Ir para o conteúdo

RadixArk libera DaisyRose-27B, Qwen ajustado para agentes

Resposta curta

A RadixArk lançou o DaisyRose-27B, seu primeiro modelo, com pesos abertos sob Apache 2.0. É o Qwen3.8-27B com treino adicional por reinforcement learning em tarefas longas de agente. No Terminal Bench 4.1, o pass@1 subiu de 5,6% para 12,0%. As notas são da própria empresa, então teste nas suas tarefas.

O que isso significa na operação

Se você cuida de vendas, suporte ou operações em uma empresa de 10 a 200 pessoas e já testa agentes que executam trabalho em várias etapas, este é um modelo que dá para hospedar por conta própria e experimentar sem negociar licença. Ele expõe um endpoint no estilo OpenAI via SGLang, então um piloto pode aproveitar o código de cliente que você já tem. Os números absolutos são modestos: 12,0% no benchmark de terminal mais difícil significa que a maioria das tarefas longas ainda falha. Rode em alguns fluxos reais seus, como geração de relatórios ou limpeza de dados, conte os trabalhos concluídos e compare com o Qwen3.8-27B base antes de comprometer qualquer orçamento de GPU.

A RadixArk publicou o DaisyRose-27B no Hugging Face, o primeiro modelo da empresa. Ele parte do Qwen3.8-27B e foi treinado com reinforcement learning para dar conta de trabalho de agente de longa duração, com sessões de até 1M de tokens.

O que foi liberado

Os checkpoints estão disponíveis nos formatos BF16, FP8 e NVFP4, com licença Apache 2.0. O modelo mantém a arquitetura, o tokenizador, o template de chat, a compreensão de imagens e a janela de contexto de 256K tokens da base. As sessões de treino mais longas foram montadas a partir de várias trajetórias, unidas por resumos feitos pelo harness do agente.

A RadixArk recomenda servir o modelo com SGLang e decodificação especulativa DSpark, e indica um cookbook do SGLang com configurações de inicialização para diferentes GPUs e formatos de checkpoint. Com o servidor no ar, basta chamá-lo pelo cliente Python padrão da OpenAI. Por padrão, o modelo raciocina antes de responder e devolve o raciocínio e a resposta final em campos separados.

Resultados informados

Segundo a RadixArk, o DaisyRose-27B supera o Qwen3.8-27B em todos os benchmarks listados:

  • Terminal Bench 4.1: de 5,6 para 12,0
  • Terminal Bench 2.1: de 73,0 para 75,5
  • DeepSWE v1.1: de 42,2 para 46,2
  • SWE Bench Pro v2: de 91,3 para 94,7
  • IFBench: de 79,5 para 82,4
  • GPQA Diamond: de 89,2 para 90,7
  • HLE (somente texto): de 33,9 para 34,3

Para cada benchmark, a empresa reporta o melhor resultado entre as execuções em BF16 e FP8 e diz que a diferença entre as duas fica abaixo de um ponto onde ambas foram medidas. São números do próprio fornecedor; a fonte não cita nenhuma avaliação independente.

Como foi o treinamento

O conjunto de treino reúne cerca de 1.200 tarefas, montadas com a Eigent AI a partir de milhares de candidatas. Cada tarefa foi redesenhada em torno de um erro que o modelo base comete, exige várias etapas dependentes e passou por revisão para que não seja possível concluí-la sem resolver o problema de verdade. Cada tentativa tem até 1,5 hora em um sandbox.

O treino durou 18 dias em 144 GPUs H200, sendo 128 para executar os agentes e 16 para o trainer, em uma configuração totalmente assíncrona. A RadixArk afirma que seu backend interno chegou a 37% de utilização de FLOPs do modelo, contra 16% do trainer de código aberto, o que ela traduz em 57% menos tempo de GPU. A execução somou 63.000 horas de GPU.

O serviço de sandbox rodou cerca de 944.000 sandboxes entre meados de setembro e meados de novembro, com pico de 1.566 simultâneos. A RadixArk informa taxa de sucesso de criação acima de 99% e custos de nuvem cerca de 80% menores que os de provedores populares de sandbox. Os números do backend de treino e do serviço de sandbox descrevem a infraestrutura da própria RadixArk; neste anúncio, o artefato liberado são apenas os pesos do modelo.

O que verificar

A RadixArk pede que os usuários relatem resultados em suas próprias tarefas, inclusive as falhas, na aba Community do modelo. É o teste certo: os ganhos foram medidos em benchmarks de programação, terminal e raciocínio, e a fonte não diz nada sobre cargas de trabalho de vendas, suporte ou back-office.

Fonte: Hugging Face · No Atlas: Hugging Face →

As ferramentas desta notícia

  • OpenAI - preço, quem usa, alternativas
Próximo passo

Visibility Analyzer

Uma notícia sobre IA não diz como os assistentes veem o seu site. O Visibility Analyzer verifica isso no site real: quais respostas citam você, quais páginas o motor não consegue recuperar e o que corrigir primeiro. Rodar é grátis.

Rodar uma auditoria de visibilidade grátis

Rodar é grátis. Sem cartão.

Preço
Grátis
Duração
Uma rodada, minutos

Plano grátis: duas análises por dia, sem cartão.