一个编码模型，输出 token 少了四成多，会不会把该想的步骤也省了？Particle 的 Particle-1 把这个问题摆到台面上：它在 DeepSee… · @yibie · TwKit

@yibie

一个编码模型，输出 token 少了四成多，会不会把该想的步骤也省了？Particle 的 Particle-1 把这个问题摆到台面上：它在 DeepSeek V4.1 Flash 上做后训练，平均少用约 45% 输出 token。 先看通过率。Particle 在四个编码基准上测了 Terminal-Bench 2.1、ReactBench、ADE 和 DeepSWE 1.1，输出 token 少 28.4%–52.2%，每题成本低 34.4%–51.6%，Pass@1 落在基座的置信区间内。汇总表里 Particle-1 每题 59,580 token、$0.2211，基座 83,246 token、$0.3368，通过率还高 1.4 个百分点。到这一步看，省得对。 省下来的是什么。推理 token 占了 Terminal-Bench 2.1、ReactBench 和 ADE 三个榜节省量的九成左右。模型靠「验证通过就收尾、少重复检查」省字，代码本身没写短。 问题出在训练方式：训练任务全部自带验证器，奖励函数一边奖任务成功，一边奖少用 token。模型学到的是在有裁判的环境里拿最小输出过裁判，没学过在没有标准答案的题上多想。 没有裁判的地方，代价就露出来。通用基准上 GPQA Diamond 90.40%（基座 90.91%），Tau Airlines 86.00%（基座 88.00%）。更直接的证据来自合同审查：适配器强度越高，输出越少，2× 时少 47.8%、4× 时少 60.2%，开始有报告漏掉一条标准。8× 时输出少 78.7%，八份报告只剩三份通过。先被压掉的永远是限定条件和多走的那条路。 怎么用：Particle API、OpenRouter 和 Vercel AI Gateway 都能调，AI Gateway 里模型名 particle/particle-1，1M 上下文，可挂进 Claude Code、Codex 和 Cursor。 我的判断：能不能用它，先看你的任务有没有裁判。有测试和验收规则兜底的批量编码活，它省的是空转思考，钱和时间都赚。需求模糊、答案要靠模型多试几条路的活，省下来的 token 后面会以返工的价格还回来。 原文链接在评论区 #AIAgent #模型评测 #成本

曝光 91 · 评论 1 · 点赞 0 · 书签 0