К содержимому
Компьютерное зрение

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 ответ
Подробнее• 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.
Обсудить Telegram 277 918

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 52 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # RadixArk/DaisyRose-27B
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download RadixArk/DaisyRose-27B --local-dir ~/models/DaisyRose-27B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DaisyRose-27B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.8-27B

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

RadixArk/DaisyRose-27B
Автор
RadixArk
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

918277

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии