AI 모델인기

DaisyRose-27B, 18일 학습으로 Terminal-Bench 4.1 점수 두 배

RadixArk가 20일 공개한 DaisyRose-27B는 새로 설계한 모델이 아니다. Qwen3.8-27B의 구조와 토크나이저, 채팅 템플릿, 이미지 이해, 256K 컨텍스트를 그대로 두고 reinforcement learning만으로 다시 훈련한 결과물이다.

김민준김민준
인기 지수: 1,330
상승하는 보상 곡선과 27B 배지가 나란히 있는 터미널 창

RadixArk가 20일 공개한 DaisyRose-27B는 새로 설계한 모델이 아니다. Qwen3.8-27B의 구조와 토크나이저, 채팅 템플릿, 이미지 이해, 256K 컨텍스트를 그대로 두고 reinforcement learning만으로 다시 훈련한 결과물이다.

DaisyRose-27B가 새 모델이 아닌 이유

베이스 모델을 바꾸지 않았다는 점이 이 릴리스의 출발점이다. 같은 아키텍처에 같은 토크나이저, 같은 채팅 템플릿, 같은 이미지 이해를 쓴다. 바뀐 것은 가중치뿐이고, 그 가중치는 긴 에이전트 작업을 끝내는 방식으로 강화학습(reinforcement learning)을 거쳤다. 체크포인트는 Apache 2.0 라이선스로 BF16, FP8, NVFP4 세 형식이 공개됐다.

Terminal-Bench 4.1에서 두 배가 된 점수

가장 큰 변화는 터미널 과제에서 나왔다. Terminal-Bench 4.1 pass@1이 5.6%에서 12.0%로 올랐다. 두 배가 넘는 상승이지만 절대값은 여전히 낮다. 열 번 시도해 한 번 남짓 성공하는 수준이고, 이 점수를 터미널을 완전히 다룬다는 증명으로 읽으면 곤란하다.

나머지 항목도 같은 방향으로 움직였다. 아래 표는 RadixArk가 공개한 값이다.

벤치마크

Qwen3.8-27B

DaisyRose-27B

Terminal Bench 2.1

73.0%

75.5%

DeepSWE v1.1

42.2%

46.2%

SWE Bench Pro v2

91.3%

94.7%

GPQA Diamond

89.2%

90.7%

IFBench는 79.5%에서 82.4%, HLE 텍스트는 33.9%에서 34.3%로 올랐다. 표에 적힌 모든 항목에서 베이스 모델을 앞섰다는 것이 회사 설명이다. 점수는 BF16과 FP8 실행 중 높은 값을 쓴 것이고, 둘 다 잰 항목에서는 차이가 1점을 넘지 않았다.

DaisyRose-27B의 1,200개 과제는 어떻게 만들어졌나

과제는 Eigent AI와 함께 만들었다. 후보 수천 개 중 1,200개가량이 최종 세트에 남았다. 각 과제는 베이스 모델이 실제로 틀리는 지점을 겨냥하고, 서로 얽힌 여러 단계를 요구한다. 의도한 문제를 풀지 않고는 통과할 수 없도록 검수했다는 설명이다. 한 번의 시도에는 최대 1.5시간이 주어지고, 도구 호출 100회와 출력 256K 토큰을 넘길 수 있다.

RadixArk의 Miles와 144장 H200이 만든 학습 비용

어디서 시간이 줄었을까? RadixArk가 공개한 Miles는 완전 비동기로 돈다. H200 128장이 에이전트 과제 추론을 맡고, 16장이 트레이너를 돌린다. 학습 결과는 매 단계마다 추론 쪽으로 다시 밀어 넣는다.

회사가 잰 모델 FLOPs 사용률은 37%로, 같은 조건의 오픈소스 Megatron 기반 트레이너 16%의 두 배가 넘는다. 같은 학습에 GPU 시간은 57% 덜 들었고, 처리량은 초당 16,800토큰으로 8,300토큰보다 많았다. 9주 동안 63,000 GPU시간을 쓰면서 속도 저하가 없었다는 설명도 붙는다.

