Particle-aimessages

Particle AI: Particle-1 API

Particle-1 to pierwszy model Particle AI do zadań inżynierii oprogramowania, zbudowany na DeepSeek V4.1 Flash i zaprojektowany z myślą o oszczędności tokenów w workflows agentowych.

Model wykorzystuje około 45 procent mniej tokenów na zadaniach inżynierii oprogramowania w porównaniu z innymi modelami. Ta oszczędność tokenów obniża koszty dla zespołów wykonujących duże wolumeny zadań kodowania. Mniejsza liczba tokenów zwykle oznacza również szybsze generowanie odpowiedzi, co jest istotne w interaktywnych procesach programistycznych.

Particle-1 sprawdza się w automatycznym generowaniu kodu, refaktoryzacji, naprawianiu błędów oraz w workflows kodowania agentowego. Jest pozycjonowany jako efektywna kosztowo alternatywa na rynku modeli AI do kodowania. Dla modelu nie są dostępne publiczne wyniki benchmarków.

Otwórz Playground ↗Utwórz klucz API ↗Pierwsze kroki →

Zaktualizowano: 29 paź 2026

MODEL ID

particle-1

Kontekst: 1.049M
Maks. wyjście: 131.072K
Polecane API: messages
Wejście: text / image
Wyjście: text

Najważniejsze informacje

Około 45% mniej tokenów na zadaniach inżynierii oprogramowania
Dotrenowany na DeepSeek V4.1 Flash
Zaprojektowany do zwięzłych wyników w kodowaniu agentowym
Pierwszy model od Particle AI
Efektywny kosztowo na rynku modeli do kodowania
Obniża koszty przy dużych wolumenach zadań

Dostawcy

1 dostawców

Porównaj ceny API u różnych dostawców. Wybierz dostawcę, aby zobaczyć wszystkie opłaty i warunki.

Dostawca · Szczegóły cen

	$0.25	$1	$0.03

Co można kupić za $10

Wejście: 40 mln tokenów
Wyjście: 10 mln tokenów

Szacunek na podstawie obecnych cen wejścia i wyjścia, bez rabatów.

Rozumowanie

Domyślny poziom wysiłku: high
Włączone domyślnie: Tak
Zawsze włączone: Nie
Dostępne poziomy wysiłku: max / xhigh / high / medium / low / minimal / none

Szybki start

Gotowy kod do wywołania tego modelu przez zgodne API Felo API Platform. Zacznij w Playground, gdy chcesz przetestować prompty przed pisaniem kodu.

Otwórz Playground Utwórz klucz API

Pobierz klucz API

Utwórz klucz w swoim koncie Felo API Platform i ustaw go jako zmienną środowiskową.

export FELO_API_KEY="YOUR_API_KEY"

Wyślij pierwsze żądanie

Użyj tego identyfikatora modelu z endpointem Felo API Platform. Opcjonalne nagłówki żądania, takie jak X-Request-Id, mogą pomóc w diagnostyce.

particle-1

Ten model obsługuje rozumowanie. Jeśli wybrany protokół i trasa modelu udostępniają elementy sterujące rozumowaniem, zachowaj zwrócone metadane rozumowania podczas kontynuowania rozmowy.

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());

Korzystanie z zewnętrznych SDK

Używaj zgodnych SDK, ustawiając baseURL na https://openapi.felo.ai/api/v1. Użyj bazowego adresu URL zgodnego z Anthropic dla klientów w stylu Claude. https://openapi.felo.ai/api.

Włącz strumieniowanie

Dodaj stream: true, aby otrzymywać odpowiedzi jako 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": "particle-1",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform udostępnia zgodne interfejsy wywoływania modeli. Wybierz ten, który Twoja aplikacja lub klient agenta już obsługuje.

InterfejsMetodaURL

Messages

Komunikaty zgodne z Anthropic dla klientów w stylu Claude.

POST

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

Parametry

NazwaTypDomyślnieOpis

modelstringparticle-1Publiczny identyfikator modelu do wywołania.

max_tokensinteger—Maksymalna liczba generowanych tokenów.

messagesarray—Komunikaty rozmowy dla Chat Completions.

seed———

stop———

min_p———

toolsarray—Definicje wywoływania narzędzi zgodne z obsługiwanym schematem.

top_k———

top_p———

logprobs———

reasoning———

temperaturenumber—Steruje różnorodnością odpowiedzi, gdy jest obsługiwane.

tool_choicestring or object—Steruje tym, czy narzędzie powinno zostać wywołane.

top_logprobs———

response_formatobject—Żąda ustrukturyzowanego wyniku, gdy jest obsługiwany.

presence_penalty———

reasoning_effort———

frequency_penalty———

include_reasoning———

repetition_penalty———

structured_outputs———

Często zadawane pytania

Co to jest Particle AI: Particle-1?

Particle-1 to pierwszy model od Particle AI, wyspecjalizowany w zadaniach inżynierii oprogramowania. Został dotrenowany na architekturze DeepSeek V4.1 Flash, która stanowi jego fundament. Model jest zaprojektowany do generowania zwięzłych odpowiedzi w workflows kodowania agentowego, co przekłada się na większą wydajność pracy. Model wykorzystuje około 45 procent mniej tokenów na zadaniach inżynierii oprogramowania w porównaniu z innymi modelami. Ta oszczędność tokenów obniża koszty dla zespołów wykonujących duże wolumeny zadań kodowania. Mniejsza liczba tokenów zwykle oznacza również szybsze generowanie odpowiedzi, co jest istotne w interaktywnych procesach programistycznych. Particle-1 sprawdza się w automatycznym generowaniu kodu, refaktoryzacji, naprawianiu błędów oraz w workflows kodowania agentowego. Jest pozycjonowany jako efektywna kosztowo alternatywa na rynku modeli AI do kodowania. Dla modelu nie są dostępne publiczne wyniki benchmarków.

Jak rozliczane jest użycie?

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.

Na jakiej architekturze oparty jest Particle-1?

Model został dotrenowany na DeepSeek V4.1 Flash, który służy jako jego architektura bazowa.

Do jakich zadań najlepiej nadaje się Particle-1?

Sprawdza się w automatycznym generowaniu kodu, refaktoryzacji, naprawianiu błędów oraz w workflows kodowania agentowego.

Jak Particle-1 wypada pod względem zużycia tokenów?

Wykorzystuje około 45 procent mniej tokenów na zadaniach inżynierii oprogramowania w porównaniu z innymi modelami.

Czy Particle-1 generuje zwięzłe odpowiedzi?

Tak, model jest zaprojektowany do generowania zwięzłych wyników w workflows kodowania agentowego.

Czy dostępne są publiczne wyniki benchmarków dla Particle-1?

Nie, dla tego modelu nie są dostępne publiczne wyniki benchmarków.