All posts

DaisyRose-27B 공개: 코딩 점수 비교와 256K 문맥·양자화 조건

RadixArk가 Qwen3.8-27B 기반 강화학습 모델을 공개했다. Terminal-Bench 비교 버전과 정밀도별 점수 선택, 256K 문맥 및 NVFP4 실행 조건을 확인한다.

코드 조각으로 만든 장미와 분리된 터미널 작업 공간을 순환 화살표로 연결한 DaisyRose 강화학습 개념도

RadixArk가 11월 18일 DaisyRose-27B를 공개했다. Qwen3.8-27B를 바탕으로 강화학습한 모델이다. 회사는 Terminal-Bench 4.1 pass@1이 5.6%에서 12.0%로 올랐다고 발표했다. 비교 수치를 읽을 때는 모델 카드의 평가 버전과 실행 조건을 함께 확인해야 한다.

공개된 가중치와 실행 조건

공식 모델 카드에 따르면 지도 미세조정이나 증류 없이 강화학습만 적용했다. RadixArk는 BF16·FP8·NVFP4 가중치를 Apache-2.0으로 공개했다. 개발자는 이를 내려받을 수 있다. 이미지 이해 기능과 토크나이저, 채팅 템플릿은 기반 모델에서 유지했다.

학습 세션 최대 1M 토큰은 추론 문맥 길이와 다르다. 모델의 문맥은 256K 토큰이다. 긴 학습 세션은 하네스의 요약을 거쳐 여러 실행 궤적으로 나뉜다. 1M 토큰 요청을 그대로 넣어도 된다는 뜻으로 읽으면 안 된다.

가중치 크기는 BF16 약 52GB, FP8 약 29GB, NVFP4 약 23GB다. NVFP4에는 Blackwell GPU가 필요하다. 이 크기는 가중치 기준이므로 서비스 전체의 메모리 요구량과 구분해야 한다. 실제 GPU별 실행 설정은 모델 카드가 연결한 SGLang 가이드에서 확인할 수 있다.

5.6%와 12.0%의 비교 범위

모델 카드는 DaisyRose-27B의 Terminal-Bench 4.1을 내부 mini-swe-agent 하네스에서 요약을 켜고 과제당 8회 반복한 평균으로 설명한다. 그런데 비교표의 Qwen3.8-27B 5.6%는 4.1 항목이 없어 Terminal-Bench 4.0 점수를 대신 썼다고 출처 절에 적었다. 따라서 6.4%포인트 차이를 같은 버전의 통제된 전후 실험으로 해석하기는 어렵다.

RadixArk는 DaisyRose-27B 점수에 BF16과 FP8 실행 중 더 높은 값을 썼다. 회사는 두 정밀도를 모두 평가한 벤치마크에서 차이가 1점 미만이라고 밝혔다. 이 글에서는 모델 실행이나 독립 재현을 하지 않았다. 발표 수치를 개별 개발 작업의 성공률로 일반화할 근거도 없다.

1,200개 과제 뒤의 학습 규모

RadixArk 발표는 약 1,200개 과제로 H200 GPU 144장을 18일 동안 사용했다고 설명한다. 기반 모델이 틀리는 지점을 중심으로 과제를 다듬었다. 의도한 문제를 풀지 않아도 통과하는 과제는 고치거나 제외했다.

학습에서는 GPU 128장이 에이전트 실행을 맡고 16장이 모델을 갱신했다. 이 구성은 비동기로 작동해 에이전트 실행과 학습이 서로를 기다리지 않는다. 과제 수만으로 학습 비용을 가늠하면 긴 실행과 인프라 부담을 놓치기 쉽다.

이미 Qwen3.8-27B를 쓰는 팀이라면 같은 하네스와 과제에서 두 모델을 비교해 볼 만하다. 그때는 정밀도, 요약 설정, 토큰 예산을 맞추고 성공률과 실행 비용을 함께 기록해야 한다. 공개 점수의 상승 폭이 자신의 작업에도 적용되는지는 그 비교에서 확인할 수 있다.

Discussion

No comments yet