Particle AI: Particle-1 API

Particle AI의 첫 모델로, DeepSeek V4.1 Flash를 기반으로 소프트웨어 엔지니어링 작업에 특화된 에이전트형 코딩 모델입니다.

Particle-1은 Particle AI가 선보인 첫 번째 모델로, 소프트웨어 엔지니어링 작업을 처리하도록 훈련된 에이전트형 코딩 모델입니다. DeepSeek V4.1 Flash를 기반 아키텍처로 삼아 후속 훈련을 거쳤으며, 에이전트 코딩 워크플로에 맞춰 간결한 출력을 생성하도록 설계되었습니다.

이 모델의 핵심 강점은 토큰 효율성입니다. 소프트웨어 엔지니어링 작업에서 다른 모델보다 약 45퍼센트 적은 토큰을 사용하며, 이는 대량의 코딩 작업을 운영하는 팀의 비용 절감으로 이어집니다. 토큰을 적게 쓰면 일반적으로 생성 속도도 빨라집니다. 자동 코드 생성, 코드 리팩터링, 버그 수정, 에이전트 코딩 워크플로 등에 적합합니다.

Particle AI는 이 모델을 토큰 효율적이고 비용 효율적인 대안으로 AI 코딩 모델 시장에 포지셔닝하고 있습니다. 다만 현재 공개된 벤치마크 점수는 없습니다.

Playground 열기 ↗API key 만들기 ↗시작 가이드 →

업데이트: 2026. 10. 29.

모델 ID

particle-1

컨텍스트: 1.049M
최대 출력: 131.072K
권장 API: messages
입력: text / image
출력: text

주요 특징

Particle AI의 첫 번째 모델
DeepSeek V4.1 Flash 기반
에이전트형 코딩 모델
소프트웨어 엔지니어링 작업에 특화
약 45퍼센트 적은 토큰 사용
간결한 출력 생성

제공 업체

1 제공 업체

제공 업체별 API 요금을 비교하세요. 공급자를 선택하면 전체 요금과 적용 조건을 확인할 수 있습니다.

제공 업체 · 요금 상세

	$0.25	$1	$0.03

10달러로 얼마나 쓸 수 있나

입력: 4000만 토큰
출력: 1000만 토큰

현재 입력·출력 요금으로 계산한 추정치이며 할인은 포함하지 않습니다.

추론

기본 추론 강도: high
기본 활성화: 예
항상 활성화: 아니요
선택 가능한 추론 강도: max / xhigh / high / medium / low / minimal / none

Quick Start

Felo API Platform 호환 API로 이 모델을 호출하는 코드입니다. 코드를 작성하기 전에 Playground에서 prompt를 테스트할 수 있습니다.

Playground 열기 API key 만들기

API key 설정

Felo API Platform 계정에서 key를 만들고 환경 변수로 설정하세요.

export FELO_API_KEY="YOUR_API_KEY"

첫 요청 보내기

이 모델 ID를 Felo API Platform endpoint와 함께 사용하세요. X-Request-Id 같은 선택 요청 헤더는 문제 해결에 도움이 됩니다.

particle-1

이 모델은 reasoning을 지원합니다. 선택한 protocol과 모델 라우트가 reasoning controls를 제공하는 경우 대화를 이어갈 때 반환된 reasoning metadata를 보존하세요.

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());

타사 SDK 사용

호환 SDK에서는 baseURL을 다음으로 설정합니다 https://openapi.felo.ai/api/v1. Claude-style clients에는 Anthropic-compatible base URL을 사용하세요. https://openapi.felo.ai/api.

Streaming 활성화

stream: true를 추가하면 server-sent events로 응답을 받을 수 있습니다.

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 Platform은 호환 가능한 모델 호출 surface를 제공합니다. 앱이나 Agent client가 이미 지원하는 surface를 선택하세요.

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

Parameters

이름타입기본값설명

modelstringparticle-1호출할 공개 모델 ID.

max_tokensinteger—생성할 최대 tokens.

messagesarray—Chat Completions의 대화 메시지.

seed———

stop———

min_p———

toolsarray—호환 schema를 따르는 tool calling definitions.

top_k———

top_p———

logprobs———

reasoning———

temperaturenumber—지원되는 경우 응답 다양성을 제어합니다.

tool_choicestring or object—tool 호출 여부를 제어합니다.

top_logprobs———

response_formatobject—지원 시 structured output을 요청합니다.

presence_penalty———

reasoning_effort———

frequency_penalty———

include_reasoning———

repetition_penalty———

structured_outputs———

자주 묻는 질문

모델 소개: Particle AI: Particle-1?

Particle-1은 Particle AI가 선보인 첫 번째 모델로, 소프트웨어 엔지니어링 작업을 처리하도록 훈련된 에이전트형 코딩 모델입니다. DeepSeek V4.1 Flash를 기반 아키텍처로 삼아 후속 훈련을 거쳤으며, 에이전트 코딩 워크플로에 맞춰 간결한 출력을 생성하도록 설계되었습니다. 이 모델의 핵심 강점은 토큰 효율성입니다. 소프트웨어 엔지니어링 작업에서 다른 모델보다 약 45퍼센트 적은 토큰을 사용하며, 이는 대량의 코딩 작업을 운영하는 팀의 비용 절감으로 이어집니다. 토큰을 적게 쓰면 일반적으로 생성 속도도 빨라집니다. 자동 코드 생성, 코드 리팩터링, 버그 수정, 에이전트 코딩 워크플로 등에 적합합니다. Particle AI는 이 모델을 토큰 효율적이고 비용 효율적인 대안으로 AI 코딩 모델 시장에 포지셔닝하고 있습니다. 다만 현재 공개된 벤치마크 점수는 없습니다.

사용 요금은 어떻게 계산되나요?

이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.

Particle-1은 어떤 작업에 적합한가요?

자동 코드 생성, 코드 리팩터링, 버그 수정, 에이전트 코딩 워크플로에 적합합니다. 소프트웨어 엔지니어링 작업을 처리하도록 훈련된 에이전트형 코딩 모델입니다.

Particle-1의 기반 아키텍처는 무엇인가요?

DeepSeek V4.1 Flash를 기반 아키텍처로 사용하며, 이 모델을 후속 훈련해 만들어졌습니다.

Particle-1은 다른 모델과 어떤 차이가 있나요?

소프트웨어 엔지니어링 작업에서 다른 모델보다 약 45퍼센트 적은 토큰을 사용합니다. 이는 대량 코딩 작업의 비용을 낮추고 생성 속도를 높이는 데 기여합니다.

Particle-1의 벤치마크 점수가 공개되어 있나요?

현재 공개된 벤치마크 점수는 없습니다.

Particle-1은 어떤 출력을 생성하나요?

에이전트 코딩 워크플로에 맞춰 간결한 출력을 생성하도록 설계되었습니다.