Particle AI: Particle-1 API
Particle AI 推出的首个面向软件工程的智能体编程模型，基于 DeepSeek V4.1 Flash 后训练，输出简洁且节省 token。
Particle-1 是 Particle AI 的第一款模型，定位为面向软件工程任务的智能体编程模型。它以 DeepSeek V4.1 Flash 为基础架构进行后训练，专注于处理编程场景中的实际需求。
该模型的一大特点是 token 使用效率高：在软件工程任务上，它的 token 消耗量比其他模型大约少 45%。这意味着运行大量编程任务的团队可以降低使用成本，同时更少的 token 通常也带来更快的生成速度。模型经过专门设计，在智能体编程工作流中能输出简洁的结果。
它适合自动代码生成、代码重构、缺陷修复以及各类智能体编程流程。目前该模型没有公开的基准测试分数，因此无法提供量化性能对比。
更新时间:
模型 ID
particle-1- 上下文
- 1.049M
- 最大输出
- 131.072K
- 推荐 API
- messages
- 输入
- text / image
- 输出
- text
核心要点
- Particle AI 首款模型
- 基于 DeepSeek V4.1 Flash 后训练
- 软件工程任务 token 用量约少 45%
- 面向智能体编程工作流
- 输出简洁，适合批量编程任务
供应商
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。
| $0.25 | $1 | $0.03 |
10 美元能买多少 token
- 输入
- 4000万 tokens
- 输出
- 1000万 tokens
按当前输入与输出单价估算，未计入折扣。
推理能力
- 默认推理强度
- high
- 默认启用
- 是
- 始终启用
- 否
- 可选推理强度
- max / xhigh / high / medium / low / minimal / 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。
particle-1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": "particle-1",
"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": "particle-1",
"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
modelstringparticle-1Public 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———logprobs———reasoning———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.top_logprobs———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 Particle AI: Particle-1?
Particle-1 是 Particle AI 的第一款模型，定位为面向软件工程任务的智能体编程模型。它以 DeepSeek V4.1 Flash 为基础架构进行后训练，专注于处理编程场景中的实际需求。 该模型的一大特点是 token 使用效率高：在软件工程任务上，它的 token 消耗量比其他模型大约少 45%。这意味着运行大量编程任务的团队可以降低使用成本，同时更少的 token 通常也带来更快的生成速度。模型经过专门设计，在智能体编程工作流中能输出简洁的结果。 它适合自动代码生成、代码重构、缺陷修复以及各类智能体编程流程。目前该模型没有公开的基准测试分数，因此无法提供量化性能对比。
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。
Particle-1 支持哪些输入模态？
现有资料未提及该模型支持的具体输入模态，仅说明它是面向软件工程任务的智能体编程模型。
Particle-1 的上下文长度和输出长度是多少？
资料中没有提供上下文窗口和输出长度的具体数值。
Particle-1 适合哪些任务？
它适合自动代码生成、代码重构、缺陷修复以及智能体编程工作流。
Particle-1 与同系列模型有什么区别？
资料中没有同系列其他模型的对比信息，无法说明它与同系列模型的差别。
Particle-1 在 token 效率上有什么特点？
在软件工程任务上，它的 token 使用量比其他模型大约少 45%，有助于降低大批量编程任务的成本，并可能带来更快的生成速度。