Felo API PlatformFelo API Platform
Zurück zu den Modellen
Particle-aimessages

Particle AI: Particle-1 API

Particle-1 ist ein agentisches Coding-Modell von Particle AI, das auf DeepSeek V4.1 Flash basiert und durch hohe Token-Effizienz bei Software-Aufgaben überzeugt.

Particle-1 ist das erste Modell von Particle AI und wurde speziell für softwaretechnische Aufgaben entwickelt. Es basiert auf DeepSeek V4.1 Flash und ist als agentisches Coding-Modell darauf ausgelegt, präzise und knappe Ausgaben für agentische Coding-Workflows zu liefern. Im Vergleich zu anderen Modellen benötigt es bei Software-Aufgaben rund 45 Prozent weniger Tokens.

Durch diese Token-Effizienz senkt Particle-1 die Kosten für Teams, die große Mengen an Coding-Aufgaben ausführen. Weniger Tokens bedeuten in der Regel auch schnellere Generierungszeiten. Das Modell ist damit eine kosteneffiziente Alternative im Markt für KI-Coding-Modelle.

Particle-1 eignet sich für automatisierte Code-Generierung, Code-Refactoring, Fehlerbehebung und agentische Coding-Workflows. Öffentliche Benchmark-Ergebnisse liegen für das Modell nicht vor.

Playground öffnen ↗API-Schlüssel erstellen ↗Erste Schritte →

Aktualisiert:

MODELL-ID

particle-1
Kontext
1.049M
Max. Ausgabe
131.072K
Empfohlene API
messages
Eingabe
text / image
Ausgabe
text

Highlights

  • Rund 45 Prozent weniger Tokens bei Software-Aufgaben
  • Kosteneffizient für hohe Coding-Volumen
  • Schnellere Generierung durch weniger Tokens
  • Basiert auf DeepSeek V4.1 Flash
  • Erstes Modell von Particle AI

Anbieter

1 Anbieter

Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.

Anbieter · Preisdetails
$0.25$1$0.03

Was man für $10 bekommt

Eingabe
40 Mio. Token
Ausgabe
10 Mio. Token

Geschätzt anhand der aktuellen Eingabe- und Ausgabepreise, vor Rabatten.

Schlussfolgern

Standardaufwand
high
Standardmäßig aktiviert
Ja
Immer aktiviert
Nein
Verfügbare Aufwandsstufen
max / xhigh / high / medium / low / minimal / none

Schnellstart

Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.

Playground öffnenAPI-Schlüssel erstellen
1

API-Schlüssel hinterlegen

Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.

export FELO_API_KEY="YOUR_API_KEY"
2

Erste Anfrage senden

Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.

particle-1

Dieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.

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": "particle-1",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Drittanbieter-SDKs verwenden

Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.

3

Streaming aktivieren

Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "particle-1",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.

SurfaceMethodURL

Messages

Anthropic-kompatible Nachrichten für Clients im Claude-Stil.

POST

https://openapi.felo.ai/api/v1/messages

Parameter

NameTypStandardBeschreibung
modelstringparticle-1Öffentliche Modell-ID, die aufgerufen wird.
max_tokensinteger—Maximale Anzahl generierter Tokens.
messagesarray—Gesprächsnachrichten für Chat Completions.
seed———
stop———
min_p———
toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.
top_k———
top_p———
logprobs———
reasoning———
temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.
tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.
top_logprobs———
response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.
presence_penalty———
reasoning_effort———
frequency_penalty———
include_reasoning———
repetition_penalty———
structured_outputs———

Häufige Fragen

Was ist Particle AI: Particle-1?

Particle-1 ist das erste Modell von Particle AI und wurde speziell für softwaretechnische Aufgaben entwickelt. Es basiert auf DeepSeek V4.1 Flash und ist als agentisches Coding-Modell darauf ausgelegt, präzise und knappe Ausgaben für agentische Coding-Workflows zu liefern. Im Vergleich zu anderen Modellen benötigt es bei Software-Aufgaben rund 45 Prozent weniger Tokens. Durch diese Token-Effizienz senkt Particle-1 die Kosten für Teams, die große Mengen an Coding-Aufgaben ausführen. Weniger Tokens bedeuten in der Regel auch schnellere Generierungszeiten. Das Modell ist damit eine kosteneffiziente Alternative im Markt für KI-Coding-Modelle. Particle-1 eignet sich für automatisierte Code-Generierung, Code-Refactoring, Fehlerbehebung und agentische Coding-Workflows. Öffentliche Benchmark-Ergebnisse liegen für das Modell nicht vor.

Wie wird die Nutzung abgerechnet?

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.

Auf welcher Architektur basiert Particle-1?

Particle-1 wurde auf DeepSeek V4.1 Flash nachtrainiert, das als grundlegende Architektur dient.

Für welche Aufgaben ist Particle-1 geeignet?

Das Modell ist für automatisierte Code-Generierung, Code-Refactoring, Fehlerbehebung und agentische Coding-Workflows konzipiert.

Was zeichnet die Token-Effizienz von Particle-1 aus?

Bei Software-Aufgaben verbraucht es rund 45 Prozent weniger Tokens als andere Modelle, was die Kosten für Teams mit vielen Coding-Aufgaben senkt und meist schnellere Generierungszeiten ermöglicht.

Gibt es öffentliche Benchmark-Ergebnisse für Particle-1?

Nein, für das Modell sind keine öffentlichen Benchmark-Ergebnisse verfügbar.