Particle-1Кодинг-модель на базе DeepSeek, которая решает задачи короче: по данным компании, на 28% меньше токенов
Партикл-1 · нейросеть Particle AI для разработки
Particle-1 — это модель стартапа Particle AI: DeepSeek V4.1 Flash, дообученная с подкреплением тратить меньше токенов на рассуждение и вызовы инструментов. По данным самой Particle, на четырёх кодинговых тестах она решает задачи не хуже базы, но на 28,4% короче. Контекст — 1 048 576 токенов, веса закрыты.
Простыми словами: в камере Вильсона частица оставляет светящийся след. Здесь след — это токены, которые модель тратит на задачу. Подвиньте ползунок: синий след базы укорачивается до зелёного следа Particle-1.
треки = токены на задачу
Иллюстрация: 39 условных треков, их длина показывает среднее число токенов по сводной таблице Particle (83 246 → 59 580). Реальный расход зависит от задачи и колеблется от −28,4% до −52,2% по тестам.
Particle-1 — это DeepSeek, дообученная на краткость
Название звучит как новая архитектура, но это надстройка: тонкий адаптер LoRA поверх DeepSeek V4.1 Flash. Её учили не знать больше, а тратить меньше: за решённую задачу модель получает награду, а за лишние токены рассуждения и вызовов инструментов — штраф.
| Параметр | DeepSeek V4.1 Flash | Particle-1 |
|---|---|---|
| Кто сделал | DeepSeek | Particle AI (Сан-Франциско), основатель — Suhail Doshi, сооснователь Mixpanel |
| Что это | Универсальная модель, MoE, текст и картинки на входе | Та же модель после дообучения с подкреплением: тонкий адаптер LoRA, около 1,25% параметров |
| Задача дообучения | Общая | Решать инженерные задачи, тратя меньше токенов на рассуждение и вызовы инструментов |
| Токенов на задачу | 83 246 | 59 580 (−28,4%; диапазон по тестам от −28,4% до −52,2%) |
| Доля решённых задач | 71,15% | 72,57% (по словам Particle, в пределах доверительных интервалов базы) |
| Цена задачи при одинаковых ставках | ×1,0 | ×0,66 (по таблице Particle; ставки за токен у провайдеров разные) |
| Контекст | 1 048 576 токенов | 1 048 576 токенов, ответ до 131 072 |
| Веса | Открытые, MIT | Закрыты: только через API |
Кому полезна эта справка: командам, которые гоняют агентов-программистов и считают стоимость готовой задачи, а не токена. Все числа здесь — данные Particle, независимых проверок пока нет.
Particle-1 в 12 фактах
Что известно о модели, а что остаётся неясным. Сверено на 02.11.2026; источники — в конце страницы.
Particle AI
Стартап из Сан-Франциско; о запуске объявил Suhail Doshi, сооснователь Mixpanel. Среди инвесторов называют Y Combinator, Caffeinated Capital и 8VC.
Кодинг-модель на базе DeepSeek
Не обучена с нуля: DeepSeek V4.1 Flash, дообученная с подкреплением, чтобы решать задачи короче.
28 октября 2026
Первая модель компании; сразу доступна через API Particle и агрегаторы.
LoRA ранга 64 + GSPO
Адаптер на экспертах во всех слоях, около 1,25% параметров; награда за решение и штраф за токены рассуждения и вызовов.
1 048 576 токенов
Запрос и ответ вместе; ответ по умолчанию до 32 000 токенов, явный предел — 131 072.
Текст и картинки → текст
Картинки: base64 или публичная ссылка HTTPS, до 16 МиБ каждая и до 100 МиБ суммарно.
Есть, по умолчанию high
Уровень задаёт параметр reasoning_effort.
Вызов функций поддерживается
Формат tools и tool_choice как у OpenAI; документация отмечает поддержку как условную.
Не гарантирован
json_object принимается, json_schema передаётся дальше без гарантии соблюдения схемы.
Закрытая, только API
У DeepSeek V4.1 Flash лицензия MIT, но адаптер Particle не опубликован; планов компания не называла.
