Particle AI: Particle-1 API
Particle-1 نخستین مدل عاملمحور Particle AI برای وظایف مهندسی نرمافزار است که بر پایه DeepSeek V4.1 Flash پسآموزی شده و با مصرف حدود ۴۵ درصد توکن کمتر، خروجیهای مختصر و مقرونبهصرفه تولید میکند.
Particle-1 نخستین مدل عرضهشده توسط Particle AI است که بهطور خاص برای وظایف مهندسی نرمافزار و گردشکارهای کدنویسی عاملمحور آموزش دیده است. این مدل بر پایه معماری DeepSeek V4.1 Flash پسآموزی شده و برای تولید خروجیهای مختصر و کارآمد در فرایندهای خودکار کدنویسی طراحی شده است.
این مدل در وظایفی مانند تولید خودکار کد، بازآرایی کد و رفع اشکال به کار میرود و به دلیل مصرف حدود ۴۵ درصد توکن کمتر نسبت به مدلهای دیگر در وظایف مهندسی نرمافزار، هزینه اجرای حجم بالای وظایف کدنویسی را برای تیمها کاهش میدهد. مصرف کمتر توکن معمولاً زمان تولید را نیز کوتاهتر میکند.
Particle-1 بهعنوان جایگزینی مقرونبهصرفه و کممصرف در بازار مدلهای کدنویسی هوش مصنوعی معرفی شده است. با این حال، هیچ امتیاز عمومی از بنچمارکها برای این مدل منتشر نشده و ارزیابی عملکرد آن بر پایه دادههای عمومی امکانپذیر نیست.
به‌روزرسانی:
MODEL ID
particle-1- زمینه
- 1.049M
- حداکثر خروجی
- 131.072K
- API پیشنهادی
- messages
- ورودی
- text / image
- خروجی
- text
نکات برجسته
- نخستین مدل Particle AI
- پسآموزی بر پایه DeepSeek V4.1 Flash
- مصرف حدود ۴۵ درصد توکن کمتر
- خروجی مختصر برای کدنویسی عاملمحور
- کاهش هزینه و زمان تولید
ارائه‌دهندگان
قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.
| $0.25 | $1 | $0.03 |
با $10 چه می‌توان خرید
- ورودی
- ۴۰ میلیون توکن
- خروجی
- ۱۰ میلیون توکن
برآورد بر اساس قیمتهای فعلی ورودی و خروجی، پیش از تخفیف.
استدلال
- سطح تلاش پیش‌فرض
- high
- بهطور پیش‌فرض فعال
- بله
- همیشه فعال
- خیر
- سطوح تلاش موجود
- max / xhigh / high / medium / low / minimal / none
شروع سریع
کد آماده برای فراخوانی این مدل با APIهای سازگار با Felo API Platform. وقتی می‌خواهید پرامپت‌ها را پیش از نوشتن کد آزمایش کنید، از Playground شروع کنید.
کلید API خود را بگیرید
از حساب Felo API Platform خود کلیدی بسازید و آن را بهعنوان متغیر محیطی تنظیم کنید.
export FELO_API_KEY="YOUR_API_KEY"اولین درخواست خود را بفرستید
این شناسه مدل را با endpoint Felo API Platform به کار ببرید. سرآیندهای اختیاری درخواست مانند X-Request-Id می‌توانند در عیب‌یابی کمک کنند.
particle-1این مدل توان استدلال دارد. اگر پروتکل و مسیر مدل انتخاب‌شده کنترل‌های استدلال ارائه می‌دهند، هنگام ادامه گفتگو فراداده استدلال بازگشتی را نگه دارید.
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());استفاده از SDKهای شخص ثالث
از SDKهای سازگار با تنظیم baseURL روی این نشانی استفاده کنید: https://openapi.felo.ai/api/v1. برای کلاینت‌های به سبک Claude از نشانی پایه سازگار با Anthropic استفاده کنید. https://openapi.felo.ai/api.
جریان را فعال کنید
برای دریافت پاسخ‌ها به‌صورت رویدادهای ارسالی از سرور، stream: true را اضافه کنید.
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
Felo API Platform سطوح سازگار برای فراخوانی مدل ارائه میکند. سطحی را انتخاب کنید که برنامه یا کلاینت عامل شما از قبل پشتیبانی میکند.
Messages
پیام‌های سازگار با Anthropic برای کلاینت‌های به سبک Claude.
POST
https://openapi.felo.ai/api/v1/messagesپارامترها
modelstringparticle-1شناسه عمومی مدل برای فراخوانی.max_tokensinteger—حداکثر token تولیدی.messagesarray—پیام‌های گفتگو برای Chat Completions.seed———stop———min_p———toolsarray—تعریف‌های فراخوانی ابزار بر پایه طرح‌واره سازگار.top_k———top_p———logprobs———reasoning———temperaturenumber—در صورت پشتیبانی، تنوع پاسخ را کنترل میکند.tool_choicestring or object—کنترل میکند آیا ابزاری باید فراخوانی شود.top_logprobs———response_formatobject—در صورت پشتیبانی، خروجی ساختاریافته درخواست میکند.presence_penalty———reasoning_effort———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———پرسش‌های متداول
معرفی مدل: Particle AI: Particle-1?
Particle-1 نخستین مدل عرضهشده توسط Particle AI است که بهطور خاص برای وظایف مهندسی نرمافزار و گردشکارهای کدنویسی عاملمحور آموزش دیده است. این مدل بر پایه معماری DeepSeek V4.1 Flash پسآموزی شده و برای تولید خروجیهای مختصر و کارآمد در فرایندهای خودکار کدنویسی طراحی شده است. این مدل در وظایفی مانند تولید خودکار کد، بازآرایی کد و رفع اشکال به کار میرود و به دلیل مصرف حدود ۴۵ درصد توکن کمتر نسبت به مدلهای دیگر در وظایف مهندسی نرمافزار، هزینه اجرای حجم بالای وظایف کدنویسی را برای تیمها کاهش میدهد. مصرف کمتر توکن معمولاً زمان تولید را نیز کوتاهتر میکند. Particle-1 بهعنوان جایگزینی مقرونبهصرفه و کممصرف در بازار مدلهای کدنویسی هوش مصنوعی معرفی شده است. با این حال، هیچ امتیاز عمومی از بنچمارکها برای این مدل منتشر نشده و ارزیابی عملکرد آن بر پایه دادههای عمومی امکانپذیر نیست.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.
Particle-1 برای چه وظایفی مناسب است؟
این مدل برای تولید خودکار کد، بازآرایی کد، رفع اشکال و گردشکارهای کدنویسی عاملمحور طراحی شده است.
Particle-1 بر پایه چه معماری ساخته شده است؟
این مدل بر پایه DeepSeek V4.1 Flash پسآموزی شده و از آن بهعنوان معماری پایه خود استفاده میکند.
مزیت اصلی Particle-1 نسبت به سایر مدلها چیست؟
این مدل در وظایف مهندسی نرمافزار حدود ۴۵ درصد توکن کمتری مصرف میکند که هزینه و زمان تولید را کاهش میدهد.
آیا امتیاز بنچمارک عمومی برای Particle-1 منتشر شده است؟
خیر، هیچ امتیاز عمومی از بنچمارکها برای این مدل در دسترس نیست.