'DaisyRose 27B'라고 적힌 타이틀 카드와 '18일간의 강화 학습, SFT 없음'이라는 부제목, 그 위에 '베이스 모델: Qwen3.8-27B', '훈련: 약 63,000 H200 GPU-시간', 'Terminal Bench 4.1: 5.6에서 12.0'이라고 적힌 세 장의 카드, 그리고 '수치는 2026년 11월 18일 RadixArk의 모델 카드 및 블로그 게시물에서 발췌.'라고 적힌 푸터가 있다. OrcaRouter 로고는 오른쪽 하단에 있다.
Guides & Insights

DaisyRose 27B: 18일간의 RL, 지도 미세 조정 없음

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

RadixArk의 DaisyRose 27B는 Qwen3.8-27B를 강화학습만으로 포스트 트레인한 모델입니다 — 지도 미세조정 과정도, 더 큰 교사 모델로부터의 증류도 없습니다 — 그리고 그렇게 해서 얻은 것이 무엇인지 가장 잘 보여주는 두 벤치마크 행은 자체 모델 카드에서 네 줄 간격으로 떨어져 있습니다. Terminal Bench 4.1에서 이 모델은 베이스 대비 5.6에서 12.0으로 올라가며, 두 배가 넘습니다. DeepSWE v1.1에서는 42.2에서 46.2로, 4점 상승합니다. 한 행은 이 레시피가 모델이 전혀 하지 못하던 일을 가르쳤다고 말하고, 다른 행은 이미 할 수 있던 일 대부분을 이전과 거의 비슷한 수준으로 해낸다고 말합니다. RadixArk는 2026년 11월 18일 Apache 2.0 라이선스로 가중치와 레시피를 공개했으며, 이번 공개에 대한 정직한 해석은 두 행이 동시에 사실이라는 것입니다.

이것은 하나의 출시이며, 그것도 최근의 출시입니다. 작성 시점 기준으로 블로그 게시물과 Hugging Face 카드는 올라온 지 사흘 되었습니다. 다음 내용은 RadixArk가 주장하는 바, 그중 현재 검증 가능한 부분, 그리고 숫자의 출처입니다.

실제로 무엇이 훈련되었는가

기본 모델은 Qwen3.8-27B이며 아키텍처는 변경되지 않았습니다. 동일한 토크나이저, 동일한 채팅 템플릿, 동일한 비전 타워, 동일한 262,144토큰 컨텍스트를 사용합니다. RadixArk는 DaisyRose 27B를 해당 베이스의 드롭인 교체품이라고 설명하는데, 이는 품질보다는 호환성에 관한 주장입니다. 기존 프롬프트, 이미지 입력 및 서빙 구성이 수정 없이 그대로 이어집니다.

• 총 파라미터 — 27.8B이며, 그중 0.46B는 비전 인코더이고 0.42B는 다중 토큰 예측 헤드입니다.

• 학습 신호 — 오직 강화학습만. RadixArk는 이번 실행에 지도 미세조정과 증류가 전혀 사용되지 않았다고 밝혔는데, 이는 이 규모에서는 이례적이다. 27B의 대부분 공개 포스트트레인은 SFT 단계로 시작해 RL로 이를 다듬는다.

• 환경 — 대략 1,200개의 선별된 장기 지평(long-horizon) 에이전트 작업으로, Eigent AI로 구축되었으며, 여러 문제를 함께 연결하고 보상 해킹(reward hacking)에 저항하도록 설계되었습니다. 세션은 최대 100만 토큰까지 실행되었는데, 이 숫자가 나머지 설정을 설명합니다: 그렇게 긴 작업에는 몇 시간 동안 살아 있는 샌드박스가 필요합니다.

• 컴퓨팅 — H200 144대에서 18일 동안, 추론용 128대와 트레이너용 16대로 나누어 완전 비동기로 실행하며 약 63,000 GPU-시간. 트레이너는 Miles 프레임워크입니다.

• 샌드박스 — 실행 기간 전체에 걸쳐 약 944,000개, 동시 최대 1,566개, 10월 말 생성 성공률 99.95% 이상. RadixArk는 이 인프라가 인기 클라우드 샌드박스가 부과한다고 밝힌 요금보다 약 80% 낮은 수준이라고 본다.

