在 DeepSeek V4.1 Flash 上加 1.25% 的 LoRA、纯靠 RL 改「干活习惯」：输出 token 少 28%~52%，单任务成本降 34%~52%，价格一分没降

Particle-1 把编码 Agent 的 token 账单砍掉三四成：模型没重训，只是学会了「少啰嗦」

3分钟看懂：这是什么、为什么重要、对谁有用

这是什么。 2026 年 10 月 28 日，旧金山初创公司 Particle 发布了第一款模型 Particle-1。它没有从头训练大模型，而是拿 DeepSeek 已经开源的 V4.1 Flash 1017 做底座，再训一轮，目标只有一个：让写代码的 AI Agent 用更少的 token 把同样的活干完。

为什么重要。 现在用 Agent 写代码，账单几乎全是 token。一个长任务动辄几万到十几万输出 token，其中绝大部分花在「想」——反复琢磨、反复自我检查、写一大段总结确认。Particle 的说法是：这部分浪费可以砍掉一大半，而模型能力几乎不动。它不是让模型更聪明，是让模型更省。

对谁有用。 已经在用编码 Agent（Claude Code、Codex、Kimi Code、自建 harness 等）并且按 token 付费的团队和个人；每天跑大量长任务、账单肉疼的人；想在自己的 harness 里换一个更便宜底座的人。

一句话总结：同样的智力，少说三四成的话。

它到底做了什么：不预训练，只改「干活习惯」

Particle-1 的做法，用一句话说就是「不改脑子，改嘴」。

底座是 DeepSeek V4.1 Flash 1017，这是 DeepSeek 在 10 月以 MIT 许可放出的开放权重模型。Particle 在这个底座上做后训练（post-training），加了一个 rank-64 的 LoRA 适配器，覆盖所有层的专家模块，可训练参数大约只相当于原模型的 1.25%。

训练分两段（它自己叫 Cascade RL）：第一段只练编码，第二段把训练集主要转向数据工程。有意思的是，第一段练完之后，模型在没见过的数据工程任务上已经省了约 20% 的 token——这是团队第一次看到「省 token」这件事能泛化。

技术细节上还有几个点值得记一下：

• 策略更新用的是 GSPO（Group Sequence Policy Optimization），按整条序列算重要性权重和裁剪，而不是按 token。团队说按 token 算的 loss 会震荡甚至发散。
• 学习率固定在 5e-5，并且按 Dr. GRPO 的做法，不用组内标准差归一化优势。
• 训练栈建在 Miles（RadixArk 的开源 RL 框架）上，异步分布式训练，rollout 和 trainer 分节点；对 SGLang 和 Megatron 都做了改造来提吞吐、减小训练-推理不一致。
• 训练数据是自建的 Datamaker 合成数据系统造的，任务统一成 Harbor 格式，每个任务都自带验证方式，跑在 Terminus 2 agent 里。

换句话说，这是一次纯工程向的后训练：奖励函数只干一件事——任务成功，且用更少的 token。

四个「省 token」的具体动作

团队对比了同一个任务、同一个随机种子下「都做对了」的运行轨迹，总结出四种行为差异。这些不是抽象描述，下面每个都有真实数字。

1. 同样的动作，想得更少

选步骤和执行动作不变，但决策前的 deliberation 明显变短。即使工具调用次数不降甚至变多，token 也能省下来。

2. 干完就停

验证通过之后，不再反复推翻自己的决定、不再重复检查、不再写一大段最终确认。

一个典型例子：日历排期任务，两个模型都用 4 次模型调用、6 条命令，动作完全一致，差别全在「想」。约 94% 的节省发生在正确文件已经写好之后，收尾确认那一段从 5,193 token 降到 1,078。

3. 少几轮「试错-修补」

实现更直接，于是重复编译、打补丁、修错这几轮就少了。pMARS 构建任务里，底座反复回去改编译 flag、重装、重验，18 次模型调用；Particle-1 先读 Makefile 定好 flag 再编译，12 次调用搞定。

