Particle-1：Suhailのスタートアップ、DeepSeek V4.1 Flashより45%少ないトークンで動作
Particleは10月28日、コードエージェントタスクをより少ないトークンで実行するためにポストトレーニングされたDeepSeek V4.1 Flashの「Particle-1」を発表した。トークン単価は同じ。発表された性能向上はまだ第三者によって検証されていない。
Particleは、Suhail Doshi（MixpanelとPlaygroundの創業者）の新会社であり、10月28日に初のモデルParticle-1を発表した。狙いは最高精度のモデルを打ち負かすことではなく、同じコードエージェントの仕事をより少ないトークン、つまりより少ないコストで実行することだ。
簡潔さのために再トレーニングされたDeepSeek
Particle-1はゼロから設計されたモデルではない。ParticleはオープンなモデルであるDeepSeek V4.1 Flashを出発点とし、パラメータの約1.25%しか変更しない小さなLoRAアダプター（ランク64）に対して強化学習（GSPO手法）によるポストトレーニングを行った。報酬関数は、より少ない推論トークンとツール呼び出しで成功したタスクに報酬を与える。トレーニングはドメインごとに段階的に行われ（「Cascade RL」アプローチ）、RadixArkのオープンソースフレームワークMilesを使用した。
トークン単価は変わらない：入力100万トークンあたり0.30ドル、キャッシュ0.006ドル、出力1.20ドル。ベースモデルと同じ。節約は消費されるトークン数のみから生まれる。Particle-1はParticleのAPIで利用可能であり、Suhail DoshiはOpenRouter経由の推論サービスを発表した。
発表された性能向上、Particleによる測定
Particleによると、モデルは平均45%少ないトークンを消費する。4つのコードエージェントテスト（Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1）において、DeepSeek V4.1 Flashと比較して出力トークンが28.4〜52.2%少なく、タスクあたりのコストが34.4〜51.6%少ないとされ、精度はベースモデルと同等である。
平均して、Particleは72.57%の成功率を発表。DeepSeek V4.1 Flashの71.15%、GLM 5.3 Flashの66.82%に対し、平均コストはタスクあたり0.22ドル、それぞれ0.34ドルと0.65ドル。汎用能力は維持されているとされる（GPQA Diamond 90.40%対90.91%）。Particleはまた、1タスクのみのHarveyのLABテストで法律分野への汎化の兆候にも言及している。
検証が必要な点
これらの数字はすべてParticleからのものだ。独立したランキングはまだこれらを再現しておらず、発表された精度の差は小さい。実際の利益はタスクにも依存する。簡潔なエージェントは、ステップを飛ばさない場合にのみ有用だ。
編集部の見方
Particle-1は根本的なトレンドを示している。コードエージェントにとって、100万トークンあたりの表示価格よりも、タスクを完了するのに必要なトークン数が重要だ。同じ結果を得るためにより短く考えるモデルは、より高速でもある。この手法は開発者にとって興味深い。既存のオープンモデルから出発し、パラメータのごく一部のみを調整するからだ。しかし、性能向上が開発元によってのみ測定されている限り、それは約束として扱うべきだ。有用なテストは単純だ。自身のタスクで、元のDeepSeekに対する請求額と成功率を比較することだ。
出典
- Particle — Introducing Particle-1（立ち上げ記事） 一次情報
- X上のSuhail Doshi — Particle-1の発表 一次情報
- X上のSuhail Doshi — 結果と料金 一次情報
- X上のSuhail Doshi — OpenRouterでの推論サービス 一次情報
一次情報とは、当該企業・研究所・団体が直接発信した情報です。二次情報は、発信元ではない媒体が伝えた情報で、その旨を明記しています。誤りを見つけたら訂正方針をご覧ください。
