Particle запустила модель для кода, которая тратит на 45% меньше токенов

Новая AI-лаборатория Particle, основанная создателем Playground и Mixpanel Сухейлом Доши, выпустила Particle-1 — модель для программирования, которая должна выполнять задачи агентов с меньшими затратами на рассуждения и вызовы инструментов. Модель уже доступна через API Particle.

Particle-1 получена с помощью обучения с подкреплением на базе DeepSeek V4.1 Flash. По данным Particle, на тестах Terminal-Bench 2.1, ReactBench, ADE Bench и DeepSWE 1.1 модель использовала на 28,4–52,2% меньше выходных токенов, а доля успешно выполненных задач оставалась в пределах доверительных интервалов базовой модели. В среднем Particle указывает результат 72,6% и стоимость 0,22 доллара за задачу против 71,2% и 0,34 доллара у DeepSeek V4.1 Flash.

Компания объясняет экономию более короткими рассуждениями, меньшим числом циклов исправления и остановкой сразу после проверки результата. Для программных агентов это важно: выходные токены влияют и на стоимость, и на задержку, даже если цена одного токена не меняется. Тарифы Particle совпадают с тарифами базовой модели DeepSeek.

Particle обучила небольшой LoRA-адаптер, эквивалентный примерно 1,25% параметров модели, вместо создания новой фундаментальной модели с нуля. Главная оговорка — все тесты и сравнения опубликованы самой компанией, а независимой проверки пока нет.