推理模型有一个被普遍抱怨的毛病:想得太多,收尾太啰嗦。10 月 28 日,初创公司 Particle AI 发布第一个模型 Particle-1,思路不是做更大的基座,而是用强化学习教同一个基座「把事做完,但少说话」——基座选的是 DeepSeek V4.1 Flash,官方口径是平均少用约 45% 的 token,任务还能更快收尾。

省下的都是什么 token

官方在四个基准上对比基座:Terminal-Bench 2.1(终端工作流)、ReactBench(React 应用开发)、ADE Bench(真实 dbt 数据工程)、DeepSWE 1.1(长程软件工程)。输出 token 少 28.4%-52.2%,单位任务成本低 34.4%-51.6%,pass@1 落在基座的置信区间内。合并口径:Particle-1 每任务 59,580 token、0.2211 美元、通过率 72.57%;基座 83,246 token、0.3368 美元、71.15%;对照的 GLM 5.3 Flash 是 0.6523 美元、66.82%。轨迹分析给出了解剖图:三个基准上约九成节省来自推理 token(DeepSWE 上工具调用文本另贡献约三成),最典型的模式是「验证通过就停,不再反复确认」——一个日历任务里,94% 的节省发生在正确文件写完之后。通用能力没塌:GPQA Diamond 90.40% 对基座 90.91%,MMLU 86.08% 对 85.98%。

训练配方本身是卖点

Particle 没有重训基座:rank-64 LoRA 只覆盖各层专家,可训练参数约等于全模型的 1.25%;优化器用 GSPO,对整条序列做重要性加权——他们试过的 token 级损失震荡后发散。数据由内部合成系统 Datamaker 生成 Harbor 格式任务,交给 Terminus 2 智能体求解并自动验证;训练栈基于开源 RL 框架 Miles,分两阶段按领域递进。法律合同审查的迁移实验更有意思:适配器强度 1 倍时省 24.6% token,八份报告全部合格;拉到 8 倍省 78.7%,八份只剩三份合格——压缩过头,连有用的限定条件也一起被压掉。

所以呢

这件事的信号比这家新公司本身大:模型的竞争轴正在从「分数」扩到「单位任务成本」,而 RL 后训练证明「少想一点」是可以被专门优化的能力。保留意见也要说清:全部数字出自官方自选基准,没有放出权重,目前仅 API 可用,复现要等第三方。对重度使用编程智能体的团队,这种「同分更便宜」的模型值得放进候选池跑一轮。原文见 Particle 官方博客。