DaisyRose 27B API
DaisyRose-27Bは、Qwen3.8-27Bを基盤に強化学習のみで追加学習した、テキスト・画像入力対応のマルチモーダル推論モデルです。
RadixArkのDaisyRose-27Bは、Qwen3.8-27Bを基盤とするマルチモーダル推論モデルです。追加学習には強化学習のみを用い、教師ありファインチューニングや蒸留は行っていません。ベースモデルのアーキテクチャ、トークナイザー、チャットテンプレートを維持し、テキストと画像を入力できます。コンテキスト長は262,144 tokens (256K)です。
ソフトウェアエンジニアリング、機械学習、科学分野の複雑な問題解決に加え、コーディング、ツール利用、長い工程を伴うエージェントタスクを想定しています。コードの生成や編集、指示追従、推論、ターミナル上で進めるエージェント作業にも適しています。長い文書の処理や大規模なコードベースの分析にも、長いコンテキストを活用できます。
評価結果では、掲載されたすべてのベンチマークでベースモデルのスコアを上回り、Terminal-Bench4.1 pass@1は12.0%でした。IFBenchでは比較対象モデル中で最高スコアを記録しています。専門モデルを開発するチーム向けのひな型としても位置付けられており、特化したモデルづくりの参考となる構成です。
更新日時:
モデル ID
daisyrose-27b- コンテキスト
- 262.144K
- 最大出力
- 235.929K
- 推奨 API
- messages
- 入力
- text / image
- 出力
- text
ハイライト
- テキスト・画像入力に対応
- コンテキスト長262,144 tokens (256K)
- 強化学習のみで追加学習
- Terminal-Bench4.1 pass@1で12.0%
- 掲載ベンチマークでベースを上回る
プロバイダー
最安値プロバイダーごとの API 料金を比較できます。プロバイダーを選択すると、すべての料金と適用条件を確認できます。
| 稼働率 | ||||
|---|---|---|---|---|
過去の統計はリアルタイムの稼働確認ではありません。データの欠損は障害を意味しません。
10 ドルで使える量
- 入力
- 5000万 トークン
- 出力
- 400万 トークン
現在の入力・出力料金から試算した目安で、割引は含みません。
ベンチマーク
- 12.0%
Terminal-Bench4.1 pass@1
ベースモデルの5.6%を上回りました。
- 75.5
Terminal-Bench2.1
ベースモデルは73.0でした。
- 46.2
DeepSWE v1.1
ベースモデルは42.2でした。
- 94.7
SWE Bench Pro v2
ベースモデルは91.3でした。
- 34.3
HLE (text-only)
ベースモデルは33.9でした。
- 82.4
IFBench
ベースモデルの79.5を上回り、比較対象モデル中で最高スコアでした。
- 90.7
GPQA Diamond
ベースモデルは89.2でした。198問を8回評価した平均値です。
スコアはモデル提供元が公表した値です。
推論
- 既定の推論強度
- xhigh
- 既定で有効
- はい
- 常に有効
- いいえ
- 選択できる推論強度
- xhigh / medium / low / none
Quick Start
このモデルを Felo API Platform 互換 API で呼び出すためのコードです。コードを書く前に Playground で prompt を試せます。
API key を設定
Felo API Platform アカウントで key を作成し、環境変数として設定します。
export FELO_API_KEY="YOUR_API_KEY"最初のリクエスト
このモデル ID を Felo API Platform endpoint で使用します。X-Request-Id などの任意ヘッダーはトラブルシュートに役立ちます。
daisyrose-27bこのモデルは reasoning に対応しています。選択した protocol とモデルルートが reasoning controls を提供する場合、会話継続時に返却された reasoning metadata を保持してください。
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());サードパーティ SDK の利用
互換 SDK では baseURL を次に設定します https://openapi.felo.ai/api/v1. Claude-style clients では Anthropic-compatible base URL を使用します。 https://openapi.felo.ai/api.
Streaming を有効化
stream: true を追加すると server-sent events で応答を受け取れます。
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 は互換性のあるモデル呼び出し surface を提供します。アプリや Agent client が既に対応している surface を選んでください。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringdaisyrose-27b呼び出す公開モデル ID。max_tokensinteger—生成する最大 tokens。messagesarray—Chat Completions の会話メッセージ。seed———stop———min_p———toolsarray—互換 schema に従う tool calling definitions。top_k———top_p———reasoning———logit_bias———temperaturenumber—対応している場合、回答の多様性を制御します。tool_choicestring or object—tool を呼び出すかどうかを制御します。response_formatobject—対応時に structured output を要求します。presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———よくある質問
モデルについて: DaisyRose 27B?
RadixArkのDaisyRose-27Bは、Qwen3.8-27Bを基盤とするマルチモーダル推論モデルです。追加学習には強化学習のみを用い、教師ありファインチューニングや蒸留は行っていません。ベースモデルのアーキテクチャ、トークナイザー、チャットテンプレートを維持し、テキストと画像を入力できます。コンテキスト長は262,144 tokens (256K)です。 ソフトウェアエンジニアリング、機械学習、科学分野の複雑な問題解決に加え、コーディング、ツール利用、長い工程を伴うエージェントタスクを想定しています。コードの生成や編集、指示追従、推論、ターミナル上で進めるエージェント作業にも適しています。長い文書の処理や大規模なコードベースの分析にも、長いコンテキストを活用できます。 評価結果では、掲載されたすべてのベンチマークでベースモデルのスコアを上回り、Terminal-Bench4.1 pass@1は12.0%でした。IFBenchでは比較対象モデル中で最高スコアを記録しています。専門モデルを開発するチーム向けのひな型としても位置付けられており、特化したモデルづくりの参考となる構成です。
利用料金はどのように計算されますか?
料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。
どのような入力に対応していますか?
テキストと画像を入力できます。
コンテキスト長と出力上限はどのくらいですか?
コンテキスト長は262,144 tokens (256K)です。出力上限は資料に記載されていません。
どのようなタスクに向いていますか?
コーディング、ツール利用、長期エージェント作業、コード生成・編集、指示追従、推論に適しています。ソフトウェアエンジニアリング、機械学習、科学分野の複雑な問題解決も想定されています。
同系列のQwen3.8-27Bとは何が違いますか?
DaisyRose-27BはQwen3.8-27Bを基盤に、強化学習のみで追加学習したモデルです。掲載されたすべてのベンチマークでベースモデルを上回っています。