128/16 분할은 잠시 짚고 넘어갈 만한 부분이다. 비동기 RL 루프에서 추론 플릿은 긴 에이전트 세션을 위한 롤아웃을 생성하고 트레이너는 완료된 궤적을 소비하므로, 이 비율은 각 롤아웃이 그래디언트 스텝에 비해 얼마나 오래 걸리는지를 말해준다. 또한 RadixArk의 효율성 주장이 FLOPs가 아니라 실제 경과 시간 기준으로 표현되는 이유이기도 하다. 이 실행은 18일 만에 끝났고, 그에 비하면 GPU 수는 별로 놀랍지 않다.

각주와 함께 읽는 벤치마크 표

RadixArk는 Qwen3.8-27B 기준선에 대해 일곱 가지 벤치마크를 보고하고, 벤치마크별로 실행 횟수, 사용한 하네스, 샘플링 설정을 명시한다. 이런 각주 처리는 대부분의 출시 카드가 하는 것보다 자세하며, 아래 수치들을 서로 비교할 수 있는 이유이기도 하다. 다만 여전히 공급업체가 실행한 결과이며, RadixArk 외부에서 이를 재현한 사람은 아무도 없다.

• Terminal Bench 4.1 — 기본 모델의 5.6에 대비해 12.0. 요약 기능이 활성화된 내부 mini-swe-agent 하네스에서 과제당 8회 실행. 교차 모델 비교에서 4.1 항목이 없는 모델은 4.0 점수로 대체.

• Terminal Bench 2.1 — 73.0 대비 75.5. 태스크당 5회 실행, Terminus 2 하네스. 여기서의 향상은 3점 미만인데, 이는 4.1 행에서 받은 인상과 반대입니다: 2.1 스위트는 기본 모델이 이미 잘하던 것입니다.

• DeepSWE v1.1 — 46.2 대 42.2. 8회 실행, mini-swe-agent.

• SWE Bench Pro v2 — 91.3 대비 94.7. 5회 실행, mini-swe-agent, 전체 642개 작업. 비교된 모델 중 일부는 Hard 하위 집합만 보고하므로, 이 행은 열 간에 동일 조건 비교가 아닙니다.

• HLE, 텍스트 전용 — 34.3 대 33.9. 문제당 5회 실행, 도구 미사용, GPT-6 Luna가 채점.

• IFBench — 79.5 대비 82.4. 공식 allenai 채점기로 300개 프롬프트에서 4회 실행, thinking 제외 엄격한 프롬프트 수준 정확도.

• GPQA Diamond — 90.7 대 89.2. 198개 질문에 대한 8회 실행, simple-evals 템플릿, 매번 답변 순서 재배열.

A screenshot of the Hugging Face model card for radixark/DaisyRose-27B showing the repository header, the model description as a reinforcement-learning-only post-train of Qwen3.8-27B with a 256K-token context, Apache 2.0 weights in BF16, FP8 and NVFP4, and the benchmark comparison section.

그 표에서는 어떤 단일 행보다 더 중요한 두 가지 특성이 있습니다. 첫째, 모든 DaisyRose 점수는 BF16 및 FP8 실행 중 더 좋은 값이며, RadixArk에 따르면 두 실행의 차이는 1점 미만입니다. 작은 차이지만, 이는 게시된 수치가 평균이 아니라 두 실행 중 더 좋은 값이라는 뜻입니다. 둘째는 샘플링입니다: temperature 1.0, top_p 0.95, top_k 20, reasoning effort xhigh. 높은 effort와 높은 temperature는 에이전틱 점수를 최대화하도록 선택된 구성이므로, 기본 설정으로 실행하는 독자는 표보다 낮은 값을 예상해야 합니다.

리더가 아닌 경우

모델 카드는 DaisyRose 27B를 다른 일곱 시스템과 비교하는데, 결과는 완승이 아니다 — 이 점이 이 표의 가장 유용한 부분이다. 패배가 많은 것을 알려주기 때문이다.

• 터미널 벤치 4.1 — MiMo V2.6 Flash는 16.1점, Inkling 2 Small은 13.0점, GPT-6 Luna는 15.2점으로 모두 DaisyRose의 12.0점을 웃돕니다. Muse Glimmer-30B는 0.5점, Qwen3.6-35B-A3B는 동일한 하네스에서 0.0점을 기록합니다.

• 터미널 벤치 2.1 — MiMo V2.6 Flash 87.6과 Inkling 2 Small 81.3이 나란히 선두를 차지했고, Muse Spark Open은 76.4에 머물렀습니다.

• DeepSWE v1.1 — Inkling 2 Small 72.1, MiMo V2.6 Flash 67.9, GPT-6 Luna 66.6 대 DaisyRose의 46.2. 이는 카드에서 가장 큰 격차의 패배이며, 훈련 분포와 가장 유사한 벤치마크에서 발생한 것입니다.

