Il n’est plus nécessaire de disposer d’un immense laboratoire d’IA pour créer un meilleur assistant de programmation. La start-up RadixArk a pris un modèle libre de l’équipe Qwen d’Alibaba, l’a entraîné pendant 18 jours sur 1 200 tâches soigneusement sélectionnées, et a plus que doublé son score à l’un des tests les plus difficiles pour les agents d’IA. Puis elle a offert gratuitement le résultat.

DaisyRose-27B : points clés

  • RadixArk a lancé DaisyRose-27B, son premier modèle, basé sur le modèle libre Qwen3.8-27B

  • Son score au Terminal-Bench 4.1 est passé de 5,6 % à 12,0 % après 18 jours d’entraînement sur 144 puces Nvidia H200

  • Il a surpassé le modèle Qwen original sur tous les benchmarks testés par RadixArk, du codage au raisonnement

  • Le modèle peut être utilisé et modifié gratuitement sous licence Apache 2.0

RadixArk a annoncé la sortie le 18 novembre dans un article de blog sur Hugging Face, le site où les développeurs en IA partagent des modèles. « Jusqu’où peut-on améliorer un petit modèle en 18 jours avec 144 GPU ? » a demandé l’entreprise sur X.

Ce qu’a réellement fait RadixArk

RadixArk n’a pas créé un modèle de zéro, une entreprise qui coûterait des milliards aux grands laboratoires. L’équipe a pris Qwen3.8-27B, un modèle de 27 milliards de paramètres que tout le monde peut télécharger, puis l’a entraîné davantage par apprentissage par renforcement : l’IA essaie une tâche, reçoit une note et apprend de ce qui a fonctionné.

Les tâches, elles, étaient secrètes. RadixArk et son partenaire Eigent AI ont créé des milliers de tâches candidates en apprentissage automatique, en ingénierie logicielle et en sciences, puis en ont retenu environ 1 200. Chacune ciblait une erreur que le modèle original répétait, nécessitait de nombreuses étapes et ne pouvait être réussie qu’en la résolvant réellement, et non en trompant le système de notation. Une seule tentative pouvait durer jusqu’à 1,5 heure et nécessiter plus de 100 appels à des outils.

BenchmarkQwen3.8-27BDaisyRose-27BTerminal-Bench 4.15.612.0Terminal-Bench 2.173.075.5DeepSWE v1.142.246.2IFBench79.582.4GPQA Diamond89.290.7

L’entraînement moins coûteux est le véritable produit

En réalité, RadixArk vend ses outils d’entraînement, et le modèle en est la preuve. L’entreprise a entraîné DaisyRose-27B avec Miles, son logiciel gratuit d’apprentissage par renforcement, et son propre système d’entraînement. Selon elle, celui-ci a permis d’utiliser 37 % de la puissance de crête de chaque puce pour des tâches utiles, contre 16 % avec un système d’entraînement open source populaire. Cela signifie que le même travail nécessite 57 % moins de temps GPU, affirme l’entreprise, avec des gains encore plus importants pour certaines autres architectures de modèles.

Les environnements de test comptent aussi. Chaque tentative s’exécute dans un bac à sable, une copie neuve et isolée de la tâche. RadixArk en a exécuté environ 944 000 entre la mi-septembre et la mi-novembre, jusqu’à 1 566 simultanément, et affirme que la facture cloud était environ 80 % moins élevée qu’avec des fournisseurs de bacs à sable populaires. L’ensemble de l’entraînement a utilisé environ 63 000 heures GPU.

À lire également : les développeurs bénéficient gratuitement de 1 milliard de dollars d’entraînement en IA alors que Meta inonde Hugging Face

Pourquoi c’est important

La grande course à l’IA ne consiste plus à savoir qui construit le plus grand modèle, mais qui tire le meilleur parti d’un modèle existant. Si une petite équipe peut doubler le score d’un modèle gratuit à un test exigeant pour agents en moins de trois semaines, les entreprises disposant de leurs propres données pourraient créer des bots performants et spécialisés sans avoir les budgets des laboratoires de pointe.

Il faut relativiser ces chiffres. Un taux de réussite de 12.0 % à Terminal-Bench 4.1 signifie toujours que le modèle échoue à la plupart des tâches, et les progrès sur les tests plus faciles n’étaient que de quelques points chacun. Les résultats proviennent des propres tests de RadixArk, et l’entreprise a invité les utilisateurs à signaler les limites du modèle.

À surveiller

Voyez si des développeurs indépendants parviennent à reproduire ces progrès sur leurs propres tâches, et si d’autres équipes adoptent Miles pour entraîner leurs propres agents. Si c’est le cas, attendez-vous à une vague de petits modèles spécialisés et peu coûteux, construits à partir de modèles gratuits de Qwen, Meta et d’autres, ce qui exercera une pression sur les grands laboratoires qui font payer leurs meilleurs modèles.

À lire ensuite : Hugging Face reproduit les tests de maths d’OpenAI et admet que son vérificateur est « encore rudimentaire »