Teknologi

DaisyRose-27B Dirilis, Model AI Baru untuk Tugas Agen

DaisyRose-27B Dirilis, Model AI Baru untuk Tugas Agen
Daftar Isi
  1. Pelatihan dan Peningkatan Kinerja
  2. Data Pelatihan Berkualitas Tinggi
  3. Backend Pelatihan Efisien
  4. Layanan Sandbox Andal

RadixArk meluncurkan DaisyRose-27B sebagai model pertama mereka yang dibangun di atas dasar Qwen3.8-27B. Model ini dilatih menggunakan penguatan belajar lewat kerangka kerja Miles dengan fokus pada tugas agen berdurasi panjang.

Pelatihan dan Peningkatan Kinerja

Pelatihan DaisyRose-27B melibatkan sesi hingga satu juta token dengan memanfaatkan 1.200 tugas pilihan yang dikerjakan selama 18 hari menggunakan 144 unit pengolah grafis H200. Berdasarkan laporan Hacker News: Front Page (radixark.com), model ini berhasil meningkatkan skor pass@1 pada Terminal-Bench 4.1 dari 5,6 persen menjadi 12,0 persen. Selain tolok ukur tersebut, peningkatan juga terlihat pada berbagai pengujian penalaran, kepatuhan instruksi, dan pembuatan kode pemrograman.

RadixArk merilis titik pemeriksaan BF16, FP8, dan NVFP4 agar dapat diuji dan dikembangkan oleh publik. Pencapaian ini didorong oleh tiga elemen utama, yaitu data pelatihan berkualitas tinggi, infrastruktur pelatihan yang efisien, dan lingkungan uji coba atau sandbox yang tangguh.

Data Pelatihan Berkualitas Tinggi

Penyusunan ribuan data tugas dikembangkan bersama Eigent AI yang mencakup bidang rekayasa perangkat lunak, pembelajaran mesin, sains, dan sektor lainnya. Dari ribuan kandidat tersebut, sekitar 1.200 tugas terpilih berdasarkan tiga kriteria utama yang menargetkan kesalahan dari model asli Qwen3.8-27B.

Setiap tugas dirancang sebagai pekerjaan panjang yang berisi rangkaian masalah saling bergantung, menuntut agen melewati berbagai tahap penalaran, perencanaan, serta eksekusi. Setiap percobaan diberi waktu hingga 1,5 jam di dalam sandbox dengan lebih dari 100 pemanggilan alat dan keluaran token melampaui 256 ribu.

Backend Pelatihan Efisien

Proses pelatihan DaisyRose-27B menggunakan Miles secara asinkron penuh, di mana agen terus bekerja sementara model belajar tanpa saling menunggu. Sebanyak 128 unit H200 menjalankan inferensi tugas agen, sementara 16 unit lainnya menjalankan pelatih untuk mempelajari lintasan.

Infrastruktur tersebut mencatatkan penghematan biaya pelatihan sebesar 57 persen dengan tingkat pemanfaatan daya komputasi puncak mencapai 37 persen. Selain itu, kecepatan pemrosesan secara keseluruhan mencapai sekitar 16.800 token per detik di seluruh perangkat keras yang digunakan selama berminggu-minggu dengan total 63.000 jam kerja GPU.

Layanan Sandbox Andal

Setiap percobaan agen selama pelatihan berjalan di dalam lingkungan sandbox terisolasi yang dibangun di atas proyek sumber terbuka AgentENV. Antara pertengahan September hingga pertengahan November, layanan ini menjalankan sekitar 944.000 sandbox dengan tingkat keberhasilan pembuatan mencapai lebih dari 99,95 persen.

Biaya infrastruktur awan untuk layanan sandbox ini diklaim 80 persen lebih rendah dibandingkan penyedia komputasi awan populer. Efisiensi tersebut dicapai dengan menerapkan alokasi memori dinamis yang dapat membesar dan mengecil sesuai kebutuhan penggunaan aktual pada setiap lingkungan sandbox.

Masyarakat dapat mengunduh DaisyRose-27B melalui platform Hugging Face serta memanfaatkan kerangka kerja Miles untuk melatih agen mandiri.

Mungkin Anda Suka

Tinggalkan Komentar

Alamat email tidak akan dipublikasikan. Kolom wajib ditandai *