• HLE 텍스트 전용 — Inkling 2 Small 44.1, M​use Spark Open 43.9, 비교 대상 34.3.

• GPQA Diamond — Inkling 2 Small 93.0, Beam 1.0 90.6, GPT-6 Luna 90.5, DaisyRose 90.7. 최상위권에서 거의 동점입니다.

• IFBench — DaisyRose 82.4는 카드에서 가장 높은 수치이며, 경쟁사 행에는 숫자가 없습니다.

그 패턴이 말하는 것은 27.8B dense 모델이 지시 따르기에서는 우세하고 대학원 수준 과학에서는 입지를 지키며, 심층 소프트웨어 엔지니어링 작업에서는 훨씬 더 큰 sparse 모델들에게 진다는 것이다. MiMo V2.6 Flash는 309B 중 15B를 활성화하고 Inkling 2 Small은 594B 중 17B를 활성화하므로, 이 비교는 27B dense 모델을 저장 파라미터가 20배인 라우팅 모델들과 비교하는 것이다. 그들에게 지는 것은 이 레시피의 실패가 아니라, 27B가 그 격차를 얼마나 좁힐 수 있는지에 대한 진술이다.

A generated scoreboard titled 'DaisyRose 27B — the scoreboard' with a single column of six rows: parameters 27.8B total; training RL only, no SFT or distillation; Terminal Bench 4.1 12.0 against 5.6 for the Qwen3.8-27B base; DeepSWE v1.1 46.2 against 42.2; context 262,144 tokens; licence Apache 2.0. A footer reads 'Vendor-reported by RadixArk; no independent reproduction yet.' The OrcaRouter logo sits in the bottom-right.

37% MFU 주장과 그것이 측정하는 것

RadixArk의 블로그는 모델보다 훈련 효율성을 앞세우는데, 이는 이 회사가 판매하는 바를 공정하게 해석한 것이다. 다른 연구소들을 위해 SGLang 배포를 지원해 온 인프라 업체라는 점을 감안하면 그렇지만, 그 때문에 효율성 수치는 벤치마크 한 줄보다 가격을 매기기 더 어려워진다.

이 주장은 내부 백엔드의 모델 FLOPs 활용률이 37%인 반면 Megatron 기반 오픈소스 트레이너는 16%이며, 이를 훈련 비용 57% 절감 및 엔드투엔드 2배 속도 향상이라고 설명한다. Megatron 기준선에 대해 공개된 구성은 없다: 병렬화 계획도, 시퀀스 길이도, 배치 크기도 없다. 16% MFU 수치는 단순한 dense 훈련 루프에서는 그럴듯하지만 잘 튜닝된 루프에서는 믿기 어려우므로, “비용 57% 절감”의 정직한 지위는 대안을 만든 주체가 측정한, 명시되지 않은 트레이너의 이름 없는 구성과의 비교라는 것이다.

반면 63,000 GPU시간은 구체적인 수치이며 실제 경과 시간과 대조해 타당성을 검증할 수 있다. GPU 144개를 18일 동안 가동하면 62,208 GPU시간이 되므로 이와 일치한다. 따라서 해당 실행은 RadixArk가 말한 만큼의 머신 시간을 소비했다. 효율성 주장이 그 위에 더하는 것은 그 머신 시간이 다른 누군가에게는 얼마의 비용이었을지를 말하는 것이며, 그 부분은 검증되지 않았다.

다운로드할 수 있는 항목과 서비스 제공에 필요한 사항

RadixArk는 세 가지 정밀도의 가중치를 공개했습니다. 모두 Apache 2.0이며 모두 Hugging Face에 있고, 추가로 추측 디코딩용 드래프터도 공개했습니다.

• BF16 — 약 52GB. 전체 정밀도이며, 카드의 수치를 재현하기 위한 기준입니다.

• FP8 — 약 29GB. RadixArk 자체 서빙 예제가 실행되는 빌드이며, FP8 KV 캐시를 사용합니다.

• NVFP4 — 약 23GB이며 Blackwell 전용입니다. RTX 5090 또는 DGX Spark에서 이 빌드는 27B 멀티모달 모델이 긴 컨텍스트를 위한 여유 공간을 두고도 편안하게 들어가도록 해 줍니다.

