Mixpanel 创始人推出 Particle-1：同样能干，输出 token 少约 45%

AI 写代码已经不贵了，但智能体一跑起来，token 账单还是会吓人一跳。Mixpanel 创始人 Suhail Doshi 的新公司 Particle，用首个模型 Particle-1 直接冲着这件事来：同样把活干完，话说得更短。

在基座上「教它少说」

Particle-1 不是从零预训练的大模型，而是在 DeepSeek V4.1 Flash 上做后训练。公司称，他们在内部强化学习环境里训练，奖励函数同时盯两件事：任务要做对，推理和工具调用的 token 要尽量少。首发聚焦软件工程，后续才打算扩到别的领域。

官方给出的对比跑在四套基准上：终端工作流 Terminal-Bench 2.1、React 应用相关的 ReactBench、数据分析与工程 ADE Bench，以及更长周期的 DeepSWE 1.1。公司称，相对基座 DeepSeek V4.1 Flash，Particle-1 输出 token 平均少约 45%，分项大约在 28.4% 到 52.2% 之间；单任务平均成本低约 34.4% 到 51.6%，Pass@1 落在基座置信区间内。少说废话的同时，任务往往也会更快结束。

省下来的，大多是「想太多」

Particle 拆过一些成对轨迹，发现省 token 的常见路数并不玄：同样的动作少写一段内心戏；验收通过就收工，少来一轮再确认；少反复编译、修补；探索和边角验证也更收敛。公司称，在 Terminal-Bench、ReactBench 和 ADE 上，大约九成的节省来自 reasoning token；在 DeepSWE 上，工具调用文本也贡献了约三成。

也就是说，它卖的不是「更聪明的新架构」，而是「在已有强模型上，把啰嗦训掉」。对按 token 计费、又要让智能体多跑几轮的团队，这比单纯砍单价更直接。

现在就能接进工作流

Particle-1 已通过 Particle 自己的 API、OpenRouter 以及 Vercel AI Gateway 对外提供，上下文约 100 万 token 量级，面向终端、代码库改动和数据工程这类智能体场景。公司还展示过一些编码域外的早期信号，例如法律合同审阅任务上也能少写不少字，但那是举例，不是正式主打。

想试的团队，最实在的办法是拿自己的 harness，和 DeepSeek V4.1 Flash 并跑同一批任务：看通过率有没有掉、总输出 token 和端到端耗时掉了多少。省下来的如果主要来自「少啰嗦」而不是「少干活」，这类后训练才站得住。