DaisyRose 27B API
RadixArk: DaisyRose27B — мультимодальная модель рассуждений с контекстом262,144 tokens, созданная для программирования, работы с инструментами и агентных задач.
RadixArk: DaisyRose27B — мультимодальная модель рассуждений на основе Qwen3.8-27B. Она принимает текст и изображения, а контекст размером262,144 tokens (256K) подходит для обработки длинных документов и анализа крупных кодовых баз. Модель прошла дообучение только с помощью обучения с подкреплением: без supervised fine-tuning и дистилляции. Архитектура, токенизатор и шаблон чата базовой модели сохранены.
Модель предназначена для программирования, использования инструментов и продолжительных агентных задач. Она подходит для генерации и редактирования кода, задач в терминале, следования инструкциям и рассуждений, а также для сложных задач в разработке программного обеспечения, машинном обучении и науке. В приведённых результатах DaisyRose-27B превзошла базовую модель по каждому указанному бенчмарку; на Terminal-Bench4.1 pass@1 результат составил12.0% против5.6% у базы.
DaisyRose-27B может служить примером для команд, создающих специализированные модели. В обучении использовались около1,200 тщательно отобранных продолжительных агентных задач и платформа обучения с подкреплением Miles. Данные об ограничениях длины вывода не указаны.
Обновлено:
MODEL ID
daisyrose-27b- Контекст
- 262.144K
- Макс. вывод
- 235.929K
- Рекомендуемый API
- messages
- Вход
- text / image
- Выход
- text
Ключевые возможности
- Текстовый и визуальный ввод
- Контекст262,144 tokens (256K)
- Дообучение только с обучением с подкреплением
- Без дистилляции
- Для продолжительных агентных задач
Поставщики
Лучшая ценаСравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.
| Доступность | ||||
|---|---|---|---|---|
Историческая статистика не является проверкой в реальном времени. Отсутствие данных не означает сбой.
Сколько дают $10
- Вход
- 50 млн токенов
- Выход
- 4 млн токенов
Оценка по текущим ценам входа и выхода, без учёта скидок.
Бенчмарки
- 12.0%
Terminal-Bench4.1 pass@1
Базовая модель набрала5.6%.
- 75.5
Terminal-Bench2.1
Базовая модель набрала73.0.
- 46.2
DeepSWE v1.1
Базовая модель набрала42.2.
- 94.7
SWE Bench Pro v2
Базовая модель набрала91.3.
- 34.3
HLE (только текст)
Базовая модель набрала33.9.
- 82.4
IFBench
Базовая модель набрала79.5; это наивысший результат среди сравниваемых моделей.
- 90.7
GPQA Diamond
Базовая модель набрала89.2; среднее по8 повторам на198 вопросах.
Результаты опубликованы производителем модели.
Рассуждения
- Уровень по умолчанию
- xhigh
- Включено по умолчанию
- Да
- Всегда включены
- Нет
- Доступные уровни
- xhigh / medium / low / none
Quick Start
Готовый код для вызова этой модели через compatible APIs Felo API Platform. Используйте Playground, чтобы проверить prompts до написания кода.
Добавьте API key
Создайте key в аккаунте Felo API Platform и задайте его как environment variable.
export FELO_API_KEY="YOUR_API_KEY"Первый запрос
Используйте этот model ID с endpoint Felo API Platform. Дополнительные request headers, например X-Request-Id, помогают troubleshooting.
daisyrose-27bЭта модель поддерживает reasoning. Если выбранный protocol и model route дают reasoning controls, сохраняйте returned reasoning metadata при продолжении conversation.
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());Сторонние SDK
В compatible SDK установите baseURL на https://openapi.felo.ai/api/v1. Для Claude-style clients используйте Anthropic-compatible base URL. https://openapi.felo.ai/api.
Включить streaming
Добавьте stream: true, чтобы получать responses как 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 предоставляет compatible model-calling surfaces. Выберите surface, который уже поддерживает ваше app или agent client.
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringdaisyrose-27bПубличный model ID для вызова.max_tokensinteger—Максимальное число generated tokens.messagesarray—Сообщения conversation для Chat Completions.seed———stop———min_p———toolsarray—Tool calling definitions по compatible schema.top_k———top_p———reasoning———logit_bias———temperaturenumber—Управляет вариативностью ответа, если поддерживается.tool_choicestring or object—Управляет тем, нужно ли вызвать tool.response_formatobject—Запрашивает structured output, если поддерживается.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———Частые вопросы
О модели DaisyRose 27B?
RadixArk: DaisyRose27B — мультимодальная модель рассуждений на основе Qwen3.8-27B. Она принимает текст и изображения, а контекст размером262,144 tokens (256K) подходит для обработки длинных документов и анализа крупных кодовых баз. Модель прошла дообучение только с помощью обучения с подкреплением: без supervised fine-tuning и дистилляции. Архитектура, токенизатор и шаблон чата базовой модели сохранены. Модель предназначена для программирования, использования инструментов и продолжительных агентных задач. Она подходит для генерации и редактирования кода, задач в терминале, следования инструкциям и рассуждений, а также для сложных задач в разработке программного обеспечения, машинном обучении и науке. В приведённых результатах DaisyRose-27B превзошла базовую модель по каждому указанному бенчмарку; на Terminal-Bench4.1 pass@1 результат составил12.0% против5.6% у базы. DaisyRose-27B может служить примером для команд, создающих специализированные модели. В обучении использовались около1,200 тщательно отобранных продолжительных агентных задач и платформа обучения с подкреплением Miles. Данные об ограничениях длины вывода не указаны.
Как рассчитывается стоимость?
Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности.
Какие типы входных данных поддерживаются?
Поддерживаются текстовый ввод и ввод изображений.
Каковы размер контекста и максимальная длина ответа?
Контекст составляет262,144 tokens (256K). Максимальная длина ответа в данных не указана.
Для каких задач подходит DaisyRose-27B?
Модель предназначена для программирования, работы с инструментами и продолжительных агентных задач. Она также подходит для задач в терминале, генерации и редактирования кода, следования инструкциям и сложных рассуждений.
Чем DaisyRose-27B отличается от Qwen3.8-27B?
DaisyRose-27B основана на Qwen3.8-27B и прошла дообучение только с помощью обучения с подкреплением, без supervised fine-tuning и дистилляции. В приведённых результатах она превзошла базовую модель по каждому указанному бенчмарку.