DaisyRose-27B
мультимодальная модель рассуждений на базе Qwen3.8-27B
2 мин чтенияобновлено
DaisyRose-27B от RadixArk — это мультимодальная модель для сложных агентных задач и рассуждений, обученная исключительно с помощью RL (обучение с подкреплением), без этапа supervised fine-tuning (контролируемого дообучения) и дистилляции. Новинка сохраняет архитектуру, токенайзер и контекст на 256K токенов базовой модели Qwen3.8-27B, поддерживая работу с текстом и изображениями. Модель поставляется под лицензией Apache-2.0 в форматах BF16, FP8 и NVFP4, выступая прямой заменой базовой версии в существующих пайплайнах выводов.
Ключевые особенности
- Обучение на RL: Модель тренировалась на 1200 кураторских долгосрочных агентных задачах с сессиями до 1M токенов.
- Мультимодальность: Поддерживает понимание изображений и текста с длиной контекста 262 144 токена.
- Рост метрик: Показатель Terminal Bench 4.1 вырос с 5.6 до 12.0 по сравнению с базовой моделью.
- Адаптивность: Доступна в весах BF16, FP8 и NVFP4 для развертывания на различном «железе».
Что можно сделать
- Решение сложных задач: Применять модель в автономных агентах для программирования, анализа кода и инженерных задач.
- Анализ мультимодальных данных: Обрабатывать длинные тексты и изображения в рамках сложных многошаговых сценариев.
- Развертывание в SGLang: Запускать модель локально или на сервере с использованием оптимизированного бэкенда и спекулятивного декодирования DSpark.
Пример
Пример запроса к локальному серверу через клиент openai для решения логической задачи с выводом хода рассуждений:
from openai import OpenAI
client = OpenAI(base_url="http://localhost:30000/v1", api_key="none")
SAMPLING = dict(temperature=1.0, top_p=0.95, extra_body={"top_k": 20, "min_p": 0.0})
resp = client.chat.completions.create(
model="DaisyRose-27B",
messages=[{"role": "user", "content": "How many positive divisors does 360 have?"}],
**SAMPLING,
)
print(resp.choices[0].message.reasoning_content) # ходы рассуждений
print(resp.choices[0].message.content) # финальный ответПодробнее
• Архитектура: основана на Qwen3.8-27B (64 слоя декодера, гибрид linear-attention и full-attention, мультимодальный энкодер).• Параметры: 27.8 млрд общих параметров, включая 0.46B энкодер и 0.42B MTP-головку.
• Обучение: 18 дней на 144 графических чипах H200 с фреймворком Miles.
• Требования к памяти: веса занимают около 52 ГБ в BF16, 29 ГБ в FP8 и 23 ГБ в NVFP4.










Комментарии