Не указана
Ни Particle, ни агрегаторы не называют дату, поэтому не угадываем.
Разработка ПО и данные
Первый релиз про программную инженерию и инженерию данных; другие области обещаны позже без сроков.
Три модели, три трека: кто тратит меньше
Сводная таблица Particle по четырём кодинговым тестам: Terminal-Bench 2.1, ReactBench, ADE Bench и DeepSWE 1.1. Выберите метрику: чем короче трек, тем меньше токенов или дешевле задача.
Таблица: токены, цена задачи и точность
| Модель | Токенов на задачу | Цена задачи | Доля решённых |
|---|---|---|---|
| Particle-1 | 59 580 | ×1,0 | 72,57% |
| DeepSeek V4.1 Flash | 83 246 | ×1,5 | 71,15% |
| GLM 5.3 Flash | 98 155 | ×3,0 | 66,82% |
Оговорка: Particle прогнала по 16 прогонов на задачу агентом Terminus 2, с лимитом 512 тыс. токенов и максимальным рассуждением. Это её методика, перепроверить пока некому.
Откуда берётся экономия
Адаптер LoRA ранга 64 затрагивает около 1,25% параметров. Обучение в два этапа (Cascade RL): сначала программирование, потом инженерия данных, алгоритм GSPO на внутренних задачах с проверяющими тестами. По данным Particle, экономия складывается из нескольких привычек.
экономии — это более короткое рассуждение
На Terminal-Bench 2.1, ReactBench и ADE Bench, по данным Particle.
экономии на DeepSWE — текст вызовов инструментов
Здесь модель меньше пишет в самих вызовах, а не только думает.
остановка после проверки
Модель реже перепроверяет уже подтверждённый результат.
проб и ремонтов
Меньше раундов «попробовать и поправить» и меньше обхода альтернатив.
Ручка адаптера: что будет, если прибавить силу
Единственный тест вне программирования: один юридический разбор договора (Harvey LAB), по 8 прогонов на настройку. Он показывает цену чрезмерной краткости.
Таблица: сила адаптера и результат
| Сила адаптера | Меньше выходных токенов | Пройдено строгой проверки |
|---|---|---|
| База · Без адаптера | нет данных | не раскрыто |
| 1× · Как в релизе | −24,6% | 8 из 8 |
| 8× · Эксперимент | −78,7% | 3 из 8 |
Это иллюстрация, а не доказательство для всей юриспруденции: тест один, договор один. Вывод для практики — не «усиливать до предела», а проверять качество на своих задачах.
Точность на уровне базы: что показали тесты
На кодинговых тестах доля решённых у Particle-1 — 72,57% против 71,15% у базы; по словам Particle, разница в пределах доверительных интервалов. Вот четыре теста, на которых модель училась и проверялась.
Terminal-Bench 2.1
Работа в терминале: сборка, отладка, настройка системы (без задачи fastText).
ReactBench
Создание и починка React-приложений: функции, скорость, доступность.
ADE Bench
Аналитика и инженерия данных на настоящих проектах dbt и базах.
DeepSWE 1.1
Длинные задачи: понять кодовую базу, реализовать, проверить.
Общие тесты: без заметных потерь
Таблица: общие тесты
| Тест | Particle-1 | DeepSeek V4.1 Flash | Разница, п.п. |
|---|---|---|---|
| GPQA Diamond | 90,40% | 90,91% | −0,51 |
| MMLU | 86,08% | 85,98% | +0,10 |
| Tau Airlines | 86,00% | 88,00% | −2,00 |
| BabyVision с инструментами | 89,18% | 89,60% | −0,42 |
Самая заметная просадка — Tau Airlines: 86,00% против 88,00% у базы. На GPQA Diamond Particle-1 чуть ниже (90,40% против 90,91%), на MMLU чуть выше. Все цифры — самоотчёт Particle.
Цена задачи, а не токена: что известно
Задача у Particle-1 дешевле, пока ставки за токен одинаковы. Но у реальных провайдеров они расходятся, поэтому итог нужно считать на своём трафике. Конкретных сумм мы не приводим.
