10月30日消息，新兴 AI 公司 Particle 于 10 月 28 日正式推出首款模型Particle‑1，该模型以 DeepSeek V4.1 Flash 为基座，通过级联强化学习 Cascade RL 做后训练优化，核心目标是在任务通过率基本不变前提下，减少推理与工具调用的输出 Token 数量，不仅降低使用成本，还能缩短 Agent 任务整体执行时长，首发聚焦软件工程场景，后续计划拓展至更多垂直领域。

很多 Token 优化方案只单纯削减成本，会牺牲输出质量；Particle‑1 的强化学习奖励函数同时约束两项指标：任务成功完成 + 更少 Token 消耗。团队采用GSPO（Group Sequence Policy Optimization）算法训练 Rank‑64 LoRA 适配器，可训练参数量仅占原模型总参数 1.25%，依托 RadixArk 开源 RL 框架 Miles 搭建异步分布式训练栈，对 SGLang、Megatron 引擎深度优化，缓解训练‑推理不匹配问题。训练分为两个阶段：第一阶段面向编码任务，第二阶段侧重数据工程任务，训练数据由内部合成数据系统 Datamaker 生成。

四大 Agent 基准测试结果

项目选取 Terminal‑Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1 四大软件工程与数据工程 Agent 评测集进行验证：

1. Particle‑1 相比基座 DeepSeek V4.1 Flash，输出 Token 减少28.4%‑52.2%，单任务平均成本下降34.4%‑51.6%；任务 Pass@1 通过率落在基座模型置信区间，性能没有明显下滑。平均整体 Token 开销下降约 45%。

2. 在通用基准上，模型能力基本保留：GPQA Diamond 90.40%（基座 90.91%）、MMLU 86.08%（基座 85.98%），通用知识推理能力损失很小。

通过比对成功样本的执行轨迹，团队总结出 Token 节约的四大来源：

1. 相同动作下更少推理思考，执行步骤不变，但思考过程更加凝练；

2. 任务完成即停止输出，验证解决方案后不再反复复核、生成冗长确认文本；

3. 减少反复试错修复循环，实现更直接的代码实现逻辑，降低补丁迭代次数；

4. 更聚焦的探索与验证，减少对非必要备选方案、边缘案例的过度推演。

在 Terminal‑Bench、ReactBench、ADE 评测中，90% 的 Token 节省来自推理思考部分；长代码库任务 DeepSWE 1.1 中，工具调用文本也贡献约 30% 的 Token 缩减。

能力泛化：不限于代码场景

虽然训练素材集中在编码、数据工程，但优化得到的高效 Token 行为出现跨领域泛化。在 Harvey LAB 法律合同审计任务测试中，标准 LoRA 强度下 Particle‑1 输出 Token 相比基座降低 24.6%，且全部任务全部通过校验，而基座仅有 62.5% 通过率。

同时团队提醒：如果调高 LoRA 适配器强度可以进一步压缩 Token，但会开始丢失关键信息，8× 强度下 Token 减少 78.7%，但大部分任务无法通过严格校验，存在质量‑压缩的权衡关系。

Particle‑1 现已通过 Particle API 对外提供服务，模型 API 定价与 DeepSeek V4.1 Flash 保持一致：未缓存输入 0.30 美元 / 百万 Token，缓存命中 0.006 美元 / 百万 Token，输出（含推理）1.20 美元 / 百万 Token。团队表示未来会继续迭代，将这套 Token 高效后训练方案迁移到法律、网络安全等更多业务领域。