참고HF Blog
RadixArk, 'DaisyRose-27B' 모델 공개…Qwen 3.8(큐원 3.8) 기반 에이전트 효율성 강화
Qwen 3.8(큐원 3.8)-27B 기반의 효율적인 에이전트 모델로, 벤치마크 및 긴 문맥 처리에 강점.
요약
RadixArk가 Qwen3.8-27B를 기반으로 강화학습을 적용한 첫 모델 DaisyRose-27B를 공개했다. 이 모델은 144개의 H200 GPU를 활용해 18일간 1,200개의 큐레이션된 작업으로 학습되었으며, 최대 1M 토큰의 장기 에이전트 작업을 수행한다. 성능 면에서 DaisyRose-27B는 Terminal-Bench 4.1의 pass@1 점수를 기존 5.6%에서 12.0%로 대폭 향상시켰으며, 전반적인 추론 및 코딩 벤치마크에서도 원본 모델을 상회한다. 아파치 2.0 라이선스로 배포되는 이 모델은 Qwen3.8-27B의 아키텍처와 256K 토큰 컨텍스트 윈도우를 그대로 유지한다. 개발진은 최적의 추론을 위해 SGLang과 DSpark 추측 디코딩 사용을 권장하며, 모델은 기본적으로 답변 전 사고 과정을 거쳐 reasoning_content와 content를 각각 반환한다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
원문 보기 ↗