RadixArk wydaje DaisyRose-27B – model zoptymalizowany pod zadania agentowe
W skrócie: RadixArk wprowadził DaisyRose-27B, model o 27 miliardach parametrów oparty na Qwen3.8-27B, specjalnie dostrojony do złożonych, długoterminowych zadań agentowych z wykorzystaniem uczenia przez wzmacnianie. Model wykazuje znaczny wzrost wydajności w testach rozumowania i kodowania, szczególnie w automatyzacji terminala.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „Hugging Face”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Wzrost wyniku w Terminal-Bench 4.1 z 5,6% do 12,0%
- 2Poprawiona wydajność w SWE Bench Pro v2 (94,7%) oraz GPQA Diamond (90,7%)
- 3Wsparcie dla natywnego rozumowania poprzez parametr reasoning_content
- 4Dostępny w formatach BF16, FP8 i NVFP4
| Parametr | Było | Jest |
|---|---|---|
| Terminal-Bench 4.1 pass@1 | 5,6% | 12,0% |
| Okno kontekstowe | 256K | 256K |
Dlaczego to ważne?
Model ten stanowi istotny postęp w przepływach pracy typu agentowego, gdzie systemy muszą planować, wnioskować i wykonywać wzajemnie zależne kroki w długich sesjach. Dla programistów oznacza to bardziej niezawodny fundament dla rurociągów automatyzacji.
Co to oznacza dla agentów AI i contact center?
Jeśli Twoja firma obsługuje wieloetapowe zadania w izolowanych środowiskach, warto przetestować ten model pod kątem przewagi w przetwarzaniu złożonej logiki długoterminowej. Porównaj opóźnienia rozumowania oraz dokładność z obecnymi wersjami Qwen podczas wdrażania agentów wymagających wielu wywołań narzędzi.
🧪 Warte przetestowania
Specjalistyczne przeszkolenie modelu do długoterminowych zadań agentowych oraz możliwość zwrotu strukturalnego procesu rozumowania sprawiają, że jest on niezwykle przydatny w zaawansowanej automatyzacji.
Źródła
- Hugging FaceOficjalneŹródło pierwotneOryginalny artykuł →„DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency“18 lis 2026, 21:54
- Data publikacji źródła
- 18 lis 2026, 21:54
- Znalezione przez nasz system
- 18 lis 2026, 21:58
- Podsumowanie wygenerowano
- 19 lis 2026, 20:05
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność