Particle-1 省token程式代理模型發表，節省幅度要用自己帳單重算

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

美國新創 Particle 在 10 月 28 日發表第一款自有模型 Particle-1，先給結論：團隊若已經有固定、可驗收的程式工作與測試，這個模型值得放進比較清單；若任務沒有明確的完成標準，只憑「平均少用約 45% token」就換模型，帳單和交付內容都可能不如預期。這個模型以 DeepSeek V4.1 Flash 為基礎做後訓練，首發聚焦軟體工程，目前只透過 API 供應，權重沒有開放下載，同一天也上架了 OpenRouter。文中數字以 Particle 官方公告與 API 文件為準。

先看事件本身的時間軸。官方部落格文章的日期是 10 月 28 日；OpenRouter 的模型條目建立於同日 17 時 18 分（UTC，台北時間 29 日凌晨 1 時 18 分）；創辦人 Suhail Doshi 的宣布貼文落在同日 22 時 26 分（UTC，台北時間 29 日上午 6 時 26 分），文中同時確認了與 OpenRouter 的合作。Doshi 先前創辦分析工具公司 Mixpanel，這次創業的投資人名單包含 Y Combinator、Caffeinated Capital、8VC，以及 Stripe 的 Patrick Collison、Box 的 Aaron Levie、Quora 共同創辦人與 OpenAI 董事會成員 Adam D’Angelo 等天使，公司登記在舊金山。

省 45% 之前，先分清省的是思考還是動作

Particle-1 的核心宣稱是token效率：在 Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1 四項基準上，輸出token比基礎模型減少 28.4% 至 52.2%，每任務平均成本下降 34.4% 至 51.6%，首次嘗試成功率則落在基礎模型的信賴區間內。這四項測試分工明確：Terminal-Bench 2.1 考終端機工作（編譯、除錯、系統設定），ReactBench 考 React 應用的建立與修正（含功能、效能與無障礙），ADE Bench 用真實 dbt 專案與資料庫考資料工程，DeepSWE 1.1 則是需要理解整個程式庫的較長任務。對照組的選擇也有看頭：同一張圖表同時放了 GLM 5.3 Flash，在 DeepSWE 1.1 分頁上，Particle-1 每任務成本 0.2211 美元、平均輸出 59,580 tokens、通過率 72.57%；DeepSeek V4.1 Flash 是 0.3368 美元、83,246 tokens、71.15%；GLM 5.3 Flash 則是 0.6523 美元、98,155 tokens、66.82%。

Pin

更值得拆開看的，是節省從哪裡來。公告分析顯示，在三項基準上約 90% 的節省來自推理文字（模型「想」的部分），DeepSWE 1.1 另有約 30% 來自工具呼叫文字。兩個官方案例把這件事講得很清楚：行事曆排程任務中，兩款模型都用了四次模型呼叫與六個命令完成正確結果，約 94% 的節省發生在正確檔案已經寫好之後，收尾確認從 5,193 tokens 縮到 1,078；而 pMARS 編譯任務中，Particle-1 先查看 Makefile 再選參數執行，模型往返從 18 次降到 12 次。前者是「想得更少」，後者是「做得更少」。如果你的工作需要詳細的交接紀錄與逐項檢查清單，收尾確認變短未必符合期待，這點官方在案例說明裡也自己承認了。

逐案攤開的紀錄裡還有第三種情況：省下的有一部分來自選了不同的解法。ADE Bench 的一個主鍵任務中，Particle-1 直接沿用專案裡現成的代理鍵巨集，基礎模型則自己實作遞增鍵並補上驗證，兩邊做出來的鍵產生語義並不相同，官方也明說這份節省反映的是不同的解法，與單純把說明寫短是兩回事。反過來的案例同樣值得看：Git 部署任務裡 Particle-1 的模型呼叫次數其實略多於基礎模型，輸出照樣從 43,907 降到 14,840 tokens，最後兩次確認從 11,445 縮到 1,765；go-git 合併衝突任務裡，基礎模型把同一套手動測試重複跑了 20 次，往返 118 次對 86 次。這些紀錄共同說明一件事：token 總量與動作數量會脫鉤，單看其中一個，都推不出另一個。