• Drafter — RadixArk/Qwen3.8-27B-DSpark는 SGLang용 추측 디코딩(speculative decoding) 드래프트 모델이며, SGLang은 이 카드에서 권장하는 서빙 경로입니다. 참조 구성은 4-GPU 노드 전체에서 텐서 병렬 처리 1로 4개의 데이터 병렬 복제본을 실행하며, 262,144토큰 컨텍스트와 FP8 KV 캐시를 사용합니다.

하드웨어 측면에서 RadixArk는 H200, B200, GB300과 RTX PRO 6000, RTX 5090, DGX Spark에서의 단일 GPU 배포를 제시합니다. 하지만 카드 어디에도 처리량이나 초당 토큰 수 수치가 공개되어 있지 않으며, 이는 배포 규모를 산정하는 누구에게나 실질적인 공백입니다. DSpark가 추가 GPU를 쓸 가치가 있는지 알려줄 단 하나의 수치가 빠져 있는 것입니다.

가용성, 그리고 가격 책정 문제

RadixArk가 호스팅하는 API 가격으로 제시할 수 있는 것은 없습니다. 이 회사의 사이트는 다른 연구소를 위한 서빙 및 학습을 설명하고 있으며 DaisyRose 엔드포인트를 공개하지 않고, 모델 카드는 SGLang, vLLM 및 Docker를 통한 자체 호스팅만을 가리킵니다. 제3자 목록은 존재합니다. 게시 시점에 저희가 확인한 한 목록은 백만 입력 토큰당 $0.15, 백만 출력 토큰당 $1.88을 제시하는데, 이는 벤더의 정가 목록이 아니라 제3자 호스트의 수치이며 시장 가격이 아니라 한 호스트의 최초 제시 가격으로 간주해야 합니다.

A screenshot of the RadixArk blog post 'DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency', dated 18 November 2026, showing the post header and the opening section on reinforcement-learning-only post-training.

DaisyRose 27B 자체는 이 글을 쓰는 시점에 OrcaRouter의 카탈로그에 없으며, 그렇다고 다른 식으로 암시하지도 않겠습니다. 그 기본 모델은 다음과 같습니다: Qwen3.8-27B의 제공 경로는 qwen/qwen3.8-27b이며, A​libaba의 자체 오픈 웨이트 빌드이고, 입력 토큰 100만 개당 $0.33, 출력 토큰 100만 개당 $2.40이며 262,144토큰 컨텍스트와 포스트 트레인이 유지하는 동일한 비전 타워를 갖추고 있습니다. 이는 이번 릴리스를 평가하는 모든 사람에게 중요합니다. 왜냐하면 Terminal Bench에서 12점 향상이 H200을 가동할 가치가 있는지 시험하는 가장 저렴한 방법은 먼저 동일한 프롬프트로 기본 모델을 API를 통해 실행해 보고 비교하는 것이기 때문입니다. 또한 폴백 경로도 제공합니다. 자체 호스팅 DaisyRose 배포가 작업 중간에 중단되면, 기본 모델이 동일한 키 뒤에 있으므로 자동 페일오버 규칙이 호출을 실패시키는 대신 요청을 기본 모델로 넘길 수 있습니다.

무엇이 그것을 해결할까요?

이번 릴리스에서 독립적으로 실행된 것은 아무것도 없습니다. DaisyRose 27B에 대한 Artificial Analysis 항목도 없고, Terminal Bench 리더보드에 제3자 하네스도 없으며, RadixArk 자체 비교의 교차 모델 행들은 나란히 수행된 실행이 아니라 다른 측이 발표한 수치를 인용합니다. 이 카드는 이 모든 점을 이례적으로 명시하고 있으며 이는 장점이지만, 출처를 명시한다고 해서 수치가 독립적인 것이 되지는 않습니다.

주목할 만한 두 가지가 있다. 첫째는 공개 하네스에서의 Terminal Bench 4.1 재현이다. 5.6에서 12.0으로의 향상이 이번 릴리스 전체가 기대는 주장인데, 이는 하네스 차이로도 발생할 수 있는 종류의 도약이다. 둘째는 DeepSWE로, 학습 데이터가 에이전트형 소프트웨어 엔지니어링임에도 모델이 Inkling 2 Small보다 26점 뒤처져 있다. 4.1의 향상이 재현되고 DeepSWE 격차가 좁혀지지 않는다면, 이야기는 RL만 사용한 사후 학습이 모델에게 코드베이스에 대해 추론하는 법을 가르치지 않고 터미널 사용법만 가르친다는 것이며, 이는 어떤 단일 헤드라인 점수보다 훨씬 더 구체적이고 더 유용한 발견이다.

이 글에서 비교한 모델2

이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트