开源 #开源模型#编码智能体 2026-11-19 · 原文发布 11-18

RadixArk 开源 DaisyRose-27B:在 Qwen3.8-27B 上用 1,200 个长程智能体任务做强化学习,Terminal-Bench 4.1 从 5.6% 提到 12.0%

一份小团队用有限算力把开源模型往智能体方向后训练的完整做法。适合考虑自己微调编码或运维智能体模型的团队。

图片来源:Hugging Face 博客
一手来源 Hugging Face 博客 · huggingface.co 读原文 ↗

// 要点

  • 基于 Qwen3.8-27B,用 Miles 做强化学习;144 张 H200 训练 18 天,单个会话最长 100 万 token,Apache 2.0 发布。
  • Terminal-Bench 4.1 pass@1 从 5.6% 提到 12.0%,在官方列出的各项基准上都高于原模型。
  • 约 1,200 个任务从数千个候选中筛出:每个任务针对原模型会犯的错设计,单次尝试最长 1.5 小时、超过 100 次工具调用。
  • 保留原模型的架构、分词器、对话模板、图像理解与 256K 上下文,推荐用 SGLang 加 DSpark 投机解码部署。

开发者视角12% 离闭源前沿模型还很远,这个模型本身我不会拿来当主力;真正值得看的是它的选题方法:只挑「原模型会犯错、又不能投机取巧」的任务,1,200 个就够出效果。想给自己的智能体做后训练的,先像这样从失败案例里攒任务集,比堆数据量更划算。

// 来龙去脉 · 来自 #开源模型 专题

看完整时间线 →
  1. 11-19 Cloudflare 开放 Clairic 与 Clairic-flash 权重:27B 与 9B 两个信息抽取模型,支持 PDF,只按输入 token 计费
  2. 11-19 Hugging Face 演示 Transformers 从 SSD 流式加载 MoE 专家:180B 参数模型在 32 GB 内存的 MacBook 上跑到约 14 tok/s
  3. 11-19 AWS Lambda Managed Instances 支持 GPU:在 EC2 G 系列上跑推理函数,预置 vLLM、SGLang 与 PyTorch 镜像

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →