返回首页

Particle-1

x+web 0.80
访问原文

介绍

Particle-1 是新公司 Particle 推出的省 token 的智能体编程模型。Particle 由 Suhail（Playground 创始人）于 2026 年 10 月 28 日宣布成立。该模型基于 DeepSeek V4.1 Flash 后训练，在准确率持平的情况下平均少用约 45% 的 token，任务更便宜、完成得也更快。

官方文章：Introducing Particle-1 · 发布推文：Suhail 的 X · API 页面：OpenRouter

解释

要点

  1. Particle 是什么：面向开源权重模型的新推理平台（快、便宜、稳定），API 同时提供 DeepSeek V4.1 Flash 和 GLM 5.3 Flash；Particle-1 是它的第一个自研模型。
  2. 省 token：在 Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1 四个基准上，相比原版 DeepSeek V4.1 Flash，输出 token 少 28.4%–52.2%，单任务平均成本低 34.4%–51.6%，pass@1 在原模型的置信区间内。
  3. 核心数据（Particle 官方图表）：单任务成本 0.2211 美元，对比 DeepSeek V4.1 Flash 0.3368、GLM 5.3 Flash 0.6523；平均输出 token 59,580，对比 83,246 和 98,155；任务通过率 72.57%，对比 71.15% 和 66.82%。
  4. 通用能力基本不变：GPQA Diamond 90.40%（原 90.91%）、Tau Airlines 86.00%（原 88.00%）、MMLU 86.08%（原 85.98%）。
  5. 训练方法：在内部编程和数据工程环境中做强化学习（Harbor 格式，由自研合成数据系统 Datamaker 生成，通过 Terminus 2 智能体运行），分阶段 Cascade RL，基于开源 RL 框架 Miles，对所有专家层训练 rank-64 LoRA，策略更新用 GSPO。
  6. 范围：首个版本专注软件工程，后续会扩展到其他领域。

用法

使用方式

  • Particle API：在 particle.ai 注册。
  • OpenRouter：模型 ID particle-ai/particle-1。
  • Vercel AI Gateway：模型 ID particle/particle-1。

适用场景

  • 调试、规划代码改动、拆解多步骤工程问题
  • 终端类和数据工程类智能体（例如 dbt 项目）
  • token 开销是主要成本的大批量编程智能体

小贴士

如果你正在用 DeepSeek V4.1 Flash 跑编程智能体，可以在同样的任务上换成 Particle-1，对比单任务成本和耗时。