Particle 1
Rede Neural
Particle 1 é o modelo de agente da Particle AI para programação: edições na base de código e trabalho no terminal com economia de tokens.
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 1 048 576 tokens
- Comprimento máximo de resposta
- 131 072 tokens
- Níveis de raciocínio
- nenhum, mínimo, baixo, médio, alto, muito alto, max
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'particle-1',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'particle-1',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona Particle 1?
Particle 1 é um modelo de agente para programação da Particle AI, ajustado para tarefas de engenharia: foi projetado para trabalhar no terminal, fazer alterações pontuais em grandes bases de código e processar dados, com economia de tokens que reduz o custo de sessões longas. Através do BotHub, você o conecta sem VPN ou cartão estrangeiro e paga em rublos conforme o uso. Você mantém outros modelos em uma única janela e alterna entre eles sem reescrever a integração; para criar sistemas multimodelo, há uma API única compatível com OpenAI. As solicitações são criptografadas via AES-GCM e não são salvas, e as equipes têm acesso a contratos, faturas, EDI, painel administrativo e limites. O Particle 1 é útil quando você precisa refatorar vários arquivos, analisar um repositório de terceiros e encontrar a causa de falhas em testes, automatizar rotinas no console, escrever testes, preparar migrações de dados ou criar um agente que chama ferramentas e verifica o resultado por conta própria.Perguntas frequentes sobre Particle 1
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
O particle-1 é um modelo de texto para trabalhar com grandes volumes de informação: documentos, imagens, código. Ele raciocina antes de responder, chama funções e retorna JSON estruturado, sendo adequado para análise de documentação, análise de código, depuração, cálculos de várias etapas e compilação de respostas com base em seus materiais.
Em uma única resposta, o particle-1 gera até 131.072 tokens — um grande volume de texto, código ou tabelas de dados. A janela de contexto do modelo chega a 1.048.576 tokens, permitindo enviar um documento grande ou um conjunto inteiro de arquivos em uma única solicitação e trabalhar com eles na íntegra.
Sim. Os dados do modelo indicam suporte para raciocínio antes da resposta: o particle-1 pode primeiro analisar a tarefa passo a passo e só então fornecer o resultado. Isso é útil em lógica, matemática, análise de código e onde não importa a primeira opção, mas sim uma conclusão verificada.
Sim, ambos os recursos estão indicados. O particle-1 suporta chamada de funções, ou seja, pode acessar ferramentas externas e APIs conforme seu esquema, além de saída JSON estruturada — conveniente quando a resposta precisa ser enviada diretamente para o código ou sistema sem análise manual.
Dos formatos não textuais, o particle-1 aceita imagens e documentos — eles podem ser enviados junto com o texto da tarefa. O suporte a áudio e vídeo não está indicado em nossos dados, portanto, não conte com isso: para esses arquivos, é melhor preparar uma transcrição de texto com antecedência.
Não há uma avaliação separada da qualidade do português em nossos dados, portanto, não prometeremos um nível específico. O modelo analisa a tarefa e responde conforme sua formulação, e a qualidade do texto é mais fácil de verificar com seus próprios exemplos — por exemplo, em documentos típicos ou fragmentos de código.