DaisyRose 27B API
DaisyRose-27B เป็นโมเดลให้เหตุผลหลายรูปแบบที่เน้นงานเขียนโค้ด การใช้เครื่องมือ และงานเอเจนต์ระยะยาว
DaisyRose-27B จาก RadixArk เป็นโมเดลให้เหตุผลหลายรูปแบบที่พัฒนาบน Qwen3.8-27B และรับข้อมูลได้ทั้งข้อความกับภาพ การฝึกหลังการพัฒนาใช้การเรียนรู้แบบเสริมกำลังเท่านั้น โดยไม่ใช้การปรับแต่งแบบมีผู้สอนหรือการกลั่นความรู้ พร้อมคงสถาปัตยกรรม ตัวตัดคำ และรูปแบบแชตของโมเดลฐานไว้ หน้าต่างบริบทมีขนาด262,144 tokens (256K) จึงรองรับการทำงานกับเอกสารยาวและการวิเคราะห์คลังโค้ดขนาดใหญ่
โมเดลนี้เหมาะกับการเขียนและแก้ไขโค้ด การใช้เครื่องมือ งานเอเจนต์ที่ดำเนินหลายขั้นตอน และการทำงานผ่านเทอร์มินัล รวมถึงการทำตามคำสั่งและการให้เหตุผลกับโจทย์ซับซ้อนในวิศวกรรมซอฟต์แวร์ การเรียนรู้ของเครื่อง และวิทยาศาสตร์ ผลที่รายงานสูงกว่าโมเดลฐานในทุกเกณฑ์ที่ระบุ โดย Terminal-Bench4.1 pass@1 เพิ่มจาก5.6% เป็น12.0% จึงเป็นตัวเลือกสำหรับงานที่ต้องจัดการปัญหาเป็นลำดับและใช้โค้ดหรือเครื่องมือประกอบ
อัปเดต:
ID โมเดล
daisyrose-27b- บริบท
- 262.144K
- เอาต์พุตสูงสุด
- 235.929K
- API ที่แนะนำ
- messages
- อินพุต
- text / image
- เอาต์พุต
- text
จุดเด่น
- รับข้อมูลข้อความและภาพ
- บริบท262,144 tokens (256K)
- ฝึกด้วยการเรียนรู้แบบเสริมกำลังเท่านั้น
- เน้นงานเขียนโค้ดและเอเจนต์
- คงรูปแบบแชตของโมเดลฐาน
ผู้ให้บริการ
ราคาที่ดีที่สุดเปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | ||||
|---|---|---|---|---|
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
ซื้ออะไรได้ด้วย $10
- อินพุต
- 50M token
- เอาต์พุต
- 4M token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 12.0%
Terminal-Bench4.1 pass@1
โมเดลฐานได้5.6%
- 75.5
Terminal-Bench2.1
โมเดลฐานได้73.0
- 46.2
DeepSWE v1.1
โมเดลฐานได้42.2
- 94.7
SWE Bench Pro v2
โมเดลฐานได้91.3
- 34.3
HLE (text-only)
โมเดลฐานได้33.9
- 82.4
IFBench
โมเดลฐานได้79.5 และเป็นคะแนนสูงสุดในบรรดาโมเดลที่นำมาเปรียบเทียบ
- 90.7
GPQA Diamond
โมเดลฐานได้89.2 โดยเฉลี่ยจากการทำซ้ำ8 ครั้งกับคำถาม198 ข้อ
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- ระดับความพยายามเริ่มต้น
- xhigh
- เปิดใช้งานโดยค่าเริ่มต้น
- ใช่
- เปิดใช้งานตลอด
- ไม่ใช่
- ระดับความพยายามที่ใช้ได้
- xhigh / medium / low / none
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
daisyrose-27bโมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ
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());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringdaisyrose-27bID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionsseed———stop———min_p———toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้top_k———top_p———reasoning———logit_bias———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับtool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับpresence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———คำถามที่พบบ่อย
รู้จัก DaisyRose 27B?
DaisyRose-27B จาก RadixArk เป็นโมเดลให้เหตุผลหลายรูปแบบที่พัฒนาบน Qwen3.8-27B และรับข้อมูลได้ทั้งข้อความกับภาพ การฝึกหลังการพัฒนาใช้การเรียนรู้แบบเสริมกำลังเท่านั้น โดยไม่ใช้การปรับแต่งแบบมีผู้สอนหรือการกลั่นความรู้ พร้อมคงสถาปัตยกรรม ตัวตัดคำ และรูปแบบแชตของโมเดลฐานไว้ หน้าต่างบริบทมีขนาด262,144 tokens (256K) จึงรองรับการทำงานกับเอกสารยาวและการวิเคราะห์คลังโค้ดขนาดใหญ่ โมเดลนี้เหมาะกับการเขียนและแก้ไขโค้ด การใช้เครื่องมือ งานเอเจนต์ที่ดำเนินหลายขั้นตอน และการทำงานผ่านเทอร์มินัล รวมถึงการทำตามคำสั่งและการให้เหตุผลกับโจทย์ซับซ้อนในวิศวกรรมซอฟต์แวร์ การเรียนรู้ของเครื่อง และวิทยาศาสตร์ ผลที่รายงานสูงกว่าโมเดลฐานในทุกเกณฑ์ที่ระบุ โดย Terminal-Bench4.1 pass@1 เพิ่มจาก5.6% เป็น12.0% จึงเป็นตัวเลือกสำหรับงานที่ต้องจัดการปัญหาเป็นลำดับและใช้โค้ดหรือเครื่องมือประกอบ
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
รองรับข้อมูลนำเข้าประเภทใดบ้าง?
รองรับทั้งข้อความและภาพ
มีขนาดบริบทและขีดจำกัดผลลัพธ์เท่าใด?
บริบทมีขนาด262,144 tokens (256K) ส่วนข้อมูลไม่ได้ระบุขีดจำกัดความยาวผลลัพธ์
เหมาะกับงานประเภทใด?
เหมาะกับการเขียนและแก้ไขโค้ด การใช้เครื่องมือ งานเอเจนต์ระยะยาว และการทำงานผ่านเทอร์มินัล รวมถึงโจทย์ซับซ้อนด้านวิศวกรรมซอฟต์แวร์ การเรียนรู้ของเครื่อง และวิทยาศาสตร์
แตกต่างจาก Qwen3.8-27B อย่างไร?
DaisyRose-27B พัฒนาบน Qwen3.8-27B โดยฝึกหลังการพัฒนาด้วยการเรียนรู้แบบเสริมกำลังเท่านั้น และยังคงสถาปัตยกรรม ตัวตัดคำ และรูปแบบแชตของโมเดลฐานไว้ คะแนนที่รายงานสูงกว่าโมเดลฐานในทุกเกณฑ์ที่ระบุ