Четыре версии, не сходятся
Официальные документы Particle, Vercel AI Gateway, OpenRouter и сам запуск называют разные ставки; у Vercel — примерно вдвое ниже, у OpenRouter ещё ниже, а запуск сравнивает по ставкам DeepSeek. Сумм мы не приводим.
Задача дешевле на 34–52%
По таблице Particle средняя цена задачи ниже на 34,4–51,6% в зависимости от теста, но при одинаковых ставках для обеих моделей.
Днём США дешевле может быть база
Tokencost.app, пересчитав по официальным ставкам Particle с допущением о кэше: днём по времени США база дешевле примерно на 45%, ночью Particle-1 чуть дешевле, в среднем за неделю база дешевле примерно на 21%.
Читать контекст у Particle дороже
Ставка за кэшированный вход у Particle, по расчёту Tokencost, около пяти раз выше пиковой у DeepSeek, а агентам кэш нужен почти на каждом шаге.
Скорость: что измерил провайдер
≈0,5 с
Медиана за 24 часа у провайдера Particle в Vercel AI Gateway.
≈131
Медиана за 24 часа там же; у других провайдеров и при другой нагрузке будет иначе.
high
Чем выше уровень, тем больше токенов уходит до ответа.
Скорость — данные провайдера за сутки, а не независимый замер; у других площадок цифры будут другими. Независимых замеров Particle-1 на 02.11.2026 мы не нашли.
Когда брать Particle-1: выберите задачу
Восемь типичных задач с вердиктом: подходит, проверьте на своей задаче или лучше другая модель. Вердикты опираются на тесты Particle и документацию, а не на независимые замеры.
Particle-1
Терминальные задачи — прямой фокус обучения: сборка, отладка, конфиги. Экономия токенов тут заявлена, точность в пределах базы. Данные — Particle.
На чём основано: Particle, Terminal-Bench 2.1Particle-1
ReactBench — один из четырёх тестов обучения: приложения, скорость, доступность. Но тест написала сама компания.
На чём основано: Particle, ReactBenchParticle-1
ADE Bench строится на настоящих проектах dbt. Часть экономии — другой способ решения, а не только короткие ответы: сверяйте результат.
На чём основано: Particle, ADE BenchСначала проверьте на своей задаче
На DeepSWE 1.1 около 30% экономии даёт сокращение текста вызовов, и модель меньше проверяет. Для длинных задач сравните качество с базой.
На чём основано: Particle, DeepSWE 1.1Проверьте и валидируйте
Документация не гарантирует соблюдение json_schema: ставьте проверку ответа и повтор.
На чём основано: Документация Particle APIОсторожно, данных мало
Единственный тест — один договор и восемь прогонов. На стандартной силе адаптера все критерии пройдены, но выводов делать нельзя.
На чём основано: Particle, Harvey LABФлагман или база
На GPQA Diamond Particle-1 на уровне базы (90,40% против 90,91%), выигрыша нет. Для самых трудных задач смотрите флагманы.
На чём основано: Particle, GPQA DiamondDeepSeek V4.1 Flash
Адаптер Particle закрыт, модель доступна только по API. Нужны веса — берите базу с лицензией MIT.
