Blog › Modelos

Novo no OpenRouter · 20/11/2026

DaisyRose 27B, da RadixArk, dobra o Terminal-Bench 4.1 com treino só por reforço

Modelo de pesos abertos parte do Qwen3.8-27B, usa 1.200 tarefas de agente e sobe de 5,6% para 12,0% no teste, segundo a própria RadixArk.

Repercussão moderada 9 fontes Atualizado em 20/11/2026 às 21:45 (Brasília)
Imagem de divulgação do DaisyRose 27B
Imagem: anúncio oficial · radixark.com

A RadixArk lançou o DaisyRose 27B, seu primeiro modelo, com pesos abertos sob Apache 2.0. Ele é uma versão do Qwen3.8-27B treinada apenas com aprendizado por reforço em tarefas longas de agentes. Segundo a empresa, o pass@1 no Terminal-Bench 4.1 passou de 5,6% para 12,0%.

O que é e como foi treinado

O DaisyRose 27B é um modelo multimodal de raciocínio. Mantém arquitetura, tokenizer, template de chat, compreensão de imagens e contexto de 256 mil tokens do Qwen3.8-27B. Por isso, segundo a RadixArk, serve como substituto direto da base em pilhas de inferência e pós-treinamento.

O treino usou só reinforcement learning, sem fine-tuning supervisionado nem destilação. Foram cerca de 1.200 tarefas curadas, com sessões de até 1 milhão de tokens, durante 18 dias em 144 GPUs H200. A empresa usou o Miles, seu framework open source de pós-treinamento.

As tarefas nasceram de uma parceria com a Eigent AI. Cada uma mira um erro que o modelo original comete e encadeia problemas interdependentes. Cada tentativa tem até 1,5 hora no sandbox, com mais de 100 chamadas de ferramentas e mais de 256 mil tokens de saída.

Desempenho e comparações

No cartão do modelo, a RadixArk reporta ganhos sobre o Qwen3.8-27B em vários testes: Terminal Bench 2.1 (75,5 contra 73,0), DeepSWE v1.1 (46,2 contra 42,2), SWE Bench Pro v2 (94,7 contra 91,3) e GPQA Diamond (90,7 contra 89,2). No IFBench, marca 82,4 contra 79,5. No HLE, só texto, a diferença é pequena: 34,3 contra 33,9.

Na comparação com outros modelos, o quadro é misto. No Terminal Bench 4.1, o MiMo V2.6 Flash faz 16,1, o Inkling 2 Small 13,0 e o GPT-6 Luna 15,2, todos acima dos 12,0. O DaisyRose supera o Muse Glimmer-30B e o Qwen3.6-35B-A3B nos testes listados. Os números são da própria empresa, com harnesses como mini-swe-agent e Terminus 2.

Formatos e uso local

Os pesos saem em BF16, FP8 e NVFP4, e há quantizações GGUF para llama.cpp, Ollama e LM Studio. Os arquivos GGUF vão de 10,0 GB (Q2_K_XL) a 29,0 GB (Q8_0). A versão Q3_K_XL, de 13,2 GB, é indicada para GPUs de 16 GB, e a Q4_K_XL, de 17,7 GB, é a recomendada.

O esforço de raciocínio padrão é xhigh, que pode gerar dezenas de milhares de tokens de raciocínio em problemas difíceis. A RadixArk orienta reservar ao menos 64 mil tokens de contexto por requisição ou reduzir o esforço. Para servidores, recomenda SGLang.

Repercussão

O lançamento teve cobertura de veículos como MarkTechPost e KuCoin e de sites em espanhol, alemão e russo. Parte dos textos destaca o treino em 18 dias com 144 H200. O post no Hacker News somou 250 pontos e 109 comentários.

Pontos-chave

  • A RadixArk diz ter revisado cada tarefa de treino para eliminar casos que davam para passar sem resolver o problema (reward hacking)
  • O Terminal Bench 4.1 foi medido com média de 8 repetições por tarefa, em harness interno mini-swe-agent
  • Nos GGUF, entrada de imagens exige o arquivo mmproj de 0,9 GB
  • O Q2_K_XL, o menor, raciocina por mais tempo e atinge limites de contexto com mais frequência

Texto escrito por IA a partir das reportagens e páginas listadas abaixo e checado contra elas por uma segunda revisão automática. Atualizado em 20/11/2026 às 21:45 (Brasília).

Dossiê do lançamento

O que o laboratório informa, os benchmarks publicados e os primeiros relatos de uso. Cada item leva à página de onde saiu.

O que o laboratório informa

  • DaisyRose-27B é o primeiro modelo da RadixArk. Foi treinado só com reinforcement learning sobre o Qwen3.8-27B, sem SFT nem distillation, e a RadixArk o apresenta como drop-in replacement do modelo base. huggingface.co ↗
  • Tem 27,8B de parâmetros, com 64 camadas em padrão 3:1 de Gated DeltaNet e full attention, um vision encoder de 0,46B e uma camada de multi-token prediction. huggingface.co ↗
  • Contexto de 262.144 tokens. Recebe texto e imagem e gera texto. Licença Apache-2.0, com pesos em BF16 (~52 GB), FP8 (~29 GB) e NVFP4 (~23 GB). O NVFP4 exige GPU Blackwell. huggingface.co ↗
  • Lançado em 18/11/2026, com checkpoints abertos no Hugging Face: RadixArk/DaisyRose-27B, -FP8 e -NVFP4. radixark.com ↗
  • O treino usou cerca de 1.200 tarefas agênticas de longo horizonte, com até 1,5 h por tentativa e mais de 100 tool calls. Levou 18 dias em 144 H200, cerca de 63.000 GPU-hours, com o framework Miles. radixark.com ↗
  • O foco declarado são tarefas agênticas de longo horizonte em terminal e software, além de raciocínio, instruction following e coding. radixark.com ↗

Benchmarks publicados

Terminal Bench 4.1 (pass@1)12.0

Qwen3.8-27B 5.6, MiMo V2.6 Flash 16.1, GPT-6 Luna 15.2, Inkling 2 Small 13.0. A RadixArk avisa que parte dos números dos concorrentes vem do Terminal Bench 4.0 ou de terceiros.

