
DaisyRose 27B: 18 يومًا من التعلم المعزز ودون ضبط دقيق خاضع للإشراف
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 187 tok/s
- openaiجديدOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 لكل مليون رمز · 87 tok/s
- openaiجديدOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 لكل مليون رمز · 152 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 194 tok/s
- AlibabaجديدQwen: Qwen4 Max2026-11-16$1.50 / $4.50 لكل مليون رمز · 86 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 705 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 لكل مليون رمز · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 101 tok/s
DaisyRose 27B من RadixArk هو نموذج مُدرَّب لاحقًا انطلاقًا من Qwen3.8-27B، بُني بالتعلم المعزز وحده — لا تمريرة ضبط دقيق بإشراف، ولا تقطير من معلّم أكبر — والصفّان في المعايير اللذان يصفان على أفضل وجه ما يجلبه ذلك يقعان على بُعد أربعة أسطر من بعضهما في بطاقة النموذج الخاصة به. في Terminal Bench 4.1 ينتقل النموذج من 5.6 إلى 12.0 مقارنةً بأساسه، أي أكثر من الضعف. وفي DeepSWE v1.1 ينتقل من 42.2 إلى 46.2، بزيادة أربع نقاط. يقول أحد الصفّين إن الوصفة علّمت النموذج شيئًا لم يكن قادرًا على فعله إطلاقًا؛ ويقول الآخر إنه في معظم ما كان قادرًا على فعله بالفعل، يؤدّي بالجودة نفسها تقريبًا كما كان من قبل. نشرت RadixArk الأوزان والوصفة في 18 نوفمبر 2026 بموجب Apache 2.0، والقراءة الصادقة للإصدار هي أن كلا الصفّين صحيحان في آن واحد.
هذا إطلاق، وهو حديث — منشور المدونة وبطاقة Hugging Face عمرهما ثلاثة أيام وقت كتابة هذا النص. ما يلي هو ما تدّعيه RadixArk، وأي أجزاء منه يمكن التحقق منها اليوم، ومن أين تأتي الأرقام.
ما الذي تم تدريبه فعليًا
القاعدة هي Qwen3.8-27B، دون تغيير في البنية المعمارية: نفس المُرمِّز، ونفس قالب المحادثة، ونفس برج الرؤية، ونفس سياق الـ 262,144 رمزًا. تصف RadixArk نموذج DaisyRose 27B بأنه بديل مباشر لتلك القاعدة، وهو ادعاء يتعلق بالتوافق لا بالجودة — إذ تُنقل المطالبات الموجودة ومدخلات الصور وإعدادات الخدمة دون تعديل.
• إجمالي المعلمات — 27.8B، منها 0.46B لمشفّر الرؤية و0.42B لرأس التنبؤ متعدد الرموز.
• إشارة التدريب — التعزيز فقط. تذكر RadixArk أن عملية التشغيل لم تستخدم أي ضبط دقيق خاضع للإشراف ولا أي تقطير، وهو أمر غير معتاد بهذا الحجم؛ إذ تبدأ معظم عمليات ما بعد التدريب المفتوحة عند حجم 27B بمرحلة SFT ثم تستخدم RL لصقلها.
• البيئة — نحو 1,200 مهمة وكيلية طويلة الأفق منسّقة، بُنيت باستخدام Eigent AI، ومصممة لربط عدة مسائل ببعضها ولتكون مقاومة للتلاعب بالمكافآت. استمرت الجلسات حتى مليون رمز، وهو الرقم الذي يفسّر بقية الإعداد: فمهمة بهذا الطول تحتاج إلى بيئة معزولة تبقى نشطة لساعات.
• الحوسبة — 18 يومًا على 144 من وحدات H200، مقسّمة إلى 128 للاستدلال و16 للمدرّب، وتعمل بشكل غير متزامن بالكامل، لما يقارب 63,000 ساعة GPU. المدرّب هو إطار عمل Miles.
• بيئات معزولة (Sandboxes) — نحو 944,000 منها خلال فترة التشغيل، بلغت ذروتها 1,566 بيئة متزامنة، مع نسبة نجاح في الإنشاء تجاوزت 99.95% في أواخر أكتوبر. وتقدّر RadixArk أن هذه البنية التحتية تكلّف أقل بنحو 80% مما تقوله بيئات Sandboxes السحابية الشائعة إنها تفرضه من رسوم.