RadixArk 샌드박스 서비스가 만든 차이

학습만 싸게 만들어서는 부족하다. 시도마다 격리된 환경이 필요하기 때문이다. 회사는 오픈소스 AgentENV를 기반으로 샌드박스 서비스를 돌렸다. 9주 동안 약 944,000개를 만들었고, 동시 실행은 최대 1,566개까지 갔다. 생성 성공률은 99%였고 10월 말 이후로는 99.95%를 넘었다. 클라우드 비용은 시중 샌드박스 제공자보다 80%가량 낮았다는 주장이다.

DaisyRose-27B 성적표를 읽는 방법

모든 숫자는 RadixArk가 자기 벤치마크에서 잰 값이다. 비교 대상도 자기가 공개한 베이스 모델이다. 절대 점수가 낮은 에이전트 과제에서 두 배는 의미가 있지만, 그것만으로 실무 코드 에이전트의 완성도를 말하기는 이르다. 이 글의 값은 성적표보다 예산표에 있다. 같은 결과를 절반의 GPU 시간으로 냈다는 주장이 사실이라면, 27B급 모델을 자체 튜닝하려는 팀의 계산이 달라진다.

국내에서 H200 144장을 9주 굴릴 수 있는 팀은 많지 않다. 그런 팀에게도 한국어 주석과 오래된 사내 저장소가 섞인 코드는 별도 검증 대상이다. 이 벤치마크가 그 조건을 재지는 않는다. 다음 확인 지점은 SGLang과 DSpark 추론 조합에서 실제 지연이 얼마나 나오는지, 공개된 체크포인트가 사내 평가에서도 12.0% 근처를 유지하는지다.

이 소식 공유하기

출처

관련 AI 뉴스

노트북 윤곽 안에서 세 장의 층 시트가 고리 화살표를 통과하는 그림
AI 모델

Inkling 2 Mini, 24개 층을 세 번 돌려 노트북에 올렸다

Thinking Machines Lab이 20일 open weights로 공개한 Inkling 2 Mini는 가운데 12개 층을 토큰마다 세 번 돌리는 looped transformer다. 계산은 48층만큼 하면서 저장은 24층으로 끝내고, 그 대신 외운 사실은 늘리지 않는다.

인기 지수: 1,710
어두운 배경에 길게 뻗은 청록색 오디오 파형과 주황색 강조 막대 하나
AI 모델

Rumble-2-Flash는 0.5B로 30B 전화 상담 성적을 따라잡았다

전화 상담 녹취를 글로 옮기는 일은 오래 GPU 여러 장을 전제로 했다. Reson8이 내놓은 Rumble-2-Flash는 그 전제를 0.5B 파라미터로 줄여 놓았다.

인기 지수: 560
짙은 파란 배경 위로 작은 빛 코어를 감싸 도는 세 개의 네온 고리
AI 모델

Gemini 4 Neon 공개, 구독자 선택지는 네 개로 정리됐다

구글이 Gemini 4 Neon을 내놓으면서 유료 구독자가 고를 수 있는 모델이 다시 바뀌었다. Argon에 익숙해진 사람과 3.1 Pro를 쓰던 사람은 오늘 앱을 열어 목록을 다시 봐야 한다.

인기 지수: 1,500
추론 광선이 둘러싼 큰 모델 코어 옆의 작은 고속 코어와 오른쪽으로 떨어지는 가격 막대
AI 모델

GPT-6.2 Astra, 20% 싸졌지만 1등은 아니다

OpenAI가 11월 17일 GPT-6.2 Astra와 GPT-6.2 Sol을 공개하고 Astra의 API 값을 20% 깎았다. 토큰 단가가 내려간 것과 작업 하나에 나가는 돈이 줄어든 것은 같은 말이 아니다.

인기 지수: 1,900