RadixArk Trình Làng DaisyRose-27B: Đột Phá Lập Trình Agentic Thuần RL Không Cần SFT
Điểm nhấn cốt lõi (Key Takeaways)
- Đột phá phương pháp luận thuần RL: Hậu huấn luyện 100% bằng học tăng cường trên nền Qwen3.8-27B, loại bỏ hoàn toàn SFT và chưng cất tri thức, giúp điểm Terminal Bench 4.1 pass@1 tăng vọt từ 5,6% lên 12,0%.
- Hiệu suất hạ tầng ấn tượng: Framework mã nguồn mở Miles phân bổ 144 GPU NVIDIA H200 (128 inference, 16 training) đạt 37% MFU và thông lượng 16.800 tokens/s, tiết kiệm 57% thời gian GPU và 80% chi phí sandbox qua 944.000 phiên AgentENV.
- Kiến trúc lai sẵn sàng thực chiến: Kế thừa 64 lớp giải mã tỷ lệ 3:1 (Gated DeltaNet xen kẽ Full-Attention), hỗ trợ suy luận đa phương thức, speculative decoding DSpark và phân phối đa định dạng từ BF16, FP8, GGUF đến NVFP4 (Blackwell) chuẩn Apache 2.0.
RadixArk chính thức phát hành DaisyRose-27B, mô hình lập trình agentic 27 tỷ tham số được hậu huấn luyện 100% bằng học tăng cường (RL) mà không dùng SFT hay chưng cất tri thức. Giải pháp mã nguồn mở này tăng hơn gấp đôi điểm chuẩn Terminal Bench 4.1, mở ra bước tiến lớn cho năng lực tự trị phần mềm.

RadixArk vừa chính thức phát hành DaisyRose-27B, mô hình mã nguồn mở đầu tiên của hãng chuyên biệt cho tác vụ lập trình tự trị (agentic coding). Được phát triển từ nền tảng Qwen3.8-27B, DaisyRose-27B thu hút sự chú ý đặc biệt từ giới công nghệ quốc tế khi áp dụng quy trình hậu huấn luyện (post-training) dựa hoàn toàn 100% vào học tăng cường (Reinforcement Learning - RL), loại bỏ hoàn toàn bước tinh chỉnh có giám sát (SFT) lẫn kỹ thuật chưng cất tri thức (distillation). Phát hành theo giấy phép mở Apache 2.0 dưới dạng giải pháp thay thế trực tiếp (drop-in replacement), mô hình ghi nhận bước nhảy vọt khi tăng điểm pass@1 trên bài đo Terminal Bench 4.1 từ 5,6% lên 12,0%, thiết lập một tiền lệ mới trong việc đào tạo các tác tử AI xử lý môi trường phần mềm thực tế.
Đột phá phương pháp luận: Khi học tăng cường thuần túy thay thế SFT
Trong quy trình đào tạo mô hình ngôn ngữ lớn truyền thống, giai đoạn SFT với hàng trăm nghìn mẫu dữ liệu cặp câu lệnh - phản hồi được coi là bắt buộc để định hình khả năng tương tác. Tuy nhiên, phương pháp này thường khiến mô hình bị giới hạn bởi khuôn mẫu sẵn có và dễ sinh ảo giác khi đối mặt với các tình huống gỡ lỗi (debugging) phức tạp ngoài tập dữ liệu mẫu.
RadixArk đã đi ngược lại lối mòn khi hợp tác với Eigent AI để xây dựng khoảng 1.200 bài toán thử thách chuyên sâu, chắt lọc từ hàng nghìn kịch bản ứng viên. Mỗi bài toán trong tập dữ liệu này được thiết kế có chủ đích nhằm nhắm trúng các lỗi thất bại cụ thể của mô hình nền tảng Qwen3.8-27B. Trong suốt quá trình tự khám phá bằng RL, mỗi lượt thử nghiệm (attempt) của agent trong môi trường sandbox được cấp thời lượng lên tới 1,5 giờ, cho phép thực thi hơn 100 lệnh gọi công cụ (tool calls) và tạo ra hơn 256.000 token xuất ra. Đáng chú ý, các phiên tương tác agentic có thể mở rộng ngữ cảnh lên tới 1 triệu token. Nhờ cơ chế tưởng thưởng trực tiếp dựa trên kết quả thực thi mã nguồn thay vì bắt chước văn bản, DaisyRose-27B hình thành năng lực lập luận dạng mô hình tư duy (thinking model) với khả năng tự suy ngẫm, kiểm thử và sửa lỗi linh hoạt.

Đánh giá hiệu năng: Bước nhảy vọt về năng lực thao tác dòng lệnh
Bản phát hành của RadixArk đi kèm bảng số liệu benchmark chi tiết, được ghi nhận ở mức điểm số cao nhất giữa hai phiên bản trọng số BF16 và FP8. Điểm sáng lớn nhất nằm ở Terminal Bench 4.1 – thước đo năng lực thao tác terminal và xử lý các lệnh hệ thống phức tạp, nơi DaisyRose-27B đạt mức pass@1 tăng hơn gấp đôi (+114%).