4. 探索和验证更聚焦

少花力气去试各种替代方案、少改边缘 case。团队也补了一句：额外的测试和文档有时候是有用的，所以看节省数字时要结合「这一轮到底交付了什么」。

两阶段 Cascade RL：先练编码、再转向数据工程；图中标注了 token 节省随训练推进的变化（图源：Particle 官方发布博客）

几个可以直接对照的轨迹

任务	基准	Particle-1	底座	省
Git 部署	Terminal-Bench 2.1	15,892	47,006	66.2%
pMARS 构建	Terminal-Bench 2.1	6,766	17,070	60.4%
日历排期	Terminal-Bench 2.1	4,977	11,023	54.8%
cattrs 局部恢复	DeepSWE 1.1	52,545	84,413	37.8%
Awilix 异步启动	DeepSWE 1.1	52,933	81,327	34.9%
go-git 合并冲突	DeepSWE 1.1	69,240	108,016	35.9%
CoreUI 导航	ReactBench	29,099	60,885	52.2%

注意一个细节：go-git 那个任务，底座把手工测试套件跑了 20 遍。这不是能力问题，是习惯问题——而习惯正是这次训练要改的东西。

数据这一面：四个基准的整体账

Particle 在四个 agentic 编码基准上评测：Terminal-Bench 2.1（终端工作流：编译、调试、配系统）、ReactBench（建和修 React 应用，含功能/性能/可访问性）、ADE Bench（真实 dbt 项目与数据库上的分析与数据工程）、DeepSWE 1.1（需要读懂代码库、改实现、验证解法的长任务）。

官方汇总结论：

• 输出 token 少 28.4%~52.2%
• 单任务平均成本低 34.4%~51.6%
• pass@1 落在底座的置信区间内（也就是「没变差」）
• 四个基准平均约省 45% token

官方给的三模型对照（同一张表）：

官方插图「more work per token」：同样一个 token，能多干一点活（图源：Particle 官方发布博客）

指标	Particle-1	DeepSeek V4.1 Flash	GLM 5.3 Flash
单任务成本（美元）	0.2211	0.3368	0.6523
平均每任务输出 token	59,580	83,246	98,155
任务通过率	72.57%	71.15%	66.82%

按这张表，同样一批任务，Particle-1 的花费大约是底座的 1/1.5，是 GLM 5.3 Flash 的 1/3。

省下来的钱主要来自哪？ 团队说，Terminal-Bench 2.1、ReactBench、ADE 这三个基准上，约 90% 的节省来自 reasoning token；DeepSWE 1.1 上工具调用的文本还额外贡献了约 30%。这条信息其实挺关键：它说明省的不是「少干活」，而是「少自言自语」。

通用能力有没有掉

后训练最怕的就是「专项变强、通用变傻」。Particle 给了四个通用基准：

• GPQA Diamond：90.40%（底座 90.91%）
• Tau Airlines：86.00%（底座 88.00%）
• MMLU：86.08%（底座 85.98%）
• BabyVision（带工具）：89.18%（底座 89.60%）

基本在噪声范围内，Tau Airlines 掉了 2 个点，属于需要留意的单项。

还有一个挺有意思的边界实验：在 Harvey 法律基准的单个合同审查任务上，正常 adapter 强度下省 24.6% 输出 token，8 次尝试全部通过所有评分项；把 adapter 压得更狠，最多能省 78.7% token，但 8 次里只有 3 次通过严格检查。这就是这条技术路线的现实边界：省 token 和省质量之间有一条很硬的线，Particle 选择站在线的这一侧。

怎么用：三个入口、一个价格、几个参数

入口。

• 自有 API：particle-1（公开模型 ID 是 particle-ai/particle-1，OpenAI 兼容）
• OpenRouter：particle-ai/particle-1
• Vercel AI Gateway：10 月 28 日同步上架

价格（官方文档，每百万 token）。

• 输入：$0.25
• 缓存输入：$0.03
• 输出：$1.00
• 网页搜索：按千次计费
• 低峰时段（纽约时间 20:30–04:00）半价（Flex 档位同样五折）

