原题:RadixArk/DaisyRose-27B
RadixArk の最初のモデル、11 月 18 日アップロード:Qwen3.8-27B をベースとし、教師ありファインチューニングや蒸留は行わず、強化学習のみを使用。訓練タスクは、Eigent AI と共同で選定した約 1,200 件の長文脈エージェントタスク(各回最大 1.5 時間のサンドボックス実行、100 回以上のツール呼び出し)。単一セッションで最大 1M トークン、144 枚の H200 GPU で 18 日間訓練。ベースモデルの構造、トークナイザー、会話テンプレート、画像認識能力、256K コンテキストウィンドウを保持しており、Qwen3.8-27B の直接置換が可能。重みは Apache-2.0 ライセンスで公開、FP8 および NVFP4 バージョンも提供。
なぜ重要か 構造、トークナイザー、会話テンプレートがベースモデルと同一であり、直接置換が可能。公式によれば、プログラミングおよびターミナル関連のベンチマークで多くの項目が向上。単一GPUで動作し、Apacheライセンスを採用。
上昇スコア 42 · いいね 44 · ダウンロード数 0
理由
- 公式によれば、Terminal Bench 4.1 は 5.6 から 12.0 に向上。Terminal Bench 2.1 は 73.0 → 75.5、DeepSWE v1.1 は 42.2 → 46.2、IFBench は 79.5 → 82.4、GPQA Diamond は 89.2 → 90.7 に向上。
- 同じ表内のパラメータ数がはるかに大きい MiMo V2.6 Flash や Inkling 2 Small は、多くのプログラミング項目で依然として高いスコアを記録。他モデルのスコアは各社公表値または第三者ランキングに基づく。
- 強化学習フレームワーク Miles はオープンソース:128 枚のGPUでエージェントを実行、16 枚のGPUで訓練、合計約 63,000 GPU時間。
使い方
- 公式は SGLang(lmsysorg/sglang:latest)と DSpark 推測デコーディングを推奨:--speculative-algorithm DSPARK --speculative-draft-model-path RadixArk/Qwen3.8-27B-DSpark、さらに --reasoning-parser qwen3 --tool-call-parser qwen3_coder を追加。SGLang cookbook では、GPU と精度に応じて起動コマンドを生成可能。
- 重みサイズは約 52 GB(BF16)/ 29 GB(FP8)/ 23 GB(NVFP4、Blackwell GPU が必要)。公式によれば、RTX 5090、RTX PRO 6000、DGX Spark などの単一GPUで動作可能。
- 思考モードでは temperature 1.0、top_p 0.95、top_k 20、min_p 0 を使用。難問では max_tokens を設定せず、マルチターン対話では reasoning_content を返送する必要がある。
リスク
- 思考モードがデフォルトで有効。公式によれば、難問では数万トークンに及ぶ思考が発生し、時間とコストが高くなる。
- スコアは公式による自己評価であり、比較対象モデルの数値は各社公表値や第三者ランキングに基づくため、評価フレームワークが完全に一致しない。Terminal Bench 4.1 の絶対スコアは依然として 12.0 に留まる。
- 公式では、RTX 5090 などの 32 GB GPU でどの精度を使用すべきか、またどの程度のコンテキスト長まで対応可能かは明記されていない。本項目は未実行。