所有基准上都高于原版 Qwen3.8-27B,Terminal-Bench 4.1 的提升最大。BF16、FP8 和 NVFP4 三种检查点已放到 Hugging Face。

任务是与 Eigent AI 合作做的,从数千个候选里选出约 1200 个。选取标准有三条:每项任务针对原模型会犯的错误,并调到难度适中;每项任务由多个相互依赖的问题串成,单次尝试在沙箱里最多 1.5 小时,超过 100 次工具调用、超过 256k 输出 token;任务经过人工审查,排除不做事也能过关的漏洞。

训练效率

训练采用全异步模式:128 块 H200 跑智能体推理,另外 16 块负责训练。博客给出的数字是,RadixArk 自己的训练后端模型算力利用率(MFU)为 37%,基于 Megatron 的开源训练器在可比任务上为 16%,因此同样的训练少用 57% 的 GPU 时间。在混合专家模型上差距更大:Qwen3.6-35B-A3B 为 6.2 倍,约 3000 亿参数的 GLM-5.3-Flash 超过 10 倍。端到端吞吐为每秒约 16800 token,开源训练器在同样的 GPU 上约为 8300。整个训练共用 63000 GPU 小时。

沙箱服务

训练中每次尝试都在沙箱里运行。公司基于开源项目 AgentENV 搭建了自己的沙箱服务,9 月中旬到 11 月中旬共运行约 94.4 万个沙箱,最高同时 1566 个。整个九周里沙箱创建成功率为 99%,10 月下旬以来超过 99.95%。博客称,这些沙箱的云基础设施成本比常见的云沙箱服务低约 80%,做法之一是让每个沙箱的内存随实际使用量伸缩。

RadixArk 表示,将把这套方法提供给想训练专用模型的团队。

标签:Qwen强化学习Terminal-Bench开源模型Hugging Face沙箱大模型训练
苏晚
苏晚Su Wan

前途科技 · 前沿主笔

关注 AI 与前沿科技的观察者,前途科技前沿内容主笔。

查看全部文章

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

Meta 发布 Muse Spark:迈向个人超级智能
TOP1

Meta 发布 Muse Spark:迈向个人超级智能

谷歌发布Gemini 4 Neon,每百万输入3美元
TOP2

谷歌发布Gemini 4 Neon,每百万输入3美元

3

美多起技术故障疑与AI补丁潮相关

4小时前
美多起技术故障疑与AI补丁潮相关
4

国内首款Gen6 SSD量产,AI存储重算经济账

4小时前
国内首款Gen6 SSD量产,AI存储重算经济账
5

银行推出Token贷:烧掉的算力账单变成贷款额度

6小时前
银行推出Token贷:烧掉的算力账单变成贷款额度
6

英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响

21小时前
英伟达数据中心收入增 110% 至 1076 亿美元,前沿模型“暂停”未见影响
7

DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%

21小时前
DaisyRose-27B 发布,Terminal-Bench 4.1 升至 12%
8

Gemini 临时聊天与关闭历史后的留存期,从 72 小时延长到约两个月

21小时前
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断