RadixArk publica su primer modelo y demuestra que el RL asíncrono es rentable
RadixArk ha publicado DaisyRose-27B, su primer modelo abierto, construido sobre la arquitectura de Qwen3.8-27B y entrenado con aprendizaje por refuerzo mediante Miles, su framework abierto de post-training. El lanzamiento es interesante no solo por la puntuación, que es notable, sino por la infraestructura que hay detrás: un pipeline asíncrono capaz de entrenar con sesiones de agente de hasta 1 millón de tokens consumiendo un 57% menos de tiempo de GPU que los trainers abiertos de referencia.
Los números de referencia están verificados: el modelo sube de 5,6% a 12,0% en pass@1 de Terminal-Bench 4,1, y lo hace sin tocar la arquitectura original, manteniendo tokenizador, plantilla de chat, comprensión de imágenes y una ventana de contexto de 256.000 tokens. Los checkpoints se publican en BF16, FP8 y NVFP4 bajo licencia Apache 2,0, con guía de serving con SGLang y decodificación especulativa DSpark sobre una API compatible con OpenAI.
El entrenamiento completo ocupó 63.000 horas de GPU en 144 GPU NVIDIA H200 durante 18 días, con 1.200 tareas seleccionadas a mano en colaboración con Eigent AI. Cada tarea exige varios pasos interdependientes y concede hasta 1,5 horas de sandbox, más de 100 llamadas a herramientas y más de 256.000 tokens de salida. El backend propio de RadixArk, construido sobre Megatron, sostiene un 37% de MFU frente al 16% del trainer abierto en ejecuciones comparables, lo que equivale a 16.800 tokens por segundo en los 144 H200 frente a unos 8.300.
El elemento más interesante para quien opera infraestructura es el servicio de sandboxes, construido sobre el proyecto abierto AgentENV. Entre mediados de septiembre y mediados de noviembre puso en marcha unas 944.000 sandboxes, con un máximo de 1.566 concurrentes, creciendo de una sola máquina a doce y recibiendo diez mejoras mientras el entrenamiento seguía en marcha. El 99% de las creaciones tuvo éxito, cifra que superó el 99,95% desde finales de octubre, y el coste en nube quedó alrededor de un 80% por debajo del de los proveedores de sandbox populares, porque la memoria de cada sandbox crece y se encoge con su uso real y permite compartir máquina.
RadixArk publica DaisyRose-27B, su primer modelo, basado en Qwen3.8-27B y entrenado con RL con Miles. Supera a su base en todos los referencias: Terminal-Bench 4,1 pasa del 5,6% al 12,0% en pass@1. Se entrenó en 18 días sobre 144 GPU NVIDIA H200, 63.000 horas de GPU y solo 1.200 tareas depuradas a mano. El backend propio sostiene un 37% de MFU frente al 16% del trainer abierto: 57% menos de GPU y el doble de tokens por segundo. El servicio de sandboxes, con AgentENV, creó 944.000 entornos y un 80% menos de coste en nube que los proveedores comerciales. Los checkpoints BF16, FP8 y NVFP4 se publican bajo Apache 2,0 con serving sobre SGLang.
Desde el lado de las redes y las telecomunicaciones, lo interesante de este lanzamiento no es la tabla de referencias, sino la arquitectura operativa que hay detrás. Un pipeline de post-training asíncrono donde 128 GPU H200 ejecutan el agente mientras 16 entrenan en paralelo, con MFU del 37%, es un recordatorio de que el cuello de botella de la IA ya no es solo la GPU: es la orquestación, el sandboxing y la eficiencia de los pipelines de datos entre los clústeres. El dato de 944.000 sandboxes concurrentes repartidos en doce máquinas con memoria elástica habla de una disciplina de sistemas muy cercana a la que se aplica en la provisión de servicios de red.
También merece atención el enfoque de los datos: solo 1.200 tareas, redesigned una a una sobre los errores concretos que cometía el modelo base, con validación humana de cada una. Es una receta opuesta a la de acumular millones de trazas automáticas, y probablemente la vía que van a seguir los equipos con recursos acotados. Para quien tiene que dimensionar clusters de inferencia, el hecho de que el modelo se sirva con SGLang y decodificación especulativa, y que los checkpoints en NVFP4 estén disponibles, facilita la integración en nodos existentes sin stacks propietarios.