DaisyRose 27B API
RadixArk의 DaisyRose27B는 코딩과 도구 활용, 장기 에이전트 과제를 위해 강화 학습만으로 후학습한 멀티모달 추론 모델입니다.
DaisyRose27B는 Qwen3.8-27B를 기반으로 한 멀티모달 추론 모델입니다. 지도 미세 조정이나 증류 없이 강화 학습만으로 후학습했으며, 기반 모델의 아키텍처와 토크나이저, 채팅 템플릿을 유지합니다. 텍스트와 이미지를 입력으로 받을 수 있고, 컨텍스트 길이는262,144 tokens (256K)입니다.
코드 생성과 편집, 터미널 기반 에이전트 작업, 지시 이행, 추론에 적합합니다. 소프트웨어 엔지니어링과 머신러닝, 과학 분야의 복잡한 문제 해결이나 긴 문서 처리, 대규모 코드베이스 분석에도 활용할 수 있습니다. 공개된 벤치마크에서는 제시된 모든 항목에서 기반 모델보다 높은 점수를 기록했습니다.
업데이트:
모델 ID
daisyrose-27b- 컨텍스트
- 262.144K
- 최대 출력
- 235.929K
- 권장 API
- messages
- 입력
- text / image
- 출력
- text
주요 특징
- 텍스트·이미지 입력
- 강화 학습만으로 후학습
- 컨텍스트262,144 tokens (256K)
- 에이전트 및 코딩 작업에 적합
제공 업체
최저가제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.
| 가동률 | ||||
|---|---|---|---|---|
과거 통계는 실시간 상태 확인이 아닙니다. 데이터 누락이 장애를 뜻하지는 않습니다.
10달러로 얼마나 쓸 수 있나
- 입력
- 5000만 토큰
- 출력
- 400만 토큰
현재 입력·출력 요금으로 계산한 추정치이며 할인은 포함하지 않습니다.
벤치마크
- 12.0%
Terminal-Bench4.1 pass@1
기반 모델의 점수는5.6%였습니다.
- 75.5
Terminal-Bench2.1
기반 모델의 점수는73.0이었습니다.
- 46.2
DeepSWE v1.1
기반 모델의 점수는42.2였습니다.
- 94.7
SWE Bench Pro v2
기반 모델의 점수는91.3이었습니다.
- 34.3
HLE (text-only)
기반 모델의 점수는33.9였습니다.
- 82.4
IFBench
기반 모델의 점수는79.5였으며, 비교된 모델 중 가장 높은 점수였습니다.
- 90.7
GPQA Diamond
기반 모델의 점수는89.2였습니다.198개 질문에서8회 반복한 결과의 평균입니다.
점수는 모델 제공 업체가 공개한 값입니다.
추론
- 기본 추론 강도
- xhigh
- 기본 활성화
- 예
- 항상 활성화
- 아니요
- 선택 가능한 추론 강도
- xhigh / medium / low / none
Quick Start
Felo API Platform 호환 API로 이 모델을 호출하는 코드입니다. 코드를 작성하기 전에 Playground에서 prompt를 테스트할 수 있습니다.
API key 설정
Felo API Platform 계정에서 key를 만들고 환경 변수로 설정하세요.
export FELO_API_KEY="YOUR_API_KEY"첫 요청 보내기
이 모델 ID를 Felo API Platform endpoint와 함께 사용하세요. X-Request-Id 같은 선택 요청 헤더는 문제 해결에 도움이 됩니다.
daisyrose-27b이 모델은 reasoning을 지원합니다. 선택한 protocol과 모델 라우트가 reasoning controls를 제공하는 경우 대화를 이어갈 때 반환된 reasoning metadata를 보존하세요.
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());타사 SDK 사용
호환 SDK에서는 baseURL을 다음으로 설정합니다 https://openapi.felo.ai/api/v1. Claude-style clients에는 Anthropic-compatible base URL을 사용하세요. https://openapi.felo.ai/api.
Streaming 활성화
stream: true를 추가하면 server-sent events로 응답을 받을 수 있습니다.
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 Platform은 호환 가능한 모델 호출 surface를 제공합니다. 앱이나 Agent client가 이미 지원하는 surface를 선택하세요.
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringdaisyrose-27b호출할 공개 모델 ID.max_tokensinteger—생성할 최대 tokens.messagesarray—Chat Completions의 대화 메시지.seed———stop———min_p———toolsarray—호환 schema를 따르는 tool calling definitions.top_k———top_p———reasoning———logit_bias———temperaturenumber—지원되는 경우 응답 다양성을 제어합니다.tool_choicestring or object—tool 호출 여부를 제어합니다.response_formatobject—지원 시 structured output을 요청합니다.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———자주 묻는 질문
모델 소개: DaisyRose 27B?
DaisyRose27B는 Qwen3.8-27B를 기반으로 한 멀티모달 추론 모델입니다. 지도 미세 조정이나 증류 없이 강화 학습만으로 후학습했으며, 기반 모델의 아키텍처와 토크나이저, 채팅 템플릿을 유지합니다. 텍스트와 이미지를 입력으로 받을 수 있고, 컨텍스트 길이는262,144 tokens (256K)입니다. 코드 생성과 편집, 터미널 기반 에이전트 작업, 지시 이행, 추론에 적합합니다. 소프트웨어 엔지니어링과 머신러닝, 과학 분야의 복잡한 문제 해결이나 긴 문서 처리, 대규모 코드베이스 분석에도 활용할 수 있습니다. 공개된 벤치마크에서는 제시된 모든 항목에서 기반 모델보다 높은 점수를 기록했습니다.
사용 요금은 어떻게 계산되나요?
이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.
어떤 입력을 지원하나요?
텍스트와 이미지 입력을 지원합니다.
컨텍스트 길이와 출력 한도는 어떻게 되나요?
컨텍스트 길이는262,144 tokens (256K)입니다. 출력 한도는 제공된 정보에 명시되어 있지 않습니다.
어떤 작업에 적합한가요?
코딩, 도구 활용, 장기 에이전트 작업과 복잡한 문제 해결에 적합합니다. 코드 생성·편집, 지시 이행, 추론 및 긴 문서나 대규모 코드베이스 분석에도 활용할 수 있습니다.
같은 계열 모델과 어떤 차이가 있나요?
Qwen3.8-27B를 기반으로 하며, 지도 미세 조정이나 증류 없이 강화 학습만으로 후학습했습니다. 기반 모델의 아키텍처와 토크나이저, 채팅 템플릿은 유지합니다.