Ở các bài đo lập trình phần mềm thực tế, mô hình cũng ghi nhận sự tăng trưởng ổn định: tăng +4,0 điểm trên DeepSWE v1.1 và +3,4 điểm trên SWE Bench Pro v2 (theo chuẩn công bố tại arXiv 2611.16289). Ngược lại, các chỉ số về tri thức hàn lâm chỉ tăng nhẹ (+0,4 điểm trên HLE và +1,5 điểm trên GPQA Diamond), phản ánh đúng bản chất của phương pháp RL tập trung sâu vào hành vi thực thi hơn là học vẹt tri thức.
Dưới đây là bảng tổng hợp so sánh hiệu năng giữa DaisyRose-27B với mô hình gốc và các hệ thống lớn trên thị trường:
| Mô hình | Quy mô tham số | Terminal Bench 4.1 | DeepSWE v1.1 | SWE Bench Pro v2 | HLE | Giấy phép |
|---|---|---|---|---|---|---|
| Qwen3.8-27B (Base) | 27B | 5,6% | Điểm cơ sở | Điểm cơ sở | Điểm cơ sở | Apache 2.0 |
| DaisyRose-27B (RadixArk) | 27B | 12,0% | +4,0 so với Base | +3,4 so với Base | +0,4 so với Base | Apache 2.0 |
| MiMo V2.6 Flash | 309B | 16,1% | - | - | - | Đóng/Tùy biến |
| Inkling 2 Small | 594B | - | 72,1% | - | 44,1% | Đóng/Tùy biến |
Dù vẫn xếp sau các hệ thống khổng lồ như MiMo V2.6 Flash (309 tỷ tham số) ở Terminal Bench hay Inkling 2 Small (594 tỷ tham số) ở DeepSWE, DaisyRose-27B lại gây ấn tượng khi đứng đầu bảng so sánh 9 mô hình của RadixArk trên bài kiểm tra tuân thủ chỉ dẫn IFBench, minh chứng cho hiệu quả vượt trội so với kích thước 27B.
Hạ tầng đào tạo Miles và môi trường giả lập AgentENV
Để hiện thực hóa quy trình huấn luyện RL quy mô lớn mà không gặp nghẽn cổ chai tính toán, RadixArk đã xây dựng framework mã nguồn mở Miles vận hành ở chế độ bất đồng bộ hoàn toàn (fully asynchronous).
Hệ thống phân bổ cụm phần cứng gồm 144 bộ tăng tốc đồ họa NVIDIA H200 chạy liên tục trong 18 ngày, tiêu tốn tổng cộng 63.000 giờ GPU (GPU-hours). Trong đó, RadixArk áp dụng cơ chế phân tách tài nguyên đặc thù: 128 GPU dành riêng cho quá trình sinh suy luận tương tác của agent (inference rollout) và chỉ 16 GPU phục vụ việc cập nhật trọng số chính sách huấn luyện (policy training).
Hiệu quả phần cứng và môi trường được chứng minh qua loạt thông số kỹ thuật: - Tận dụng năng lực tính toán (MFU): Đạt 37% trên backend nội bộ của RadixArk, vượt trội so với mức 16% của hệ thống huấn luyện Megatron mã nguồn mở tiêu chuẩn. - Thông lượng đầu-cuối (End-to-End Throughput): Đạt 16.800 tokens/giây so với 8.300 tokens/giây ở giải pháp cơ sở, tương đương mức tăng tốc 2,0 lần và giúp cắt giảm tới 57% tổng thời gian GPU. - Hạ tầng sandbox AgentENV: Thực thi khoảng 944.000 môi trường sandbox từ giữa tháng 9 đến giữa tháng 11, đạt đỉnh đồng thời 1.566 phiên. Tỷ lệ khởi tạo thành công đạt 99% xuyên suốt 9 tuần, với chi phí vận hành ước tính thấp hơn 80% so với việc thuê các nhà cung cấp sandbox đám mây thương mại.

Kiến trúc lai hiện đại và phương thức triển khai thực tế
Về mặt kiến trúc mạng nơ-ron, DaisyRose-27B duy trì nguyên vẹn thiết kế gốc của Qwen3.8-27B với 64 lớp giải mã (decoder layers) phân bổ theo tỷ lệ 3:1: cứ 3 lớp chú ý tuyến tính Gated DeltaNet sẽ xen kẽ với 1 lớp chú ý toàn phần (Full-Attention), kết hợp kích thước ẩn (hidden size) 5.120 chiều. Thiết kế này giúp mô hình giảm thiểu áp lực bộ nhớ KV-cache khi xử lý chuỗi ngữ cảnh siêu dài trong các phiên tương tác phần mềm.
