Particle-1：用少 45% token 寫程式

Mixpanel 聯合創辦人新公司推 Particle-1，寫程式少用約 45% token

數據分析公司 Mixpanel 聯合創辦人 Suhail Doshi 10 月 29 日凌晨在 X 宣布成立新公司 Particle，並推出首個模型 Particle-1。據 Particle 官方網誌，模型以中國 DeepSeek 的開源權重模型 DeepSeek V4.1 Flash 為基礎再訓練，在多種任務上平均少用約 45% token。token 是 AI 模型處理文字的計算單位，按量收費的服務用得愈少，成本就愈低，任務亦完成得較快。

首個版本主打軟件工程

Particle 指，首個版本集中處理軟件工程，日後會擴展到其他範疇。公司用強化學習訓練模型，獎勵它在完成任務的同時，少用推理和調用工具所花的 token。官方用四個編程基準測試評估：Terminal-Bench 2.1 測試編譯、除錯及設定系統等終端機工作，ReactBench 測試建立和修復 React 應用程式，ADE Bench 測試數據工程，DeepSWE 1.1 則測試需要讀懂整個程式庫的較長任務。

據官方網誌，Particle-1 在這四項測試的輸出 token 比 DeepSeek V4.1 Flash 少 28.4% 至 52.2%，每項任務平均成本低 34.4% 至 51.6%，一次過答對的比率則在基礎模型的信賴區間之內。官方分析指，其中三項測試約九成的節省來自推理過程。

編程以外的表現接近基礎模型

Particle 亦公布了訓練範疇以外的一般基準測試，Particle-1 的準確率與 DeepSeek V4.1 Flash 相近：

訓練方面，Particle 只加裝一個 rank-64 的 LoRA 轉接層，可訓練參數約等於模型總參數的 1.25%，毋須重新訓練整個模型。

在美國託管，標榜零資料保留

據 Particle 網站，公司設於三藩市，為開源權重模型提供推理服務。宣傳海報標明模型在美國託管，並提供零資料保留，即不保存用戶的請求內容。公司支持者包括 Y Combinator、Caffeinated Capital、8VC，以及 Patrick Collison、Aaron Levie、Adam D'Angelo 等個人投資者。

RuntimeWire 指，Suhail Doshi 聯合創辦 Mixpanel 後，再創辦了 Playground。Particle-1 已在 OpenRouter 等平台上架，開發者可直接經 API 使用。換言之，一家美國初創把中國的開源模型調教得更省 token，再以美國託管作賣點，向用 AI 代理寫程式的開發者推銷較低的每項任務成本。

來源

• Introducing Particle-1（原始文件）
• Suhail Doshi launches Particle to cut coding agents' token use（RuntimeWire）
• Particle-1 API Pricing & Providers（OpenRouter）