Présentation du modèle
DaisyRose-27B est le premier modèle de RadixArk, dérivé de Qwen3.8‑27B. Il a été affiné par renforcement (RL) avec le framework Miles sur 1 200 tâches soigneusement sélectionnées. En 18 jours d’entraînement sur 144 GPU H200, le modèle passe de 5,6 % à 12,0 % de pass@1 sur le benchmark Terminal‑Bench 4.1, un gain de plus de 100 % sur une tâche réputée très difficile.
Méthodologie d’entraînement
Les tâches proviennent d’un partenariat avec Eigent AI et ciblent spécifiquement les erreurs du modèle de base. Chaque tâche constitue une séquence de problèmes inter‑dépendants, avec des sessions pouvant atteindre 1 M de tokens, 1,5 h d’exécution, plus de 100 appels d’outils et plus de 256 k tokens de sortie. Un contrôle manuel a éliminé tout risque de reward hacking, garantissant que chaque tâche nécessite une vraie résolution.
Efficacité de l’infrastructure
Le backend de RadixArk fonctionne en mode asynchrone : 128 GPU H200 exécutent les agents tandis que 16 GPU supplémentaires entraînent le modèle. Le taux d’utilisation des FLOPs (MFU) atteint 37 % contre 16 % pour le trainer open‑source basé sur Megatron, ce qui réduit le coût GPU de 57 %. La vitesse moyenne de traitement est de 16 800 tokens/s sur les 144 GPU, soit le double du benchmark open‑source (8 300 tokens/s). Sur des modèles mixture‑of‑experts, le gain dépasse 6,2× (Qwen3.6‑35B‑A3B) et 10× (GLM‑5.3‑Flash, ~300 B paramètres). La campagne a consommé 63 000 GPU‑heures, avec une stabilité de performance sur toute la période.
Service de sandbox et coûts
Chaque tentative d’agent s’exécute dans un sandbox isolé, basé sur le projet open‑source AgentENV. Entre septembre et novembre, 944 000 sandboxes ont été créés, avec un pic de 1 566 instances simultanées. Le taux de création réussi est resté à 99 % puis à 99,95 % après les améliorations. Le coût d’infrastructure cloud a été réduit de 80 % par rapport aux fournisseurs de sandbox publics, grâce à une allocation mémoire dynamique qui limite la consommation réelle à la demande.