RadixArk 发布 DaisyRose-27B:纯强化学习训练的 27B 智能体编程模型
RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only
RadixArk 把 Qwen3.8-27B 用纯强化学习改造成编程智能体,Terminal Bench 4.1 从 6 分左右提到 12.0,Apache 2.0 开源还能单卡跑。想在本地搭代码 Agent 的开发者可以关注,比起闭源大模型省了不少部署成本。
RadixArk 发布了 DaisyRose-27B,一个基于 Qwen3.8-27B 后训练、采用 Apache 2.0 许可的智能体编程模型。其训练过程完全使用强化学习,未依赖监督微调。
在基准表现上,该模型将 Terminal Bench 4.1 的 pass@1 成绩翻了一倍以上,达到 12.0。此外,DaisyRose-27B 可以在单张 GPU 上运行,降低了部署门槛。
对开发者和企业来说,这个模型把智能体编程能力压进 27B 规模并开源,意味着本地部署中小型代码智能体成为可行选项,与需要更大算力的大体量模型形成差异。
RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only
RadixArk released DaisyRose-27B, an Apache 2.0 agentic coding model post-trained from Qwen3.8-27B with reinforcement learning only. It more than doubles Terminal Bench 4.1 pass@1 to 12.0 and runs on a single GPU. The post RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only appeared first on MarkTechPost .
本条情报归属 AITOP「模型」核心追踪栏目。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:DaisyRose-27B、RadixArk、Qwen3.8-27B、智能体,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始信息发布自一手权威信源「marktechpost」(Tier-1 一手发布),具备高确定性参考价值。