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.
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。
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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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