Particle-1 учит кодового агента тратить меньше токенов: минус 45% при той же точности

Particle-1 построена на DeepSeek V4.1 Flash и дообучена обучением с подкреплением: функция награды поощряет успешное решение задачи при меньшем числе токенов на рассуждения и вызовы инструментов. Первый релиз сфокусирован на программировании и инженерии данных, другие области компания обещает позже.

Компания оценила модель на четырех тестах: Terminal-Bench 2.1, ReactBench, ADE Bench и DeepSWE 1.1. На них Particle-1 тратит на 28.4-52.2% меньше выходных токенов и снижает среднюю цену задачи на 34.4-51.6% по сравнению с базовой моделью, а точность по первому проходу остается в пределах доверительных интервалов базовой модели.

Разбор траекторий показал четыре приема: меньше рассуждений при тех же действиях, остановка после проверки решения, меньше циклов проб и исправлений и более сфокусированная проверка вариантов. В примере развертывания из Git на Terminal-Bench 2.1 модель сократила вывод с 47,006 до 15,892 токенов, а два финальных подтверждения - с 11,445 до 1,765 токенов.

Экономия не бесплатна: в задаче проверки договора при усилении адаптера в 4 раза выход упал на 60.2%, но один или два отчета из восьми уже не проходили строгую проверку, а при усилении в 8 раз проходили только три из восьми. Particle-1 доступна через API компании, а цена на OpenRouter составляет $0.05 за миллион входных и $0.50 за миллион выходных токенов.