Particle-1模型
3 节点1 篇4 来源
Particle AI于2026年10月28日发布了其首个模型Particle-1，该模型基于DeepSeek V4.1 Flash进行后训练，旨在通过强化学习优化软件工程任务中的Token使用效率。【背景】Particle由Mixpanel联合创始人Suhail Doshi创立，其核心主张是在保持准确率与基座模型相当的前提下，平均减少约45%的输出Token，从而降低Agent运行成本并加快任务完成速度。目前，Particle-1已接入Vercel AI Gateway和OpenRouter等平台，支持1M Token上下文窗口及工具调用。尽管官方数据显示在Terminal-Bench等基准测试中成本显著下降，但截至发稿，尚无独立第三方实验室复现这些结果，且权重未公开，实际生产环境中的表现仍有待验证。
事情怎么走到这一步
Particle AI正式推出Particle-1模型，宣称基于DeepSeek V4.1 Flash后训练，专注于软件工程任务的Token效率优化。
particle.ai ↗Vercel宣布AI Gateway新增对Particle-1的支持，允许开发者通过统一API调用该模型进行调试和代码规划。
vercel.com ↗OpenRouter上架Particle-1，定价为输入$0.25/百万Token，输出$1.00/百万Token，高于DeepSeek原生价格。
cellcog.ai ↗
还没定论的部分
- 是否有独立第三方机构复现了Particle-1在Terminal-Bench 2.1和DeepSWE 1.1上的Token节省数据？
- Particle-1的LoRA适配器权重是否会开源，以便社区自行部署或进一步微调？
- 在非编码类通用任务（如Tau Airlines）上，Particle-1相对于基座模型的细微性能差异是否会在复杂Agent工作流中被放大？