انقسام 128/16 هو الجزء الذي يستحق التوقف عنده. في حلقة تعلّم معزّز غير متزامنة، يولّد أسطول الاستدلال عمليات rollout لجلسات وكيل طويلة بينما يستهلك المدرّب المسارات المكتملة، لذا فإن النسبة تعبير عن المدة التي تستغرقها كل عملية rollout مقارنةً بخطوة تدرّج. وهو أيضاً سبب صياغة عرض RadixArk للكفاءة بالوقت الفعلي بدلاً من FLOPs: فقد انتهى التشغيل في ثمانية عشر يوماً، وعدد وحدات GPU لا يثير الانتباه مقارنةً بذلك.
جدول المعايير، مقروءًا مع حواشيه
يقدّم RadixArk سبعة اختبارات معيارية مقابل خط الأساس Qwen3.8-27B، ويذكر لكل اختبار عدد مرات التشغيل، وأي أداة اختبار استُخدمت، وأي إعدادات أخذ العينات طُبّقت. وهذا التوثيق بالحواشي يتجاوز ما تفعله معظم بطاقات الإطلاق، وهو السبب في إمكانية مقارنة الأرقام أدناه ببعضها أصلًا. لكنها لا تزال مشغّلة من الجهة المصنّعة، ولم يُعِد أحد خارج RadixArk إنتاجها.
• Terminal Bench 4.1 — 12.0 مقابل 5.6 للنموذج الأساسي. ثماني محاولات لكل مهمة على أداة اختبار داخلية mini-swe-agent مع تفعيل التلخيص. تُستبدل بالنماذج التي لا يوجد لها إدخال 4.1 في المقارنة بين النماذج درجاتُ 4.0 الخاصة بها.
• Terminal Bench 2.1 — 75.5 مقابل 73.0. خمس محاولات لكل مهمة، عبر أداة Terminus 2. التحسن هنا دون ثلاث نقاط، وهو انطباع معاكس لما تعكسه خانة 4.1: فمجموعة 2.1 هي التي كان النموذج الأساسي جيدًا فيها بالفعل.
• DeepSWE v1.1 — 46.2 مقابل 42.2. ثماني عمليات تشغيل، mini-swe-agent.
• SWE Bench Pro v2 — 94.7 مقابل 91.3. خمس جولات، mini-swe-agent، وجميع المهام الـ642. غير أن عدة نماذج من بين تلك المشمولة بالمقارنة تكتفي بالإبلاغ عن المجموعة الفرعية الصعبة فقط، لذا فإن هذا الصف ليس مقارنة عادلة بين الأعمدة.
• HLE، نص فقط — 34.3 مقابل 33.9. خمس محاولات لكل مسألة، دون أدوات، بتقييم من GPT-6 Luna.
• IFBench — 82.4 مقابل 79.5. أربع عمليات تشغيل على 300 مطالبة باستخدام مُقيّم allenai الرسمي، بدقة صارمة على مستوى المطالبة مع استبعاد التفكير.
• GPQA Diamond — 90.7 مقابل 89.2. ثماني عمليات تشغيل على 198 سؤالًا، بقالب simple-evals، مع إعادة خلط ترتيب الإجابات في كل مرة.

خاصيتان في ذلك الجدول أهم من أي صف منفرد. الأولى أن كل درجة DaisyRose هي الأفضل بين تشغيلَيها BF16 وFP8، ويقول RadixArk إنهما يختلفان بأقل من نقطة واحدة — هامش صغير، لكنه يعني أن الرقم المنشور هو الأفضل من بين نتيجتين وليس متوسطًا. والثانية هي أخذ العينات: temperature 1.0، وtop_p 0.95، وtop_k 20، وجهد الاستدلال xhigh. الجهد العالي ودرجة الحرارة العالية إعداد مختار لتعظيم درجات الأداء الوكيلي، وينبغي للقارئ الذي يشغّل بالإعدادات الافتراضية أن يتوقع نتيجة أقل من الجدول.
حيث لا يكون هو القائد
تقارن بطاقة النموذج DaisyRose 27B بسبعة أنظمة أخرى، والنتيجة ليست اكتساحًا كاملًا — وهذا هو أكثر ما يفيد في الجدول، لأن حالات الخسارة تحمل معلومات مفيدة.
• Terminal Bench 4.1 — يسجّل MiMo V2.6 Flash نتيجة 16.1، وInkling 2 Small 13.0، وGPT-6 Luna 15.2، وكلها أعلى من نتيجة DaisyRose البالغة 12.0. ويسجّل Muse Glimmer-30B نتيجة 0.5 وQwen3.6-35B-A3B نتيجة 0.0 على أداة الاختبار نفسها.
• Terminal Bench 2.1 — يتصدّر كلٌّ من MiMo V2.6 Flash بنتيجة 87.6 وInkling 2 Small بنتيجة 81.3؛ فيما يحل Muse Spark Open عند 76.4.