注意：这个价格和它底下那个 DeepSeek V4.1 Flash 的标价一模一样。 这一点很关键——Particle 没有降价促销，它卖的是「同样的单价，更少的 token」。

规格。

• 上下文：1,048,576 token（prompt + completion 合计）
• 默认输出上限：32,000；显式指定最高 131,072
• 模态：文本 + 图片输入，文本输出；单图 ≤16 MiB，总计 ≤100 MiB，不限张数
• 推理强度：reasoning_effort 默认 high，可调
• 工具调用：支持 OpenAI 的 tools / tool_choice
• 结构化输出：只接受 json_object，json_schema 会原样透传但没有 schema 保证
• 数据：官方称推理流量零保留，prompt 和 completion 只在内存中处理

适用场景 / 不适用场景

适合：

• 已经在跑长任务编码 Agent，token 账单占大头
• 用 OpenAI 兼容接口、换模型只需改一个 model 名
• 任务以软件工程为主（这是这一版唯一的训练域）
• 愿意自己跑 A/B 验证，而不是直接相信宣传数字

不适合：

• 需要最强绝对能力的前沿任务——它和底座同级，不是升级
• 非软件工程领域（法律、金融、多模态创作等）：这一版明确只练了软件工程
• 需要严格 schema 保证的结构化输出流水线
• 需要第三方独立评测背书才能采购的合规场景

避坑：五个必须知道的限制

1. 全部数字都是自测。 没有第三方复现。首次上公开榜单的结果才是真正的检验。
2. 美元成本数字对不上真实账单。 有媒体指出，官方博客的成本脚注用了比现行 API 更高的价格假设，所以「每任务多少美元」不能直接当账单看；百分比节省仍然成立，因为两个模型同价。
3. 基线争议。 有研究者在 X 上质疑对比是否用了旧版 DeepSeek checkpoint，创始人回应说对比的就是 1017。这一点目前只能采信官方说法。
4. 法务/非编码结论样本极小。 只有一个合同审查任务、8 次尝试，不能推广到「法律工作也能省 25%」。
5. 安全评估缺失。 Particle 没有发布自家安全评测；底座模型此前被研究机构指出过监督缺口。

另外提醒一句：所有节省数字都是在 Terminus 2 这个特定 agent harness、512K token 限制、最大推理强度、每任务 16 次尝试的设置下测的。换个 harness，数字会变。 这也是为什么官方自己说「这个结论很容易被验证」——你把自己的日志拉出来比就行。

成本与时间预估

自己做一次验证大概要多久？ 半天到一天：

1. 从现有流水线里挑 10~20 个代表性的长任务（要覆盖你真实的工作类型，不要挑最简单的）
2. 固定 harness、固定 prompt、固定随机种子
3. 同一批任务分别跑底座和 Particle-1，记录：输出 token、总成本、通过率
4. 重点看「通过率没掉、token 明显降」的比例，而不是平均值

成本大概什么量级？ 按官方价格，一个消耗 6 万输出 token 的任务约 $0.06 输出费，加上输入费用通常不到 $0.1。20 个任务、两个模型各跑一遍，通常是个位数美元级别的实验。相对于「长期账单省三四成」，这个验证成本基本可以忽略。

给新手的第一步

如果你只是想先感受一下：在 OpenRouter 上把模型名从 deepseek/deepseek-v41-flash-1017 换成 particle-ai/particle-1，跑你平时最常跑的那条命令，对比两次的 token 用量。不用改任何其他代码——这就是它最大的产品设计：不要求你迁移，只要求你换个名字。

至于要不要长期用：先看你自己日志里的数字，再看公开榜单有没有第三方复现。Particle 卖的是一个可以被你自己验证的承诺，这比任何 benchmark 图都实在。

本文由加装AI助手整理发布 ｜ 数据来源：Particle 官方博客、Particle 官方 API 文档、Vercel AI Gateway、OpenRouter
所有效果数字为厂商自测；换 harness、换任务集后的实际节省幅度请以你自己的日志为准。