DaisyRose 27B API
RadixArk: DaisyRose27B হলো দীর্ঘমেয়াদি কোডিং ও যুক্তিনির্ভর কাজে তৈরি বহুমাধ্যমিক মডেল।
RadixArk-এর DaisyRose-27B হলো Qwen3.8-27B-ভিত্তিক একটি বহুমাধ্যমিক যুক্তি মডেল। এতে লেখা ও ছবি ইনপুট হিসেবে নেওয়া যায়, আর প্রসঙ্গসীমা262,144 tokens (256K)। মূল মডেলের স্থাপত্য, টোকেনাইজার ও চ্যাট টেমপ্লেট অপরিবর্তিত রেখে এটিকে শুধু রিইনফোর্সমেন্ট লার্নিং দিয়ে পরবর্তী প্রশিক্ষণ দেওয়া হয়েছে; এতে তত্ত্বাবধানে সূক্ষ্ম-সমন্বয় বা ডিস্টিলেশন করা হয়নি।
কোড তৈরি ও সম্পাদনা, টার্মিনালভিত্তিক এজেন্ট কাজ, নির্দেশনা অনুসরণ এবং জটিল যুক্তির জন্য এটি উপযোগী। সফটওয়্যার প্রকৌশল, মেশিন লার্নিং ও বিজ্ঞানের সমস্যা সমাধান, দীর্ঘ নথি পড়া এবং বড় কোডভিত্তি বিশ্লেষণেও এর দীর্ঘ প্রসঙ্গ সহায়ক।
আপডেট:
মডেল ID
daisyrose-27b- কনটেক্সট
- 262.144K
- সর্বোচ্চ আউটপুট
- 235.929K
- প্রস্তাবিত API
- messages
- ইনপুট
- text / image
- আউটপুট
- text
মূল বৈশিষ্ট্য
- লেখা ও ছবি ইনপুট
- 262,144 tokens (256K) প্রসঙ্গ
- শুধু রিইনফোর্সমেন্ট লার্নিংয়ে প্রশিক্ষিত
- কোডিং ও এজেন্ট কাজের জন্য
- তালিকাভুক্ত সব বেঞ্চমার্কে উন্নত স্কোর
প্রোভাইডার
সেরা দামপ্রোভাইডারদের মধ্যে API মূল্য তুলনা করুন। সব চার্জ ও শর্ত দেখতে একটি প্রোভাইডার নির্বাচন করুন।
| প্রাপ্যতা | ||||
|---|---|---|---|---|
অতীত পরিসংখ্যান সরাসরি অবস্থা পরীক্ষা নয়। ডেটা না থাকা মানেই পরিষেবা বন্ধ নয়।
$10-এ কী পাওয়া যায়
- ইনপুট
- ৫ কো টোকেন
- আউটপুট
- ৪০ লা টোকেন
বর্তমান ইনপুট ও আউটপুট মূল্যের ভিত্তিতে আনুমানিক, ছাড়ের আগে।
বেঞ্চমার্ক
- 12.0%
Terminal-Bench4.1 pass@1
মূল মডেলের স্কোর ছিল5.6%।
- 75.5
Terminal-Bench2.1
মূল মডেলের স্কোর ছিল73.0।
- 46.2
DeepSWE v1.1
মূল মডেলের স্কোর ছিল42.2।
- 94.7
SWE Bench Pro v2
মূল মডেলের স্কোর ছিল91.3।
- 34.3
HLE (text-only)
মূল মডেলের স্কোর ছিল33.9।
- 82.4
IFBench
মূল মডেলের স্কোর ছিল79.5; তুলনা করা মডেলগুলোর মধ্যে এটিই সর্বোচ্চ।
- 90.7
GPQA Diamond
198টি প্রশ্নে8 বার পুনরাবৃত্তির গড়; মূল মডেলের স্কোর ছিল89.2।
স্কোর মডেল প্রোভাইডারের প্রকাশিত তথ্য অনুযায়ী।
রিজনিং
- ডিফল্ট এফোর্ট
- xhigh
- ডিফল্টভাবে সক্রিয়
- হ্যাঁ
- সর্বদা সক্রিয়
- না
- উপলব্ধ এফোর্ট স্তর
- xhigh / medium / low / none
দ্রুত শুরু
Felo API Platform-এর সামঞ্জস্যপূর্ণ API দিয়ে এই মডেল কল করার রেডি কোড। কোড লেখার আগে প্রম্পট পরীক্ষা করতে চাইলে Playground-এ শুরু করুন।
আপনার API key নিন
আপনার Felo API Platform অ্যাকাউন্ট থেকে একটি key তৈরি করুন এবং এটি environment variable হিসেবে সেট করুন।
export FELO_API_KEY="YOUR_API_KEY"প্রথম অনুরোধ পাঠান
এই মডেল ID Felo API Platform endpoint-এর সঙ্গে ব্যবহার করুন। X-Request-Id-এর মতো ঐচ্ছিক রিকোয়েস্ট হেডার সমস্যা সমাধানে সাহায্য করতে পারে।
daisyrose-27bএই মডেল রিজনিং সক্ষম। আপনার নির্বাচিত প্রোটোকল ও মডেল রুট রিজনিং নিয়ন্ত্রণ দিলে, কথোপকথন চালিয়ে যাওয়ার সময় ফেরত পাওয়া রিজনিং মেটাডেটা সংরক্ষণ করুন।
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "daisyrose-27b",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());থার্ড-পার্টি SDK ব্যবহার
সামঞ্জস্যপূর্ণ SDK-তে baseURL সেট করুন https://openapi.felo.ai/api/v1. Claude-ধাঁচের ক্লায়েন্টের জন্য Anthropic-সামঞ্জস্যপূর্ণ base URL ব্যবহার করুন। https://openapi.felo.ai/api.