• DeepSWE v1.1 — Inkling 2 Small 72.1، وMiMo V2.6 Flash 67.9، وGPT-6 Luna 66.6 مقابل 46.2 لـ DaisyRose. هذه أوسع خسارة على البطاقة، وهي تقع على المعيار الأقرب إلى توزيع التدريب.
• HLE نصي فقط — Inkling 2 Small 44.1 وMuse Spark Open 43.9، مقابل 34.3.
• GPQA Diamond — Inkling 2 Small 93.0، Beam 1.0 90.6، GPT-6 Luna 90.5، DaisyRose 90.7. شبه تعادل في الصدارة.
• IFBench — DaisyRose 82.4 هو أعلى رقم على البطاقة؛ ولا يحتوي أي صف من صفوف المنافسين على رقم.
ما يقوله هذا النمط هو أن النموذج الكثيف 27.8B يتفوق في اتباع التعليمات ويحافظ على موقعه في العلوم بمستوى الدراسات العليا، ويخسر أمام نماذج متناثرة أكبر بكثير في مهام هندسة البرمجيات العميقة. يفعّل MiMo V2.6 Flash عدد 15B من أصل 309B، ويفعّل Inkling 2 Small عدد 17B من أصل 594B، لذا فإن المقارنة هي بين نموذج كثيف 27B ونماذج موجَّهة تملك عشرين ضعف عدد المعلمات المخزنة. والخسارة أمام تلك النماذج ليست فشلًا للوصفة؛ بل هي بيان عن مقدار الفجوة التي يستطيع نموذج 27B أن يغلقها.

ادعاء نسبة 37% في MFU وما الذي يقيسه
تستهلّ مدونة RadixArk الحديث عن كفاءة التدريب بدلاً من النموذج، وهو تفسير منصف لما تبيعه الشركة — فهي جهة متخصصة في البنية التحتية قدّمت عمليات نشر SGLang لمختبرات أخرى — لكنه يجعل أرقام الكفاءة أصعب في التسعير من صفّ في جدول قياسات.
الادعاء هو استغلال FLOPs للنموذج بنسبة 37% لواجهته الخلفية الداخلية مقابل 16% لمدرّب مفتوح المصدر قائم على Megatron، ويُوصَف بأنه أقل تكلفة تدريب بنسبة 57% وتسريع من الطرف إلى الطرف بمقدار 2x. لا يوجد تكوين منشور لأساس Megatron: لا خطة توازٍ، ولا طول تسلسل، ولا حجم دفعة. رقم MFU البالغ 16% معقول لحلقة تدريب كثيفة ساذجة وغير معقول لحلقة محسّنة جيدًا، لذا فإن الوضع الصادق لعبارة "تكلفة أقل بنسبة 57%" هو أنها مقارنة مع تكوين غير مسمى لمدرّب غير محدد، قيست من قبل الطرف الذي بنى البديل.
في المقابل، فإن 63,000 ساعة GPU رقم ملموس ويمكن التحقق منه مقابل الزمن الفعلي: 144 وحدة GPU على مدى 18 يومًا تساوي 62,208 ساعة GPU، وهو ما يتطابق. إذن كلفت عملية التشغيل ما تقول RadixArk إنها كلفته من وقت الآلة. أما ما يضيفه ادعاء الكفاءة فوق ذلك فهو بيان بشأن ما كانت ستكلفه ساعات الآلة تلك لشخص آخر، وهذا الجزء غير مُتحقق منه.
ما يمكنك تنزيله، وما يلزم لتقديمه
نشرت RadixArk ثلاث دِقّات من الأوزان، كلها بترخيص Apache 2.0، وكلها على Hugging Face، إضافةً إلى نموذج مسوّدة للفك التخميني.
• BF16 — حوالي 52 غيغابايت. دقة كاملة، والمرجع لإعادة إنتاج أرقام البطاقة.
• FP8 — حوالي 29 غيغابايت. البناء الذي يعمل به مثال الخدمة الخاص بـ RadixArk، مع ذاكرة تخزين مؤقت KV بتنسيق FP8.
• NVFP4 — حوالي 23 GB، ومتوافق مع Blackwell فقط. على RTX 5090 أو DGX Spark، هذا هو الإصدار الذي يجعل نموذجًا متعدد الوسائط بحجم 27B يتناسب بسهولة مع مساحة لسياق طويل.
• Drafter — RadixArk/Qwen3.8-27B-DSpark، نموذج مسودة لفك الترميز التخميني لـ SGLang، وهو مسار الخدمة الذي توصي به البطاقة. يشغّل التكوين المرجعي أربع نسخ متوازية بيانات عبر عقدة رباعية وحدات GPU عند توازٍ موتر قدره 1، وسياق من 262,144 رمزًا، وذاكرة KV مخبئية من FP8.
