原题:RadixArk/DaisyRose-27B
RadixArk 的第一个模型,11 月 18 日上传:以 Qwen3.8-27B 为底,不做监督微调也不蒸馏,只用强化学习,训练任务是和 Eigent AI 一起筛出的约 1,200 个长链智能体任务(每次最长 1.5 小时沙箱、100 次以上工具调用),单次会话最长 1M token,在 144 张 H200 上训练 18 天。保留底模的结构、分词器、对话模板、看图能力和 256K 上下文,可直接替换 Qwen3.8-27B。权重 Apache-2.0,另有 FP8、NVFP4 版。
为什么重要 结构、分词器和对话模板都和底模一样,可直接替换;官方称编程和终端评测多数提升,单卡可跑、Apache 许可
上升分 42 · 点赞 44 · 下载量 0
理由
- 官方称 Terminal Bench 4.1 从 5.6 升到 12.0;Terminal Bench 2.1 73.0 → 75.5、DeepSWE v1.1 42.2 → 46.2、IFBench 79.5 → 82.4、GPQA Diamond 89.2 → 90.7
- 同表里体量大得多的 MiMo V2.6 Flash、Inkling 2 Small 在多数编程项上仍更高;其他模型的分数取自各家公布或第三方榜单
- 强化学习框架 Miles 开源:128 张卡跑代理、16 张卡训练,合计约 63,000 GPU 小时
用法
- 官方推荐 SGLang(lmsysorg/sglang:latest)加 DSpark 推测解码:--speculative-algorithm DSPARK --speculative-draft-model-path RadixArk/Qwen3.8-27B-DSpark,另加 --reasoning-parser qwen3 --tool-call-parser qwen3_coder;SGLang cookbook 按显卡和精度生成启动命令
- 权重约 52 GB(BF16)/ 29 GB(FP8)/ 23 GB(NVFP4,需 Blackwell 显卡);官方称 RTX 5090、RTX PRO 6000、DGX Spark 等单卡可跑
- 思考模式用 temperature 1.0、top_p 0.95、top_k 20、min_p 0;难题不设 max_tokens,多轮对话要把 reasoning_content 传回
风险
- 默认开思考,官方说难题会想到数万 token,耗时和成本都高
- 分数是官方自评,对比模型的数字来自各家公布和第三方榜单,评测框架不完全一致;Terminal Bench 4.1 绝对分仍只有 12.0
- 官方没写 RTX 5090 这类 32 GB 显卡要用哪种精度、能开多长上下文。本条未运行