Particle-1：在 DeepSeek V4.1 Flash 上后训练，任务成本砍到三分之一

Particle AI 2026 年 10 月 28 日发布首个模型 Particle-1：在 DeepSeek V4.1 Flash 上做强化学习后训练，官方称平均少用约 45% token，四个软件工程基准上输出 token 少 28.4%–52.2%、单任务成本低 34.4%–51.6%，准确率仍在基座模型的置信区间内

工具界面

交互式工具即将上线

功能特点

✓ 目标不是刷分而是省 token：官方称平均少用约 45%，四个基准里输出 token 减少 28.4%–52.2%
✓ 换算成钱：官方自己的对照表里单任务平均成本 0.2211 美元，DeepSeek V4.1 Flash 为 0.3368 美元，GLM 5.3 Flash 为 0.6523 美元
✓ 任务通过率没垮：官方称 72.57%，基座 DeepSeek V4.1 Flash 为 71.15%，准确率落在基座置信区间内
✓ 训练方式是自研强化学习环境，奖励函数同时奖励「做对」和「少烧推理与工具调用 token」
✓ 首批只做软件工程：终端流程、代码库改动、React 应用、基于 dbt 的数据工程四条线，其他领域官方说后续版本再扩

使用步骤

先想清楚你的痛点是不是成本：这是省 token 的模型，如果你的任务本来就便宜，收益会被摊薄
挑一个可重复的自家任务做 A/B：同一批 issue 或同一条终端流程，分别跑 Particle-1 和 DeepSeek V4.1 Flash
同时记三个数：任务是否通过、输出 token 数、单任务成本，只看其中一个会被骗
确认通过率的下降幅度你能接受，再上生产；官方特别提示效率提升不等于质量提升

常见问题

什么时候发布的？

2026 年 10 月 28 日，Particle AI 的首个模型。官方发布文：https://particle.ai/blog/introducing-particle-1 。

45% 少 token 是相对谁？

相对基座 DeepSeek V4.1 Flash。官方原文是 across a wide variety of tasks 的平均值，具体到单任务区间是输出 token 少 28.4%–52.2%、单任务成本低 34.4%–51.6%。

准确率真的没掉吗？

官方措辞是 pass@1 落在基座模型的置信区间内，并给出 72.57% 对 71.15%。这是官方自评数据，你自己业务上仍要做对照测试。

怎么调用？

Particle 自家 API 提供，同时已出现在 OpenRouter（https://openrouter.ai/particle-ai/particle-1）和 Vercel AI Gateway 的模型清单里，具体价格以各家页面为准。

能做软件工程以外的任务吗？

官方明确说首个版本聚焦软件工程，其他领域留给后续发布。通用基准上官方只给了接近基座的数字，例如 GPQA Diamond 90.40%（基座 90.91%）。