من حيث العتاد، تُدرج RadixArk النشر على وحدة معالجة رسومات واحدة على H200 وB200 وGB300، إضافةً إلى RTX PRO 6000 وRTX 5090 وDGX Spark. لا يُنشر أي رقم للإنتاجية أو لعدد الرموز في الثانية في أي مكان على بطاقة المواصفات، وهذا ثغرة حقيقية لأي شخص يحدد حجم نشر: الرقم الوحيد الذي سيخبرك ما إذا كان DSpark يستحق وحدة معالجة الرسومات الإضافية مفقود.
التوفر، ومسألة التسعير
لا يوجد سعر لواجهة برمجة تطبيقات مستضافة لدى RadixArk يمكن ذكره. يصف موقع الشركة خدمات الاستضافة والتدريب لمعامل أخرى، ولا ينشر أي نقطة نهاية DaisyRose، كما تشير بطاقة الطراز فقط إلى الاستضافة الذاتية عبر SGLang وvLLM وDocker. توجد قوائم من جهات خارجية بالفعل: فقد رأينا واحدة عند النشر تذكر 0.15 دولار لكل مليون رمز إدخال و1.88 دولار لكل مليون رمز إخراج، وهو رقم مضيف خارجي وليس سعر قائمة من البائع، وينبغي التعامل معه باعتباره سعر افتتاحي لمضيف واحد لا سعر السوق.

نموذج DaisyRose 27B نفسه ليس موجودًا في كتالوج OrcaRouter وقت كتابة هذه السطور، ولن نوحي بغير ذلك. نموذجه الأساسي هو: يُقدَّم Qwen3.8-27B تحت qwen/qwen3.8-27b، وهو إصدار مفتوح الأوزان من Alibaba نفسها، بسعر 0.33 دولار لكل مليون رمز إدخال و2.40 دولار لكل مليون رمز إخراج، مع سياق بطول 262,144 رمزًا، ونفس برج الرؤية الذي يحتفظ به التدريب اللاحق. وهذا مهم لأي شخص يقيّم هذا الإصدار، لأن أرخص طريقة لاختبار ما إذا كانت زيادة قدرها 12 نقطة في Terminal Bench تستحق تشغيل H200 هي تشغيل النموذج الأساسي عبر API أولًا، على نفس المطالبات، ثم المقارنة. وهو يوفر أيضًا مسارًا احتياطيًا: إذا تعطل نشر DaisyRose المستضاف ذاتيًا أثناء مهمة، فإن النموذج الأساسي يقف خلف المفتاح نفسه، ويمكن لقاعدة تلقائية للتحويل عند الفشل أن تحيل الطلب إليه بدلًا من إفشال الاستدعاء.
ما الذي سيحسم الأمر؟
لم يتم تشغيل أي شيء في هذا الإصدار بشكل مستقل. فلا يوجد إدخال لـ DaisyRose 27B في Artificial Analysis، ولا أداة اختبار تابعة لجهة خارجية على لوحة صدارة Terminal Bench، كما أن صفوف المقارنة بين النماذج في مقارنة RadixArk الخاصة تعتمد على أرقام منشورة من أطراف أخرى بدلًا من عمليات تشغيل أُجريت جنبًا إلى جنب. البطاقة صريحة على نحو غير معتاد بشأن كل هذا، وهذا يُحسب لها، لكن المصدر الصريح لا يجعل الرقم مستقلًا.
ثمة أمران يستحقان المتابعة. الأول إعادة إنتاج Terminal Bench 4.1 على أداة التقييم العامة: فالادعاء الذي يقوم عليه الإصدار بأكمله هو الانتقال من 5.6 إلى 12.0، وهو من نوع القفزات التي قد يُحدثها اختلاف في أداة التقييم أيضًا. والثاني هو DeepSWE، حيث يتخلف النموذج عن Inkling 2 Small بمقدار 26 نقطة رغم أن بيانات التدريب هي هندسة برمجيات وكيلية. إذا أُعيد إنتاج تحسّن 4.1 ولم تُغلق فجوة DeepSWE، فالقصة هي أن التدريب اللاحق بالتعلم المعزز فقط يعلّم النموذج استخدام طرفية من دون أن يعلّمه التفكير في قاعدة شيفرة — وهذا نتيجة أكثر تحديدًا وأكثر فائدة من أي درجة رئيسية منفردة.
مقارنات في هذه المقالة2
مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا
