DaisyRose 27B API
RadixArk 的多模态推理模型,以 Qwen3.8-27B 为基础,经强化学习后训练,面向编程、工具调用与长程智能体任务。
DaisyRose-27B 是基于 Qwen3.8-27B 的多模态推理模型,支持文本和图像输入,上下文长度为262,144 tokens (256K)。它仅采用强化学习进行后训练,未使用监督微调或蒸馏,并保留基础模型的架构、分词器和聊天模板。
该模型适合代码生成与编辑、终端工具调用、指令遵循和推理,也可用于软件工程、机器学习与科学领域的复杂问题求解,以及长文档处理和大型代码库分析。基准结果显示,它在所列基准上的得分均高于基础模型;Terminal-Bench4.1 pass@1 得分为12.0%,基础模型为5.6%。
更新时间:
模型 ID
daisyrose-27b- 上下文
- 262.144K
- 最大输出
- 235.929K
- 推荐 API
- messages
- 输入
- text / image
- 输出
- text
核心要点
- 文本与图像输入
- 上下文长度262,144 tokens (256K)
- 仅采用强化学习后训练
- 保留基础模型架构与聊天模板
- 所列基准均高于基础模型
供应商
最优价格比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。
| 可用率 | ||||
|---|---|---|---|---|
历史统计不等于实时健康检查,缺失数据不代表服务中断。
10 美元能买多少 token
- 输入
- 5000万 tokens
- 输出
- 400万 tokens
按当前输入与输出单价估算,未计入折扣。
基准测试
- 12.0%
Terminal-Bench4.1 pass@1
基础模型得分为5.6%。
- 75.5
Terminal-Bench2.1
基础模型得分为73.0。
- 46.2
DeepSWE v1.1
基础模型得分为42.2。
- 94.7
SWE Bench Pro v2
基础模型得分为91.3。
- 34.3
HLE(仅文本)
基础模型得分为33.9。
- 82.4
IFBench
基础模型得分为79.5,也是所比较模型中的最高分。
- 90.7
GPQA Diamond
基础模型得分为89.2;在198 道题上重复测试8 次取平均。
分数来自模型厂商公布的数据,未独立验证。
推理能力
- 默认推理强度
- xhigh
- 默认启用
- 是
- 始终启用
- 否
- 可选推理强度
- xhigh / medium / low / none
填入 API key
从 Felo API Platform 账户创建 key,并设置为环境变量。
export FELO_API_KEY="YOUR_API_KEY"发起第一次请求
使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。
daisyrose-27b该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。
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());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
启用流式输出
加入 stream: true,即可以 server-sent events 接收响应。
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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringdaisyrose-27bPublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.seed———stop———min_p———toolsarray—Tool calling definitions following compatible schema.top_k———top_p———reasoning———logit_bias———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.response_formatobject—Request structured output when supported.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———常见问题
什么是 DaisyRose 27B?
DaisyRose-27B 是基于 Qwen3.8-27B 的多模态推理模型,支持文本和图像输入,上下文长度为262,144 tokens (256K)。它仅采用强化学习进行后训练,未使用监督微调或蒸馏,并保留基础模型的架构、分词器和聊天模板。 该模型适合代码生成与编辑、终端工具调用、指令遵循和推理,也可用于软件工程、机器学习与科学领域的复杂问题求解,以及长文档处理和大型代码库分析。基准结果显示,它在所列基准上的得分均高于基础模型;Terminal-Bench4.1 pass@1 得分为12.0%,基础模型为5.6%。
如何计算调用费用?
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。
支持哪些输入?
支持文本输入和图像输入。
上下文长度和输出长度是多少?
上下文长度为262,144 tokens (256K)。资料未提供输出长度上限。
它适合哪些任务?
适合编程、工具调用、长程智能体任务、代码生成与编辑、指令遵循和推理,也适用于长文档与大型代码库分析。
它与 Qwen3.8-27B 有什么差别?
DaisyRose-27B 基于 Qwen3.8-27B,仅经强化学习后训练,未采用监督微调或蒸馏;所列基准得分均高于基础模型。