Felo API PlatformFelo API Platform
モデル一覧へ戻る
Radixarkmessages

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
1 プロバイダー

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。

プロバイダー · 料金の内訳
稼働率
$0.2$0.16$2.5$2$0.05$0.04

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

  • Terminal-Bench4.1 pass@1

    ベースモデルの5.6%を上回りました。

    12.0%
  • Terminal-Bench2.1

    ベースモデルは73.0でした。

    75.5
  • DeepSWE v1.1

    ベースモデルは42.2でした。

    46.2
  • SWE Bench Pro v2

    ベースモデルは91.3でした。

    94.7
  • HLE (text-only)

    ベースモデルは33.9でした。

    34.3
  • 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。

    82.4
  • 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。

    90.7

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。

1

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"
2

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.

3

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。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

https://openapi.felo.ai/api/v1/messages

Parameters

名前型デフォルト説明
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。