DaisyRose-27B, entraîner des agents autrement
IA Contenu généré par intelligence artificielle : texte écrit par une IA, lu par des voix de synthèse.
Transcription avec les sources de chaque passage
Token FM
Token FM, la radio de l'IA, faite par l'IA. Place au dossier.
Victor
Bonjour Théa, on vous accueille pour parler de DaisyRose-27B, le premier modèle de RadixArk, affiné par apprentissage par renforcement pour des tâches complexes d’agents d’intelligence artificielle. Qu’est-ce que RadixArk annonce avec ce modèle ?
Théa
RadixArk présente mercredi DaisyRose-27B, son premier modèle, construit à partir de Qwen3.8-27B et entraîné par apprentissage par renforcement avec Miles, d’après Hugging Face. Alors, l’idée n’est pas de repartir de zéro : l’entreprise part d’un modèle existant et le soumet à un entraînement supplémentaire centré sur les tâches d’agents. Un agent ne se contente pas forcément de produire une réponse ; dans ce type de mission, il doit parfois enchaîner des étapes et poursuivre un objectif. RadixArk décrit ces exercices comme des tâches à long horizon, c’est-à-dire des missions qui peuvent demander un travail prolongé plutôt qu’une réponse immédiate. L’annonce porte donc à la fois sur un nouveau modèle et sur une manière de le spécialiser, sans remplacer l’architecture de départ. La question est alors de comprendre comment cet entraînement a été organisé et ce que recouvre concrètement cette spécialisation.
Victor
Comment fonctionne cet entraînement, et pourquoi choisir des missions aussi longues ?
Théa
RadixArk indique que DaisyRose-27B a été entraîné par apprentissage par renforcement avec Miles, sur des tâches d’agents à long horizon. Cette méthode sert ici à entraîner le modèle sur des missions, plutôt qu’à lui faire traiter uniquement des questions isolées. Les sessions pouvaient atteindre un million de tokens, une unité utilisée pour mesurer la longueur des entrées et des sorties traitées par un modèle. Pour constituer les exercices, RadixArk a travaillé avec Eigent AI à partir de milliers de propositions, puis environ 1 200 tâches ont été retenues. Elles visaient notamment des erreurs du modèle de départ et exigeaient plusieurs étapes interdépendantes. Bon, l’enjeu est de tester la capacité à mener une mission dans la durée, pas seulement à répondre à une question courte. La sélection des tâches est donc importante : elle détermine les difficultés auxquelles le modèle est confronté pendant cet entraînement.
Victor
Quels résultats sont annoncés, et quels moyens ont été mobilisés ?
Théa
Sur Terminal-Bench 4.1, DaisyRose-27B obtient un score pass@1 de 12 %, contre 5,6 % pour Qwen3.8-27B. Pass@1 indique ici la réussite obtenue avec une seule tentative : le résultat suggère donc un progrès lorsque l’agent doit résoudre une tâche sans multiplier les essais. C’est la comparaison principale mise en avant par RadixArk. L’entreprise indique aussi des progrès sur d’autres évaluations de raisonnement, de suivi d’instructions et de programmation, sans que les résultats détaillés de chacune soient précisés ici. Pour obtenir ces performances, l’entraînement a mobilisé environ 1 200 tâches sélectionnées pendant 18 jours, sur 144 processeurs graphiques H200. C’est un dispositif de calcul conséquent, même si le nombre de tâches est présenté comme relativement resserré par l’entreprise. Ces chiffres décrivent les conditions d’entraînement annoncées ; ils ne donnent pas, à eux seuls, le coût financier ni une comparaison complète avec d’autres méthodes.
Victor
À qui ce modèle peut-il servir, et que conserve-t-il de son modèle de départ ?
Théa
Les poids du modèle sont publiés sous licence Apache 2.0, ce qui permet de l’examiner et de l’utiliser dans le cadre de cette licence. En revanche, la publication des poids ne suffit pas, à elle seule, à établir que le modèle convient à tous les usages ou à toutes les infrastructures. DaisyRose-27B conserve l’architecture, le tokenizer, le format de conversation et la compréhension des images de Qwen3.8-27B. Il garde également une fenêtre de contexte de 256 000 tokens, c’est-à-dire une capacité à prendre en compte une grande quantité de texte dans un échange ou une tâche. La publication maintient donc une base technique connue pour les utilisateurs du modèle de départ, tout en proposant un entraînement supplémentaire ciblé sur des missions d’agents.
Victor
Quelles sont les limites à garder en tête face à ces résultats ?
Théa
La première limite, c’est qu’un meilleur score sur Terminal-Bench 4.1 ne garantit pas une amélioration dans chaque situation réelle. Le chiffre de 12 % mesure une réussite selon un protocole précis, avec une seule tentative, et il ne résume pas toutes les capacités d’un agent. RadixArk annonce également des progrès sur plusieurs autres familles d’évaluations, mais les résultats détaillés ne sont pas tous précisés. Les tâches d’entraînement ont été sélectionnées pour cibler des erreurs du modèle initial et demander plusieurs étapes interdépendantes. C’est un choix cohérent avec l’objectif annoncé, mais cela ne prouve pas que le modèle sera plus fiable pour toute mission différente de ces exercices. Enfin, les 18 jours d’entraînement sur 144 GPU H200 donnent une indication des ressources mobilisées, sans fournir un coût complet ni permettre de comparer directement l’efficacité avec d’autres entraînements. Il faudra donc regarder les performances sur des tâches variées et dans des conditions d’utilisation concrètes.
Victor
Qu’est-ce qu’il faut retenir de cette annonce ?
Théa
Il faut retenir que RadixArk présente DaisyRose-27B comme son premier modèle, construit sur Qwen3.8-27B et affiné par apprentissage par renforcement pour des tâches longues d’agents. Le résultat le plus marquant communiqué est le passage de 5,6 % à 12 % sur le score pass@1 de Terminal-Bench 4.1. Cette progression est associée à un entraînement de 18 jours, mené sur 144 GPU H200 avec environ 1 200 tâches sélectionnées en partenariat avec Eigent AI. Le modèle conserve plusieurs caractéristiques de sa base, dont la compréhension des images et une fenêtre de contexte de 256 000 tokens. Ses poids sont publiés sous licence Apache 2.0, ce qui ouvre la possibilité de l’examiner et de l’utiliser selon les conditions de cette licence. La publication présente donc une amélioration ciblée, tout en maintenant une base technique que les utilisateurs du modèle de départ peuvent déjà connaître. Elle ne signifie pas que les agents réussiront toutes leurs missions ; elle montre plutôt un progrès annoncé sur un benchmark et un entraînement conçu pour des tâches complexes en plusieurs étapes.
Victor
Merci Théa pour ces explications.
Une erreur ?
Signalez-la : le message part avec l'adresse de cette page, son titre et son heure de diffusion. Une personne mise en cause peut aussi exercer son droit de réponse.
Signaler une erreurUn mot pour la rédaction ?
Une remarque, une idée de sujet, un avis sur ce passage : votre message va à la rédaction seulement, il n'est pas publié.