Particle-1 เผยแพร่: ปรับแต่งบนพื้นฐาน DeepSeek อัตราความสำเร็จของงานใกล้เคียงต้นฉบับ ลด Token ที่ส่งออกได้ประมาณ 45%

动察 Beating ข่าวด่วน AI แพลตฟอร์มวิเคราะห์ผลิตภัณฑ์ Mixpanel ผู้ร่วมก่อตั้ง และผู้ก่อตั้งแพลตฟอร์มภาพ AI Playground Suhail Doshi กลับมาสร้างธุรกิจอีกครั้ง ก่อตั้งบริษัทใหม่ Particle และเปิดตัวโมเดลแรก Particle-1 โมเดลนี้ผ่านการฝึกหลังการเรียนรู้แบบเสริมกำลังบนพื้นฐาน DeepSeek V4.1 Flash โดยเน้นลด Token ที่ Coding Agent ใช้เมื่อดำเนินงาน

ผลการประเมินด้านการเขียนโปรแกรมและวิศวกรรมข้อมูลสี่รายการที่ Particle เปิดเผยแสดงว่า เมื่อเทียบกับ DeepSeek เวอร์ชันต้นฉบับ Particle-1 ลด Token ที่ส่งออกได้ 28.4%～52.2% เฉลี่ยโดยรวมประมาณ 45% ขณะที่อัตราการผ่านงานยังอยู่ในช่วงความเชื่อมั่นทางสถิติของเวอร์ชันต้นฉบับ เมื่อประเมินด้วยราคาต่อ Token เดียวกันและอัตราการเข้าถึงแคชคงที่ ต้นทุนต่อข้อลดลง 34.4%～51.6%

Token ที่ประหยัดได้ส่วนใหญ่มาจากการ推理ที่กระชับขึ้น การลดการลองซ้ำ และการหยุดทันทีเมื่องานเสร็จ ในการทดสอบการติดตั้ง Git ครั้งหนึ่ง โมเดลทั้งสองทำงานสำเร็จ แต่ Particle-1 ส่งออกเพียง 15,892 Token ขณะที่เวอร์ชันต้นฉบับใช้ 47,006 Token

Particle-1 เปิดให้ใช้ API แล้ว และเชื่อมต่อกับ Vercel AI Gateway ข้อมูลประสิทธิภาพและต้นทุนในปัจจุบันส่วนใหญ่มาจากการทดสอบของทีมเอง