স্ট্রিমিং চালু করুন
রেসপন্স server-sent events হিসেবে পেতে stream: true যোগ করুন।
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "daisyrose-27b",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform সামঞ্জস্যপূর্ণ মডেল-কলিং সারফেস দেয়। আপনার অ্যাপ বা এজেন্ট ক্লায়েন্ট যে সারফেস ইতিমধ্যে সমর্থন করে সেটি বেছে নিন।
Messages
Claude-ধাঁচের ক্লায়েন্টের জন্য Anthropic-সামঞ্জস্যপূর্ণ মেসেজ।
POST
https://openapi.felo.ai/api/v1/messagesপ্যারামিটার
modelstringdaisyrose-27bকল করার প্রকাশ্য মডেল ID।max_tokensinteger—সর্বোচ্চ কত টোকেন তৈরি হবে।messagesarray—Chat Completions-এর কথোপকথন মেসেজ।seed———stop———min_p———toolsarray—সামঞ্জস্যপূর্ণ schema অনুসরণ করা tool calling সংজ্ঞা।top_k———top_p———reasoning———logit_bias———temperaturenumber—সমর্থিত হলে রেসপন্সের বৈচিত্র্য নিয়ন্ত্রণ করে।tool_choicestring or object—কোনো tool কল করা উচিত কি না তা নিয়ন্ত্রণ করে।response_formatobject—সমর্থিত হলে স্ট্রাকচার্ড আউটপুট অনুরোধ করে।presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———সাধারণ প্রশ্ন
মডেল পরিচিতি: DaisyRose 27B?
RadixArk-এর DaisyRose-27B হলো Qwen3.8-27B-ভিত্তিক একটি বহুমাধ্যমিক যুক্তি মডেল। এতে লেখা ও ছবি ইনপুট হিসেবে নেওয়া যায়, আর প্রসঙ্গসীমা262,144 tokens (256K)। মূল মডেলের স্থাপত্য, টোকেনাইজার ও চ্যাট টেমপ্লেট অপরিবর্তিত রেখে এটিকে শুধু রিইনফোর্সমেন্ট লার্নিং দিয়ে পরবর্তী প্রশিক্ষণ দেওয়া হয়েছে; এতে তত্ত্বাবধানে সূক্ষ্ম-সমন্বয় বা ডিস্টিলেশন করা হয়নি। কোড তৈরি ও সম্পাদনা, টার্মিনালভিত্তিক এজেন্ট কাজ, নির্দেশনা অনুসরণ এবং জটিল যুক্তির জন্য এটি উপযোগী। সফটওয়্যার প্রকৌশল, মেশিন লার্নিং ও বিজ্ঞানের সমস্যা সমাধান, দীর্ঘ নথি পড়া এবং বড় কোডভিত্তি বিশ্লেষণেও এর দীর্ঘ প্রসঙ্গ সহায়ক।
ব্যবহারের জন্য কীভাবে চার্জ হয়?
আপনার বিল নির্ভর করে আপনি কোন প্রোভাইডার ব্যবহার করেন, তার মূল্য এবং আপনার ব্যবহারের ওপর। দীর্ঘ ইনপুট বা অন্যান্য শর্তে ভিন্ন মূল্য প্রযোজ্য হতে পারে।
কী ধরনের ইনপুট সমর্থন করে?
লেখা ও ছবি ইনপুট সমর্থন করে।
এর প্রসঙ্গসীমা কত?
প্রসঙ্গসীমা262,144 tokens (256K)। আউটপুট দৈর্ঘ্যের সীমা দেওয়া নেই।
কোন কাজে এটি উপযোগী?
কোড তৈরি ও সম্পাদনা, টার্মিনালভিত্তিক এজেন্ট কাজ, নির্দেশনা অনুসরণ এবং জটিল যুক্তির কাজে উপযোগী। দীর্ঘ নথি ও বড় কোডভিত্তি বিশ্লেষণেও ব্যবহার করা যায়।
একই পরিবারের Qwen3.8-27B থেকে এর পার্থক্য কী?
DaisyRose-27B হলো Qwen3.8-27B-ভিত্তিক মডেল, যা শুধু রিইনফোর্সমেন্ট লার্নিং দিয়ে পরবর্তী প্রশিক্ষণ পেয়েছে। তালিকাভুক্ত প্রতিটি বেঞ্চমার্কে এর স্কোর মূল মডেলের চেয়ে বেশি ছিল।