DaisyRose 27B API
RadixArk DaisyRose-27B ialah model penaakulan multimodal untuk pengekodan, penggunaan alat dan tugasan ejen berjangka panjang dengan konteks262,144 tokens (256K).
RadixArk DaisyRose-27B ialah model penaakulan multimodal berasaskan Qwen3.8-27B yang menerima input teks dan imej. Model ini melalui latihan pasca menggunakan pembelajaran pengukuhan sahaja, tanpa penalaan halus terselia atau pendistilan. Seni bina, tokenizer dan templat perbualannya dikekalkan seperti model asas. Konteksnya ialah262,144 tokens (256K); had panjang output tidak dinyatakan.
Model ini direka untuk pengekodan, penggunaan alat dan tugasan ejen yang melibatkan langkah panjang. Ia sesuai untuk menyelesaikan masalah kompleks dalam kejuruteraan perisian, pembelajaran mesin dan sains, serta tugasan ejen berasaskan terminal, penjanaan dan penyuntingan kod, pematuhan arahan dan penaakulan. Konteks panjangnya juga membantu pemprosesan dokumen panjang dan analisis pangkalan kod besar.
Dalam semua penanda aras yang disenaraikan, skor yang dilaporkan melebihi skor model asas. Pada Terminal-Bench4.1 pass@1, DaisyRose-27B memperoleh12.0%, berbanding5.6% untuk model asas. Model ini turut mengekalkan seni bina asas, tokenizer dan templat perbualan, sambil menggunakan pendekatan latihan pasca yang berbeza.
Dikemas kini:
ID MODEL
daisyrose-27b- Konteks
- 262.144K
- Output maks
- 235.929K
- API yang disyorkan
- messages
- Input
- text / image
- Output
- text
Sorotan
- Input teks dan imej
- Konteks262,144 tokens (256K)
- Latihan pasca pembelajaran pengukuhan sahaja
- Direka untuk tugasan ejen berjangka panjang
- Mengekalkan templat perbualan asas
Penyedia
Harga terbaikBandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
| Ketersediaan | ||||
|---|---|---|---|---|
Statistik sejarah bukan pemeriksaan langsung. Ketiadaan data tidak bermaksud gangguan.
Apa yang boleh dibeli dengan $10
- Input
- 50J token
- Output
- 4J token
Anggaran berdasarkan harga input dan output semasa, sebelum diskaun.
Penanda aras
- 12.0%
Terminal-Bench4.1 pass@1
Model asas memperoleh5.6%.
- 75.5
Terminal-Bench2.1
Model asas memperoleh73.0.
- 46.2
DeepSWE v1.1
Model asas memperoleh42.2.
- 94.7
SWE Bench Pro v2
Model asas memperoleh91.3.
- 34.3
HLE (teks sahaja)
Model asas memperoleh33.9.
- 82.4
IFBench
Model asas memperoleh79.5; ini skor tertinggi antara model yang dibandingkan.
- 90.7
GPQA Diamond
Model asas memperoleh89.2; purata daripada8 ulangan pada198 soalan.
Skor seperti yang diterbitkan oleh penyedia model.
Penaakulan
- Tahap usaha lalai
- xhigh
- Diaktifkan secara lalai
- Ya
- Sentiasa diaktifkan
- Tidak
- Tahap usaha yang tersedia
- xhigh / medium / low / none
Mula pantas
Kod sedia guna untuk memanggil model ini dengan API serasi Felo API Platform. Mulakan di Playground apabila anda ingin menguji prompt sebelum menulis kod.
Tetapkan kunci API
Cipta kunci daripada akaun Felo API Platform anda dan tetapkan sebagai pemboleh ubah persekitaran.
export FELO_API_KEY="YOUR_API_KEY"Hantar permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Pengepala permintaan pilihan seperti X-Request-Id boleh membantu penyelesaian masalah.
daisyrose-27bModel ini mampu membuat penaakulan. Jika protokol dan laluan model yang anda pilih menyediakan kawalan penaakulan, kekalkan metadata penaakulan yang dipulangkan apabila meneruskan perbualan.
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());Menggunakan SDK pihak ketiga
Dalam SDK yang serasi, tetapkan baseURL kepada https://openapi.felo.ai/api/v1. Untuk klien gaya Claude, gunakan base URL yang serasi dengan Anthropic. https://openapi.felo.ai/api.
Dayakan penstriman
Tambah stream: true untuk menerima respons sebagai server-sent events.
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 menyediakan antara muka panggilan model yang serasi. Pilih antara muka yang sudah disokong oleh aplikasi atau klien ejen anda.
Messages
Mesej serasi Anthropic untuk klien gaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringdaisyrose-27bID model awam untuk dipanggil.max_tokensinteger—Bilangan maksimum token yang dijana.messagesarray—Mesej perbualan untuk Chat Completions.seed———stop———min_p———toolsarray—Definisi tool calling mengikut skema serasi.top_k———top_p———reasoning———logit_bias———temperaturenumber—Mengawal kepelbagaian respons apabila disokong.tool_choicestring or object—Mengawal sama ada alat perlu dipanggil.response_formatobject—Meminta output berstruktur apabila disokong.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———Soalan lazim
Mengenali DaisyRose 27B?
RadixArk DaisyRose-27B ialah model penaakulan multimodal berasaskan Qwen3.8-27B yang menerima input teks dan imej. Model ini melalui latihan pasca menggunakan pembelajaran pengukuhan sahaja, tanpa penalaan halus terselia atau pendistilan. Seni bina, tokenizer dan templat perbualannya dikekalkan seperti model asas. Konteksnya ialah262,144 tokens (256K); had panjang output tidak dinyatakan. Model ini direka untuk pengekodan, penggunaan alat dan tugasan ejen yang melibatkan langkah panjang. Ia sesuai untuk menyelesaikan masalah kompleks dalam kejuruteraan perisian, pembelajaran mesin dan sains, serta tugasan ejen berasaskan terminal, penjanaan dan penyuntingan kod, pematuhan arahan dan penaakulan. Konteks panjangnya juga membantu pemprosesan dokumen panjang dan analisis pangkalan kod besar. Dalam semua penanda aras yang disenaraikan, skor yang dilaporkan melebihi skor model asas. Pada Terminal-Bench4.1 pass@1, DaisyRose-27B memperoleh12.0%, berbanding5.6% untuk model asas. Model ini turut mengekalkan seni bina asas, tokenizer dan templat perbualan, sambil menggunakan pendekatan latihan pasca yang berbeza.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah jenis input yang disokong?
Model ini menerima input teks dan imej.
Berapakah panjang konteks dan outputnya?
Konteksnya ialah262,144 tokens (256K). Had panjang output tidak dinyatakan.
Untuk tugasan apakah model ini sesuai?
Ia direka untuk pengekodan, penggunaan alat dan tugasan ejen berjangka panjang, termasuk penjanaan serta penyuntingan kod, penaakulan dan penyelesaian masalah kompleks.
Apakah perbezaannya berbanding Qwen3.8-27B?
DaisyRose-27B berasaskan Qwen3.8-27B dan menjalani latihan pasca menggunakan pembelajaran pengukuhan sahaja, tanpa penalaan halus terselia atau pendistilan. Ia mengekalkan seni bina, tokenizer dan templat perbualan model asas.