Divulgado pelo laboratório RadixArk ↗
Terminal Bench 2.175.5

Qwen3.8-27B 73.0, MiMo V2.6 Flash 87.6, Inkling 2 Small 81.3, Beam 1.0 80.1, GPT-6 Luna 73.0

Divulgado pelo laboratório RadixArk ↗
DeepSWE v1.146.2

Qwen3.8-27B 42.2, Inkling 2 Small 72.1, MiMo V2.6 Flash 67.9, GPT-6 Luna 66.6, Muse Spark Open 60.0

Divulgado pelo laboratório RadixArk ↗
SWE Bench Pro v294.7

Qwen3.8-27B 91.3, Inkling 2 Small 97.7, Muse Spark Open 95.0, Muse Glimmer-30B 80.4

Divulgado pelo laboratório RadixArk ↗
HLE (text only)34.3

Qwen3.8-27B 33.9, Inkling 2 Small 44.1, Muse Spark Open 43.9, GPT-6 Luna 38.5, MiMo V2.6 Flash 35.1

Divulgado pelo laboratório RadixArk ↗
IFBench82.4

Qwen3.8-27B 79.5, Beam 1.0 79.6, Muse Glimmer-30B 77.0, Qwen3.6-35B-A3B 64.4. É o maior valor da tabela.

Divulgado pelo laboratório RadixArk ↗
GPQA Diamond90.7

Qwen3.8-27B 89.2, Inkling 2 Small 93.0, Beam 1.0 90.6, GPT-6 Luna 90.5

Divulgado pelo laboratório RadixArk ↗
SWE benchmark sintético de 12 repositórios Python (3 tentativas por tarefa, EXL3 6.00 bpw)36/36 resolvidas; mediana de 63 s e média de 82 s por tentativa

Swift 1.5 Qwen3.8 27B Uncensored MTP (EXL3 6.00 bpw): 36/36, mediana e média de 51 s por tentativa

Medição independente TendieLabs (Hugging Face) ↗

Na prática: quem já testou

Rodou um benchmark privado de 86 tarefas em NVFP4 com sglang numa A6000. O DaisyRose fez 0.898 em 7,8 h e ~1,92M tokens. Um fine-tune Qwen 3.8 Swift 1.5 numa 4090 fez 0.87 em 5,5 h e ~1,04M tokens. O autor chamou o resultado de "benchmaxxing".

robertkarl, no Hacker News · news.ycombinator.com ↗

Testou o quant EXL3 6.00 bpw em 2 RTX 3090 com o harness oh-my-pi. O modelo resolveu as 12 tarefas sintéticas nas 3 tentativas, empatando com o Swift, mas levou cerca de 60% mais tempo por tentativa. O autor diz que o teste está saturado e serve só de verificação básica.

TendieLabs, no Hugging Face · huggingface.co ↗

Rodou Qwen3.8-27B/DaisyRose-27B em Q4 numa AMD 7900XTX. Relata ~66 t/s de geração e ~800 t/s de prefill, com 3 slots e cerca de 190k de KV cache, e diz que o desempenho está bom até agora.

usuário do Hacker News, no thread do Inkling 2 Mini · news.ycombinator.com ↗

Levantamento feito por um agente de IA com busca na web em 20/11/2026. Cada item traz o link da página consultada; confira a fonte antes de decidir.

Fontes usadas no texto

Anúncio oficial

DaisyRose-27B radixark.com · 2026-11-18

Post oficial da RadixArk com método de treino, tarefas, parceria com a Eigent AI e resultado no Terminal-Bench 4.1.

Notícia

RadixArk launches DaisyRose-27B, achieving 12.0% Pass@1 on Terminal-Bench 4.1 kucoin · 2026-11-18

Cobertura do KuCoin sobre o lançamento e o resultado de 12,0% no Terminal-Bench 4.1.

RadixArk: DaisyRose-27B dobla Terminal-Bench en 18 días ecosistemastartup · 2026-11-18

Texto em espanhol sobre o primeiro modelo de pesos abertos da RadixArk e o treino de 18 dias.

RadixArk выпустила первую модель DaisyRose-27B с открытыми весами, дообучив её за 18 дней на 144 H200 CISOCLUB · 2026-11-18

Texto em russo sobre o lançamento com pesos abertos e o treino de 18 dias em 144 H200.

DaisyRose-27B: Wie ein KI-Modell lange Aufgaben trainiert TechZeitGeist Deutschland (Deutsch) on MSN · 2026-11-19

Texto em alemão sobre o treino do modelo em tarefas longas de agentes.

RadixArk Ships DaisyRose-27B, a 27B Agentic Coding Model Trained With Reinforcement Learning Only MarkTechPost · 2026-11-20

Cobertura do MarkTechPost sobre o modelo treinado só com reinforcement learning.

Hacker News

DaisyRose-27B Hacker News · 2026-11-18

Registra 250 pontos e 109 comentários no Hacker News.

Hugging Face

RadixArk/DaisyRose-27B no Hugging Face Hugging Face

Cartão do modelo com arquitetura herdada, licença, formatos e tabela comparativa de benchmarks.

RadixArk/DaisyRose-27B-GGUF no Hugging Face Hugging Face

Ficha do repositório GGUF com tamanhos de arquivo, configurações de amostragem e orientações de uso local.

Outras publicações