NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Particle、DeepSeek V4.1 Flashを後学習したParticle-1を公開――コードAgentの出力トークンを平均約45%削減と自社測定で発表

スタートアップのParticleは2026年10月28日、DeepSeek V4.1 Flashを基盤に追加学習したモデル「Particle-1」を公開しました。ソフトウェア開発とデータエンジニアリングのエージェント課題で、出力トークンを28.4〜52.2%削減し、タスク当たり平均コストを34.4〜51.6%下げたと発表しています。成功率はベースモデルの信頼区間内としていますが、数値はすべてParticleの自社測定で、独立した検証はまだありません。

Particleは2026年10月28日、ソフトウェア開発とデータエンジニアリングのタスクでトークン消費を抑えるよう追加学習したモデル「Particle-1」を公開しました。新しい基盤モデルを訓練するのではなく、既存のDeepSeek V4.1 Flashに後学習を施し、「成功に必要な推論量」を圧縮する方向です。Particle APIでOpenAI互換の形で提供が始まり、tool callingと画像入力、最大104万8,576トークンのコンテキストを公式ドキュメントが示しています。

「DeepSeek V4.1 Flashを後学習したParticle-1は、多様なタスクで平均約45%少ないトークンで済む、トークン効率の大きな向上を示します。」

Particle-1, post-trained on DeepSeek V4.1 Flash, sees large improvements in token efficiency using around ~45% fewer tokens on average across a wide variety of tasks.

Particle公式ブログ「Introducing Particle-1」(2026年10月28日)

測定結果の中身

発表の比較対象は基盤のDeepSeek V4.1 Flashと、Particleが同じプラットフォームで提供するGLM 5.3 Flashです。Terminal-Bench 2.1、ReactBench、ADE Bench、DeepSWE 1.1の4ベンチマークを、Terminus 2エージェント、512kトークンの上限、温度1、最大reasoningという共通条件で測りました。全体の平均では、Particle-1の1タスク当たりコストは0.2211ドル、平均出力トークンは5万9,580、タスク通過率は72.57%。DeepSeek V4.1 Flashは0.3368ドル(1.5倍)、8万3,246トークン、71.15%、GLM 5.3 Flashは0.6523ドル(3.0倍)、9万8,155トークン、66.82%でした。コストは失敗を含む全試行の平均に、キャッシュヒット率95%を仮定して計算されています。

図解Particle-1と比較モデルの4ベンチマーク平均(Particle測定)
  • Particle-1

    1タスク平均コスト
    0.2211ドル
    平均出力トークン
    59,580
    タスク通過率
    72.57%
  • DeepSeek V4.1 Flash基盤モデル

    1タスク平均コスト
    0.3368ドル(1.5倍)
    平均出力トークン
    83,246
    タスク通過率
    71.15%
  • GLM 5.3 Flash

    1タスク平均コスト
    0.6523ドル(3.0倍)
    平均出力トークン
    98,155
    タスク通過率
    66.82%

Particle公式ブログ(2026年10月28日)の4ベンチマーク平均。脚注の料金設定(入力0.30ドル・キャッシュ入力0.006ドル・出力1.20ドル、キャッシュヒット率95%)で、失敗を含む全試行を平均した同社測定値。独立検証はまだない。

後学習の方法

訓練は強化学習で、社内の合成データシステムDatamakerがHarbor形式の課題環境を作り、Terminus 2エージェントに解かせて検証する構成です。専門家層(experts)にrank-64のLoRAアダプターを付け、学習可能パラメータはモデル全体の約1.25%相当。方策更新にはGSPOを採用し、学習率は5e-5一定に保ったと発表しています。トークン削減の内訳は、Terminal-Bench 2.1、ReactBench、ADE Benchでは推論トークンが約90%で、DeepSWE 1.1ではツール呼び出しテキストも約30%寄与しました。削減の主な源泉として、同じ行動に要する推論の短縮、完了後の作業停止、試行と修復の回数減、探索と検証の集中の4パターンを挙げています。

