概览
Particle-1 是旧金山 AI 推理公司 Particle（创始人 Suhail Doshi）于 2026 年 10 月 28 日发布的首个自研模型，定位软件工程任务。它以 DeepSeek V4.1 Flash（1017 版，站内已收录）为基座，在 Particle 自建的强化学习环境里训练，奖励函数同时看任务是否完成、推理和工具调用用了多少 token；训练用 rank-64 LoRA（约占模型参数的 1.25%）、GSPO 算法和 RadixArk 的开源 RL 框架 Miles。官方称它平均少用约 45% 的 token：在四项软件工程基准上，输出 token 比基座少 28.4%–52.2%，单任务平均成本低 34.4%–51.6%，Pass@1 在基座置信区间内（汇总通过率 72.57%，基座 71.15%，GLM 5.3 Flash 66.82%）；通用基准与基座接近（GPQA Diamond 90.40% 对 90.91%）。以上均为官方评测。它接受文字和图片输入、输出文字，支持推理强度调节、工具调用和流式输出，上下文 1,048,576 tokens，单次输出上限 131,072 tokens。权重未公开，只能通过 Particle 的 OpenAI 兼容 API（默认零数据保留）或 Vercel AI Gateway 调用。来源：https://particle.ai/blog/introducing-particle-1 、https://docs.particle.ai/models 、https://particle.ai/pricing 、https://vercel.com/changelog/particle-1-is-now-available-on-ai-gateway （2026-10-30 核对）。 定价：输入 0.25 美元 / 百万 tokens，缓存输入 0.03 美元 / 百万 tokens，输出 1.00 美元 / 百万 tokens（与基座 DeepSeek V4.1 Flash 在 Particle 上的价格相同）；Flex 服务档五折；联网搜索 0.0025 美元 / 次。
- 模态
- 多模态
能力
- 省 token 的编程模型：在 DeepSeek V4.1 Flash 上用强化学习后训练，官方称平均少用约 45% 的 token，推理更短、试错修复轮次更少、探索更聚焦
- 官方评测：四项软件工程基准上比基座少 28.4%–52.2% 的输出 token、单任务平均成本低 34.4%–51.6%，通过率与基座持平（汇总 72.57% 对 71.15%）
- 通用能力基本不掉：GPQA Diamond 90.40%（基座 90.91%）、Tau Airlines 86.00%（88.00%）、MMLU 86.08%（85.98%）
- 输入文字和图片、输出文字；支持推理强度（reasoning_effort，默认 high）、工具调用、流式输出和中途插话（Responses WebSocket）；上下文 1,048,576 tokens，单次输出最多 131,072 tokens
- 调用：OpenAI 兼容 API（https://api.particle.ai/v1，model 填 particle-1），默认零数据保留；也已上架 Vercel AI Gateway（particle/particle-1）