Particle 发布 Particle-1：基于 DeepSeek V4.1 Flash 后训练，把编程 Agent 的 Token 账单砍掉 45%

10 月 28 日，由 Mixpanel 创始人 Suhail Doshi 创办的新兴 AI 公司 Particle 正式推出首款模型 Particle-1。它并非从零预训练的新架构，而是以 DeepSeek V4.1 Flash 为基座，通过级联强化学习（CascadeRL）做后训练优化，目标只有一个：在任务通过率基本不变的前提下，大幅减少推理与工具调用产生的输出 Token，从而压低 Agent 类任务的运行成本与整体耗时。

为什么需要"更省 Token"的模型

当下编程智能体跑一个长任务，最大的开销往往不是模型本身的能力，而是它"想得太多、说得太多"——冗长的推理轨迹、反复试错修复的循环、验证完成后的反复确认文本，都会持续吞噬 Token。Particle 的思路不是去堆参数、拼榜单，而是拿一个已经很强的基础模型，用强化学习把那些"废话"训练掉。团队把奖励函数同时约束两项指标：任务必须成功完成，且消耗的 Token 要更少。

训练方法：可训练参数仅占 1.25%

Particle-1 采用 GSPO（Group Sequence Policy Optimization）算法，训练了一个 Rank-64 的 LoRA 适配器，可训练参数量仅占原模型总参数的 1.25%。训练栈搭建在 RadixArk 开源强化学习框架 Miles 之上，并对 SGLang、Megatron 推理引擎做了深度优化，缓解训练-推理不匹配问题。

训练分两个阶段：第一阶段面向编码任务，第二阶段侧重数据工程任务，训练数据由 Particle 内部的合成数据系统 Datamaker 生成。这种"小适配器 + 大基座 + 强化学习奖励"的范式，意味着迭代成本低、可快速迁移到新的垂直领域。

基准表现：Token 平均少 45%，能力基本不掉

项目选取了 Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1 四套软件工程与数据工程 Agent 评测集进行验证，核心结论如下：

  • 相比基座 DeepSeek V4.1 Flash，Particle-1 的输出 Token 减少 28.4% 至 52.2%，单任务平均成本下降 34.4% 至 51.6%；整体 Token 开销平均下降约 45%。
  • 任务 Pass@1 通过率落在基座模型的置信区间内，性能没有明显下滑。
  • 通用基准能力基本保留：GPQA Diamond 90.40%（基座 90.91%）、MMLU 86.08%（基座 85.98%），通用知识推理损失很小。

团队比对成功样本的执行轨迹，总结出 Token 节约的四大来源：相同动作下思考更凝练；任务验证完成即停止输出、不再反复复核；减少反复试错修复循环、代码实现更直接；更聚焦的探索与验证，减少对边缘案例的过度推演。在 Terminal-Bench、ReactBench、ADE 评测中，约 90% 的 Token 节省来自推理思考部分；在长代码库任务 DeepSWE 1.1 中，工具调用文本也贡献了约 30% 的缩减。

跨领域泛化：不止于代码

虽然训练素材集中在编码与数据工程，但高效 Token 行为出现了跨领域泛化。在 HarveyLAB 法律合同审计任务测试中，标准 LoRA 强度下 Particle-1 的输出 Token 相比基座降低 24.6%，且全部任务通过校验，而基座仅有 62.5% 通过率。

团队也提醒：调高 LoRA 适配器强度可以进一步压缩 Token，但会开始丢失关键信息——8 倍强度下 Token 减少 78.7%，但大部分任务无法通过严格校验。质量与压缩之间始终存在权衡。

定价与可用渠道

Particle-1 现已通过 Particle 自有 API 与 OpenRouter 对外提供服务，上下文窗口约 100 万 Token（1,048,576）。在 OpenRouter 上定价为输入 0.10 美元 / 百万 Token、输出 1.00 美元 / 百万 Token（缓存读取 0.003 美元）；Particle 自有 API 定价与 DeepSeek V4.1 Flash 保持一致：未缓存输入 0.30 美元、输出（含推理）1.20 美元 / 百万 Token。模型同样可通过 Vercel AI Gateway 调用，暂不支持欧盟区域内路由。

这意味着什么

Particle-1 代表了一种务实的模型演进路径：当基础模型能力已经够用，真正的工程价值可能来自"让它少说废话"。对于按 Token 计费、且智能体要跑很多步的团队来说，这种后训练方向直接转化为账单上的节省。Particle 表示后续会把这套 Token 高效后训练方案迁移到法律、网络安全等更多业务领域。

据 DoNews、OpenRouter、TPS Report 等公开报道整理