RadixArk lança DaisyRose-27B sob Apache 2.0 e dobra pontuação no Terminal-Bench
Ajustado a partir do Qwen3.8-27B com apenas 1.200 tarefas, modelo de código aberto alcança 12% no Terminal-Bench 4.1 e opera com sessões de até 1 milhão de tokens.
Por que importa. O DaisyRose-27B mostra que o pós-treinamento com reforço assíncrono e poucas tarefas altamente selecionadas supera ajustes brutos caros, permitindo que times rodem agentes de software locais com menor consumo de GPU.
A RadixArk lançou nesta quarta-feira (18) o DaisyRose-27B, seu primeiro modelo voltado para execução autônoma de tarefas longas de computação, desenvolvido sobre a base do Qwen3.8-27B. Distribuído sob a licença permissiva Apache 2.0 nos formatos BF16, FP8 e NVFP4, o modelo dobra a taxa de resolução de problemas no benchmark Terminal-Bench 4.1, passando de 5,6% para 12,0% em pass@1, além de superar a versão original em testes de programação e raciocínio.
O modelo mantém a arquitetura, o vocabulário do tokenizador, a janela de contexto nativa de 256 mil tokens e as habilidades de visão computacional herdadas do Qwen3.8-27B. Para a inferência, a RadixArk estruturou o sistema para produzir o raciocínio antes da resposta definitiva, retornando o fluxo analítico no campo específico de raciocínio da API e entregando a solução final no corpo convencional da mensagem.
Na prática, desenvolvedores que utilizam a biblioteca oficial da OpenAI em Python podem apontar suas chamadas para servidores locais rodando o DaisyRose-27B sem alterar a estrutura de dados. O projeto recomenda a execução por meio do SGLang com decodificação especulativa DSpark, apontando ganhos imediatos em estabilidade de resposta para fluxos de trabalho que exigem encadeamento prolongado de comandos.
Seleção restrita de dados e treinamento assíncrono
O treinamento utilizou apenas 1.200 tarefas altamente curadas, montadas em parceria com a Eigent AI a partir de problemas de engenharia de software, ciência e aprendizado de máquina. Cada tarefa foi desenhada diretamente sobre as falhas que o Qwen3.8-27B cometia em testes preliminares, obrigando o agente a planejar sequências complexas que consumiram até 1,5 hora de execução em ambiente isolado, mais de 100 chamadas a ferramentas e mais de 256 mil tokens de saída por tentativa.
Todo o pós-treino foi concluído em 18 dias com 144 placas Nvidia H200, somando 63 mil horas de GPU. O processo adotou o framework de código aberto Miles em modo totalmente assíncrono: enquanto 128 placas executavam as ações do agente nos ambientes isolados, outras 16 placas atualizavam os pesos do modelo continuamente, sem que um lado precisasse interromper o fluxo para esperar pelo outro.
Segundo a RadixArk, a utilização do poder de processamento útil (MFU) atingiu 37% em seu backend próprio, contra 16% observados em configurações padrão baseadas em Megatron. Essa eficiência reduziu o tempo total de processamento necessário em 57% e permitiu processar cerca de 16.800 tokens por segundo somando as 144 GPUs, o dobro da velocidade registrada pelo treinador de código aberto convencional.
Infraestrutura de sandboxes e pontos em aberto
Para validar as ações do agente em tempo real sem comprometer a máquina hospedeira, a equipe operou uma infraestrutura baseada no projeto aberto AgentENV. Entre meados de setembro e novembro, o sistema executou cerca de 944 mil sandboxes dinâmicas, com picos de 1.566 ambientes simultâneos rodando em até 12 servidores físicos. A empresa informou que a taxa de sucesso na criação das instâncias superou 99,95% nas semanas finais, com custo 80% inferior ao de provedores comerciais em nuvem graças ao redimensionamento dinâmico de memória.
Além do Terminal-Bench 4.1, os números divulgados mostram avanços em outros testes de código e raciocínio formal. No SWE Bench Pro v2, a pontuação subiu de 91,3% para 94,7%; no DeepSWE v1.1, foi de 42,2% para 46,2%; no benchmark de acompanhamento de instruções IFBench, atingiu 82,4% contra 79,5% do modelo base; e no GPQA Diamond, passou de 89,2% para 90,7%.
Apesar dos resultados de bancada, a RadixArk não divulgou o custo financeiro total do treinamento nem os requisitos mínimos de memória de vídeo para colocar a variante NVFP4 em produção com múltiplos usuários concorrentes. Também não há detalhes sobre se o conjunto completo das 1.200 tarefas elaboradas em conjunto com a Eigent AI será aberto para a comunidade reproduzir o experimento de pós-treino.
Fontes
- Hugging Face: DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
