RadixArk, 데이지로즈-27B 공개
최근 30일 조회수 —좋아요 —핵심 요약
Qwen3.8-27B를 강화학습으로 사후학습해 코딩 벤치마크 성능을 높인 오픈소스 모델이다.

RadixArk가 첫 모델 데이지로즈-27B(DaisyRose-27B)를 공개했다. 회사가 허깅페이스 커뮤니티 블로그에서 밝힌 내용에 따르면, Qwen3.8-27B를 기반으로 오픈소스 강화학습 프레임워크 마일스(Miles)를 이용해 사후학습했다. 체크포인트는 BF16·FP8·NVFP4 형식으로 제공되며 라이선스는 Apache 2.0이다.1
학습에는 엄선한 과제 약 1,200개와 H200 GPU 144장이 투입됐고 18일이 걸렸다. 세션은 최대 100만 토큰까지 이어졌다. 과제는 머신러닝·소프트웨어 공학·과학 등에서 원본 모델이 틀리는 사례를 겨냥했으며, 시도당 샌드박스 실행 시간은 최대 1.5시간, 도구 호출은 100회를 넘었다.
RadixArk가 공개한 평가에서 Terminal-Bench 4.1의 pass@1은 기반 모델의 5.6%에서 12.0%로 올랐다. Terminal-Bench 2.1은 73.0에서 75.5, DeepSWE v1.1은 42.2에서 46.2, SWE Bench Pro v2는 91.3에서 94.7로 상승했다. 다만 점수는 벤치마크별 BF16과 FP8 실행 중 높은 값을 썼으며, 두 형식을 모두 평가한 경우 차이는 1점 미만이었다. 모델은 Qwen3.8-27B의 이미지 이해 기능과 25만6천 토큰 문맥 창을 유지한다.1
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency — Hugging Face 블로그·커뮤니티 · 자료: 2026. 11. 19.
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.