図解Particle-1の後学習と提供の流れ
  1. 01 基盤

    DeepSeek V4.1 Flash

    Particleが訓練・提供するのはこの後学習版。重みの一般公開は確認できない

  2. 02 環境生成

    Datamaker / Harbor

    コーディングとデータエンジニアリングの課題を合成データシステムで構築

  3. 03 強化学習

    Cascade RL+GSPO

    rank-64 LoRA(約1.25%)を段階的に学習。学習率5e-5一定

  4. 04 報酬

    成功×少トークン

    タスク成功を保ちながら推論とツール呼び出しのトークンを減らす方向

  5. 05 提供

    Particle API

    OpenAI互換。入力0.25ドル・キャッシュ入力0.03ドル・出力1.00ドル(1Mトークン)

Particle公式ブログ(2026年10月28日)と公式ドキュメントのモデルカタログによる整理。

料金と数字の読み方

注意すべきは、発表記事の脚注がベンチマーク用に1Mトークン当たり入力0.30ドル、キャッシュ入力0.006ドル、出力1.20ドルを仮定しているのに対し、現行カタログのParticle-1料金は入力0.25ドル、キャッシュ入力0.03ドル、出力1.00ドルで一致しない点です。脚注ベースの0.2211ドル/タスクを現行料金での請求額として読むことはできません。また「約45%削減」は4ベンチマークの平均で、個別のタスク範囲は28.4〜52.2%と幅があります。

精度の一般性について、訓練範囲外のベンチマークではGPQA Diamond 90.40%(ベース90.91%)、MMLU 86.08%(85.98%)などベースモデルに近い値を報告しています。法的業務への波及の例として、Harvey LABの契約審査課題で出力を24.6%減らしつつ8件すべての基準に合格したとする測定も載せていますが、これは単一タスク・8件の例示です。削減により省かれたテストや文書化が成果物の質にどう影響するかは、会社自身が解釈時の注意点として挙げています。

エージェント利用の請求額は、1トークンの単価に加えて、タスクを完了するまでの推論・ツール呼び出し・再試行の回数で決まります。Particle-1の主張は、単価を上げずにこの量を減らせるというもので、同じ性能なら「成功タスク1件当たりのコスト」で比較する見方を後押しします。ただし数値はTerminus 2という特定のエージェント構成での自社測定であり、別のharnessや実務環境での再現、失敗率や実行時間の比較は独立した検証を待つ段階です。

出典

  1. Particle公式ブログ「Introducing Particle-1」(2026年10月28日公開、2026年10月31日確認)全文確認。公開日、DeepSeek V4.1 Flash後学習、平均約45%削減、4ベンチマークで出力28.4〜52.2%減・コスト34.4〜51.6%減、pass@1はベースの信頼区間内、Datamaker/Harbor/Terminus 2、Cascade RL、rank-64 LoRA約1.25%、GSPO、削減内訳(推論約90%等)、比較表(0.2211/0.3368/0.6523ドル、59,580/83,246/98,155トークン、72.57/71.15/66.82%)、脚注の料金設定(0.30/0.006/1.20ドル・キャッシュ95%)、GPQA等の範囲外精度、Harvey LAB例(24.6%減・8件合格)を確認
  2. Particle公式ドキュメント「Model catalog」(2026年10月31日確認)全文確認。リクエスト時のモデル名particle-1、応答のID particle-ai/particle-1、コンテキスト104万8,576トークン、画像入力とtool calling、Particle-1料金は1Mトークン当たり入力0.25ドル・キャッシュ入力0.03ドル・出力1.00ドルを確認

出典の確認日 2026.10.31

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  2. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む
  3. Google、GeminiのエージェントをTasksへ刷新──日本を含む6カ国で無料提供を順次開始、Gemini 4 Hydrogenとアカウント専用VMで実行

    グーグルは2026年11月17日、Geminiアプリの常時稼働型エージェントを「Tasks」として刷新し、米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料提供を順次開始すると発表した。Gemini 4 Hydrogenを使い、ホーム画面のトグルをChatからTaskへ切り替えると、Google CloudのAgent Compute Engineが提供するアカウント専用のハードウェア隔離VMでタスクを実行する。電話発信やgemini@google.comへのメール転送、SMSによる指示は米国から順次の提供で、日本で同等の機能が使えるとは発表されていない。重要な操作の前に確認や事前承認を求める設計も明らかにした。

    記事を読む