離開訓練領域後的掉分也有限：GPQA Diamond 90.40%（基礎模型 90.91%）、Tau Airlines 86.00%（88.00%）、Standard MMLU 86.08%（85.98%）、帶工具的 BabyVision 89.18%（89.60%）。這組數字支持「效率提升沒有明顯犧牲通用準確度」的說法，但都是單次發布的量測，屬於作者宣稱，尚無第三方覆核。

評測的美元和你的美元之間有三道換算

公告腳註把測試條件寫得比多數模型發布完整：四項基準統一使用 Terminus 2 代理、512k token 上限、溫度 1、top_p 0.95、最強推理設定，Terminal-Bench 2.1 排除了 fastText 題目；每題產生 16 次嘗試，成本平均把失敗也算進去；快取命中率固定假設 95%。評測採用的單價是每百萬token輸入 0.30 美元、快取輸入 0.006 美元、輸出 1.20 美元，而且 Particle-1 與 DeepSeek 同價，所以成本差確實來自用量，不是價差。

把失敗嘗試一起平均，是這份測試少見的誠實做法。模型每題跑 16 次取出全部結果，平均token數計的是所有有效回合（被基礎設施中斷的排除），不是只挑成功那一輪；真實工作也會重試，只看成功回合的成本比較容易高估省費。代價是這些數字離「你的任務」更遠了一步：16 次取樣的變異、代理環境的固定設定，都會讓單一任務的實際數字偏離平均。

問題在於，這組單價與現行價目不同，而且現行價目本身就有兩個版本。官方模型目錄現在列的是輸入 0.25 美元、快取輸入 0.03 美元、輸出 1.00 美元；OpenRouter 條目上快取讀取價卻是 0.003 美元，與官方文件的 0.03 美元相差十倍。兩個都是官方供應面，下單前請以結帳頁實際數字為準。

表中三列回答三個不同問題：目錄與 OpenRouter 是今天下單的價格基準，公告那一列只說明研究如何算出每題成本。換算到自己的帳單還有兩道：你的快取命中率未必是 95%，若每次都帶入大量新檔案，命中低於假設，省費幅度就會縮水；輸入與輸出的比例也決定你受哪一端影響，短輸入長推理的工作對輸出價格敏感，大量新程式碼進場的工作則要先看輸入與快取。公告在 95% 命中假設下算出的混合輸入單價是每百萬token 0.0207 美元（GLM 為 0.0360 美元），這個數字方便對照，卻綁著同樣的命中假設。實際採用時把同一件工作從開始到可交付的總用量記下來，分開輸入與輸出，再對上當時單價，才算得出屬於自己的節省。Windows 上想盯用量的人可以搭配DeepSeek API 用量監控工具的思路自建。

壓縮強度拉到八倍，八份報告只剩三份過關

這篇公告最不尋常的地方，是官方連壓縮的副作用都自己量化了。研究團隊拿 Harvey LAB 的一個合約審閱任務做實驗：代理要讀四份法律文件，檢查仲裁條款是否符合仲裁機構規則，並寫出標註偏離項目、嚴重度與建議的報告，再把後訓練用的 LoRA 適配器強度從 0.25 倍一路拉到 8 倍。結果呈現一條清楚的取捨曲線：標準 1 倍強度下，Particle-1 用少 24.6% 的輸出寫完八份報告，全部通過兩位評審的所有條件，基礎模型通過率只有 62.5%，這也是全文唯一準確率明顯反超的地方；2 倍強度省 47.8%，開始有一兩份各漏掉單一條件；8 倍強度省 78.7%，八份只剩三份通過嚴格檢查。

換句話說，激進壓縮省掉的不只有冗餘分析，還包括有用的限定與說明。要注意這顆旋鈕目前拿不到：適配器強度只出現在研究文章裡，API 上的推理控制是 reasoning_effort 階梯（none 到 max、ultra，預設 high）加上可直通引擎的整數 effort（1 到 100，是強度刻度不是 token 預算），文件裡找不到 adapter 或 alpha 參數。

訓練方法本身也有幾個可核對的細節。獎勵函數同時看「任務是否解開」與「用了多少token」；任務集以 Harbor 格式自建，搭配名為 Datamaker 的合成資料系統；訓練分成兩個階段（Cascade RL），第一階段只練 coding，就已經讓資料工程任務的用量下降約 20%，第二階段才把重心轉向資料工程；訓練基礎設施用 RadixArk 的開源 RL 框架 Miles；實際調整的是覆蓋全部層專家的 rank-64 LoRA，可訓練參數約當模型的 1.25%，最佳化方法用序列級的 GSPO。這條路線對中小團隊的意義在於：在開放權重的基礎模型上，用很小比例的參數做後訓練就能改變用量行為，不過 Particle-1 本身的權重並未開放，想重現只能走它的 API。