Mô hình tích hợp bộ mã hóa thị giác (vision encoder) 27 lớp cho phép tiếp nhận đầu vào gồm cả văn bản và hình ảnh để xuất ra văn bản, đồng thời sở hữu 1 lớp dự đoán đa token (Multi-Token Prediction - MTP) nhằm hỗ trợ cơ chế giải mã suy đoán (speculative decoding).
Trọng số mô hình hiện đã có mặt trên Hugging Face với đa dạng định dạng: BF16, FP8, GGUF và chuẩn NVFP4 (yêu cầu GPU kiến trúc NVIDIA Blackwell). Đối với môi trường sản xuất, RadixArk khuyến nghị sử dụng engine SGLang kết hợp kỹ thuật DSpark speculative decoding thông qua mô hình nháp Qwen3.8-27B-DSpark, hoặc triển khai nhanh qua vLLM bằng lệnh vllm serve "RadixArk/DaisyRose-27B". Cấu hình lấy mẫu tối ưu cho chế độ tư duy gồm: temperature 1.0, top_p 0.95 và top_k 20.
Bối cảnh chiến lược và giá trị thực tiễn cho kỹ sư Việt Nam
Sự ra đời của DaisyRose-27B đánh dấu bước chuyển mình quan trọng của ngành công nghiệp trí tuệ nhân tạo: chuyển dịch từ giai đoạn phụ thuộc vào dữ liệu SFT thủ công sang việc khai phóng tư duy giải quyết vấn đề thông qua học tăng cường tương tác thực. Việc chứng minh một mô hình quy mô 27B thuần RL có thể tăng gấp đôi hiệu năng xử lý dòng lệnh mở ra tiềm năng lớn để thu hẹp khoảng cách giữa mô hình mã nguồn mở gọn nhẹ và các hệ thống độc quyền khổng lồ.
Đối với cộng đồng kỹ sư phần mềm, chuyên viên DevOps và các startup công nghệ tại Việt Nam, DaisyRose-27B mang lại giá trị thực tiễn trực tiếp: - Tối ưu chi phí hạ tầng: Thay vì phải chi trả chi phí token đắt đỏ cho các API thương mại đóng như Claude Sonnet hay GPT-4o để vận hành agent tự động hóa, doanh nghiệp có thể tự host DaisyRose-27B trên hạ tầng GPU nội bộ hoặc thuê ngoài linh hoạt (chạy mượt mà trên định dạng GGUF/FP8 với GPU tiêu dùng cao cấp như RTX 4090 hoặc GPU đám mây H100). - Bảo mật mã nguồn tuyệt đối: Giấy phép thương mại Apache 2.0 cho phép các doanh nghiệp Việt tự do tùy biến, tích hợp thẳng vào luồng CI/CD nội bộ mà không lo ngại rủi ro rò rỉ dữ liệu hoặc phụ thuộc vào chính sách của các hãng công nghệ lớn. - Nền tảng phát triển agent chuyên sâu: Với khả năng tương tác terminal nhạy bén và hỗ trợ ngữ cảnh dài, DaisyRose-27B là công cụ hoàn hảo để phát triển các giải pháp tự động rà quét mã độc, viết kiểm thử tự động và vận hành hệ thống máy chủ nội bộ hiệu quả.
Tại sao RadixArk lại loại bỏ hoàn toàn bước SFT truyền thống khi huấn luyện DaisyRose-27B?
RadixArk nhận thấy SFT dễ tạo ra thói quen rập khuôn và gây ảo giác khi mô hình gặp lỗi phần mềm chưa từng có trong tập mẫu. Bằng cách áp dụng 100% học tăng cường trên 1.200 bài toán chọn lọc cùng AgentENV, mô hình buộc phải tự tương tác terminal, kiểm tra kết quả thực tế và sửa sai liên tục, qua đó hình thành năng lực lập luận tự trị vững chắc hơn việc bắt chước dữ liệu có sẵn.
Doanh nghiệp có thể triển khai DaisyRose-27B trên những cấu hình phần cứng nào?
Mô hình hỗ trợ đầy đủ các định dạng từ BF16, FP8, GGUF đến NVFP4 (dành cho kiến trúc NVIDIA Blackwell). Doanh nghiệp có thể phục vụ mô hình thông qua vLLM hoặc SGLang kết hợp kỹ thuật DSpark trên các cụm GPU máy chủ chuyên dụng (H100, H200), hoặc tận dụng các bản nén lượng tử hóa FP8/GGUF để chạy cục bộ trên GPU cao cấp như RTX 4090.
Bạn thấy thông tin này như thế nào? Hãy để lại cảm xúc!
Tác giả chuyên sâu về nghiên cứu trí tuệ nhân tạo, quy trình Agentic và giải pháp tự động hoá quy mô lớn.


