RadixArk lanza DaisyRose-27B, un modelo abierto para agentes con afirmadas mejoras en entrenamiento

Hecho Qué ha ocurrido
RadixArk publicó DaisyRose-27B, su primer modelo, basado en Qwen3.8-27B y entrenado con aprendizaje por refuerzo en tareas de agentes de largo recorrido, con los pesos disponibles bajo licencia Apache 2.0. La empresa afirma que su pass@1 en Terminal-Bench 4.1 pasa de 5,6% a 12,0%, y que el entrenamiento costó un 57% menos de tiempo de GPU que con un entrenador de código abierto. Estas cifras son propias de la compañía y no constan verificadas por terceros.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que un laboratorio nuevo puede especializar un modelo abierto para agentes con un presupuesto de cómputo acotado, lo que reduce la barrera para construir agentes propios. Conviene tratar los resultados con cautela hasta que haya evaluaciones independientes.
- Quién se ve afectado
- Equipos técnicos que desarrollan agentes de IA y empresas que valoran modelos abiertos y autoalojados.
- Qué puede cambiar
- Si los resultados se confirman en tareas reales, podría abaratar el ajuste fino de modelos para flujos de trabajo agénticos. Por ahora el impacto práctico es limitado y depende de pruebas propias.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Las evaluaciones independientes de Terminal-Bench y otros benchmarks, la adopción de los pesos en la comunidad y si el ahorro de costes se reproduce fuera de la infraestructura de RadixArk.
Recomendación Qué debería hacer una empresa
Probar el modelo con un conjunto propio de tareas de agentes antes de considerarlo para producción, en los próximos 3 meses.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗agentesaprendizaje por refuerzoLLMSGLang RadixArkEigent AIQwen código abierto DaisyRose-27B Hugging Face Qwen3.8-27B RadixArk
Relacionadas
Modelos «abiertos» de IA: los pesos no equivalen a código abierto y las licencias imponen límites
Un análisis revisa las licencias de modelos abiertos como gpt-oss, Gemma 4, DeepSeek-V4.1, Mistral, Qwen3.8 y Llama 4 a octubre de 2026. Señala que publicar…
Por qué importaUn negocio que construya productos sobre un modelo abierto debe revisar la licencia, no solo la etiqueta, porque los umbrales de facturación o…
Ricursive Intelligence lanza Ripple-65B Preview, un modelo abierto con licencia Apache 2.0
Ricursive Intelligence ha publicado Ripple-65B Preview, un modelo de lenguaje abierto de 65.000 millones de parámetros con arquitectura densa, disponible en…
Por qué importaUn modelo abierto de este tamaño, optimizado para hardware de Nvidia, puede ejecutarse en infraestructura propia, lo que interesa a empresas con…
Nous Research reentrena Qwen3.8-27B y reduce la propaganda estatal china de su modelo al 0,9 %
Nous Research ajustó Qwen3.8-27B de Alibaba con 53 millones de tokens de fine-tuning supervisado para crear Arete-27B, un modelo de pesos abiertos. Según la…
Por qué importaMuestra que el sesgo político de algunos modelos chinos de pesos abiertos puede corregirse con relativa poca supervisión, algo relevante para…
RadixArk recauda 400 millones para comercializar SGLang, herramienta de optimización de inferencia
RadixArk, startup comercial derivada del proyecto de código abierto SGLang de UC Berkeley, ha recaudado capital liderado por Accel con una valoración de…
Por qué importaEl surgimiento de RadixArk refleja un patrón crítico en infraestructura de IA: herramientas de código abierto populares se transforman en empresas…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