接上服務前值得先核對的邊界

模型目錄列出的硬限制一目瞭然：上下文 1,048,576 tokens（提示與生成合計）；請求未指定輸出限制時預設上限 32,000 tokens，明確要求的上限再高也會被夾到 131,072。輸入接受文字與圖片、輸出只有文字，圖片單張上限 16 MiB、合計 100 MiB，私有網路位址、本機路徑、純 HTTP、音訊與影片輸入一律以 400 錯誤拒絕。工具呼叫支援 OpenAI 規格的 tools 與 tool_choice；結構化輸出則明寫「未宣稱支援」，json_object 可用、json_schema 會照轉，但沒有 schema 保證路徑，流程若依賴固定欄位，解析與驗證要自己保留。

Pin

資料面是這家公司的另一個賣點：推理流量採零資料保留，提示與回應只在記憶體內處理、不落地；用量紀錄只含每請求的token數、模型、金鑰歸屬與成本，沒有內容；上傳檔案保存到刪除為止、綁定單一金鑰、不用於訓練；前綴快取是短暫的效能快取，不會外傳；WebSocket 串流介面明確拒絕持久化儲存選項，連線中斷後對話紀錄不保留，需要恢復機制的應用得自存工作狀態。對要把程式碼送進模型的企業來說，這幾條寫進文件承諾，比行銷頁的口號可用。

計費面也有幾條文件寫清楚、新聞稿通常不提的規則。輸出按「模型生成的一切」計費，推理token包含在輸出價裡、沒有另立名目，這對一個以推理文字為主要節省來源的模型特別實際；輸入是提示扣掉快取前綴後的部分，快取前綴走較低的快取價。帳務走預儲值，餘額歸零時請求會直接回 402、不處理也不收費，可開自動儲值。另外有一個 Flex 服務層：願意讓工作在忙碌時段排隊的請求，token價格打對折，事後可用回應標頭確認該次跑在哪一層；託管網頁搜尋按每千次搜尋另外計費，空結果照收，且不適用 Flex 折扣。推理控制上，三款模型預設都是 high，Particle-1 與 DeepSeek 可用 reasoning_effort 設 none 關掉思考，GLM 5.3 Flash 則沒有關閉選項。

API 與 OpenRouter 都能接，未定事項先列清楚

現在就能做的：在 Particle 平台申請 API 金鑰直接接（OpenAI 相容介面，模型 ID 為 particle-ai/particle-1），或從 OpenRouter 呼叫同一個模型，後者也方便放進既有的模型路由器做 A/B 對照；文件另提供 LiteLLM 整合頁，團隊現有的閘道設定可以照搬。對照時沿用公告自己的方法學最不容易踩坑：固定任務、固定驗收條件、把失敗重試的成本一起算，讀法可以參考AI 代理評測的兩軸讀法，品質與交件分開看。

還不確定的部分也要說清楚：公告提過法律與資安領域有早期跡象、其他領域要等後續版本，時間未定；價格已經在兩個官方表面之間不一致，日後調整不意外；文件沒有提繁體中文或任何語言涵蓋的保證；服務上線才兩天，穩定性與服務水準尚無紀錄可查。這幾項就是採用前值得回查的清單，價格與模型清單以官方目錄與 OpenRouter 頁面為準。

回到開頭的判斷。Particle-1 把「用更少token把事做完」寫進訓練目標，連失敗成本與壓縮副作用都攤在公告裡，這讓它的省費主張比一般發布扎實；但「平均少用約 45% token」是被評測條件框住的數字，能不能變成你帳單上的省費，取決於你帶進去的任務有沒有可以核對的終點，以及你願意留下多少收尾說明。任務有測試與驗收清單、工作以短輸入長推理為主的團隊，最有可能先把這 45% 換成真錢；工作以大量新輸入進場、或交付需要完整推理紀錄的團隊，先跑一輪自己的對照再決定，會比直接換模型穩。