Particle-1 发布：基于 DeepSeek V4.1 Flash 后训练，软件工程任务约少 45% token
Mixpanel 联合创始人 Suhail Doshi 新公司 Particle 于 2026-10-28 发布 Particle-1：在 DeepSeek V4.1 Flash 上做 RL 后训练，四项软件/数据工程基准平均约少用 45% 输出 token，准确率贴近基座。已上架 Particle API、OpenRouter（$0.25/$1）与 Vercel AI Gateway。
Particle 官方博文（2026-10-28）写明：Particle-1 在 DeepSeek V4.1 Flash 上后训练，目标是在保持准确率接近基座的同时显著降低推理与工具调用 token。内部四项基准（Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1）上，相对 DeepSeek V4.1 Flash，输出 token 约少 28.4%–52.2%，任务均成本约低 34.4%–51.6%；Pass@1 落在基座置信区间内。官方汇总称跨任务平均约少用 ~45% tokens。
定价与可用性：Particle API 文档列 particle-1，上下文约 1M；OpenRouter 同日列出 particle-ai/particle-1，标价约 $0.25 / $1 每百万输入/输出、缓存读约 $0.03，发布时间 Oct 28, 2026；Vercel AI Gateway changelog 同步上架 particle/particle-1。训练侧称用 Harbor 格式任务 + Cascade RL / GSPO、rank-64 LoRA（约 1.25% 可训参数），奖励鼓励少 token 且做对题。
通用基准示例（官方）：GPQA Diamond 90.40%（基座 90.91%）、Tau Airlines 86%（88%）、Standard MMLU 86.08%（85.98%）、BabyVision+tools 89.18%（89.60%）。叙事重点是「同价位更少 token、任务更快结束」，首发聚焦软件工程，后续扩域。本稿依据 Particle / OpenRouter / Vercel 公开页。