На чём основано: Particle; DeepSeekТаблица: задачи и вердикты
| Задача | Что выбрать | Почему |
|---|---|---|
| Терминал и сборка | Particle-1 | Терминальные задачи — прямой фокус обучения: сборка, отладка, конфиги. Экономия токенов тут заявлена, точность в пределах базы. Данные — Particle. |
| React-интерфейс | Particle-1 | ReactBench — один из четырёх тестов обучения: приложения, скорость, доступность. Но тест написала сама компания. |
| Аналитика и dbt | Particle-1 | ADE Bench строится на настоящих проектах dbt. Часть экономии — другой способ решения, а не только короткие ответы: сверяйте результат. |
| Большой репозиторий | Сначала проверьте на своей задаче | На DeepSWE 1.1 около 30% экономии даёт сокращение текста вызовов, и модель меньше проверяет. Для длинных задач сравните качество с базой. |
| Строгий JSON по схеме | Проверьте и валидируйте | Документация не гарантирует соблюдение json_schema: ставьте проверку ответа и повтор. |
| Разбор договора | Осторожно, данных мало | Единственный тест — один договор и восемь прогонов. На стандартной силе адаптера все критерии пройдены, но выводов делать нельзя. |
| Трудные научные вопросы | Флагман или база | На GPQA Diamond Particle-1 на уровне базы (90,40% против 90,91%), выигрыша нет. Для самых трудных задач смотрите флагманы. |
| Открытые веса и своё железо | DeepSeek V4.1 Flash | Адаптер Particle закрыт, модель доступна только по API. Нужны веса — берите базу с лицензией MIT. |
Particle-1, DeepSeek V4.1 Flash и GLM 5.3 Flash: кто для чего
Данные по токенам и точности — из сводной таблицы Particle по четырём кодинговым тестам. С флагманами вроде Claude Opus 5.5 или GPT-6.1 Sol модель в её материалах не сравнивали, поэтому места в общем рейтинге у неё пока нет.
| Модель | Для чего | Токенов на задачу | Доля решённых | Веса |
|---|---|---|---|---|
| Particle-1 | Инженерные задачи при ограниченном бюджете токенов | 59 580 | 72,57% | Закрытые веса |
| DeepSeek V4.1 Flash | Универсальная рабочая модель, открытые веса | 83 246 | 71,15% | MIT |
| GLM 5.3 Flash | Сравнение у Particle: втрое дороже по задаче | 98 155 | 66,82% | Закрытые веса у Z.ai |
Подробнее про базу: DeepSeek V4.1 Flash 1017. Для самых трудных задач смотрите Claude Opus 5.5 и GPT-6.1 Sol.
Как пользоваться из России: выберите маршрут
Самый простой путь — попробовать топовые нейросети онлайн в Strelka AI. Остальные варианты проверяйте на доступность и условия сами.
API Particle
Алиас particle-1 в OpenAI-совместимом API; идентификатор в списке моделей — particle-ai/particle-1. Нужен ключ и положительный предоплаченный баланс, если у ключа нет бесплатного доступа. Документация советует начинать с него для чата, агентной разработки и вызова инструментов.
- Документация: docs.particle.ai, быстрый старт там же.
- Условия оплаты из России проверяйте сами: источники про это молчат.
- Скорость и ставки у других провайдеров другие.
Агрегаторы
OpenRouter (particle-ai/particle-1), Vercel AI Gateway (particle/particle-1) и Blackbox (blackboxai/particle/particle-1) подключают ту же модель. Vercel принимает формат OpenAI Chat, Responses и Anthropic Messages.
- Единственный провайдер у всех — сама Particle.
- Ставки у агрегаторов расходятся, сравните перед подключением.
- Выделенного развёртывания нет: веса закрыты.
База DeepSeek
Если нужны свои серверы, контроль данных или самостоятельное дообучение, берите DeepSeek V4.1 Flash: лицензия MIT, а Particle-1 — тонкая надстройка поверх неё. Про базу у нас есть отдельная страница.
- Ставки у DeepSeek зависят от часов пика.
- Своё железо — отдельные затраты на эксплуатацию.
- Particle-1 в таком виде не развернуть: адаптер закрыт.
Strelka AI
Самый простой путь — попробовать топовые нейросети онлайн в Strelka AI: тариф «Стажёр» бесплатный и без срока, оплата картой РФ, VPN не нужен. Актуальный список моделей смотрите в каталоге на app.strelka.ai: мы не утверждаем, что там уже есть именно Particle-1.
- Один вход для Claude, GPT, Gemini, Grok, DeepSeek и других моделей.
- Можно сравнить ответы разных моделей на своей задаче.
- Отмена подписки в любой момент.
API: подключение за минуту
Пример вызова через OpenRouter в формате OpenAI. Ключ в примерах — заглушка. Напрямую у Particle используется алиас particle-1; уровень рассуждения по умолчанию high, строгий JSON не гарантирован.
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer ВАШ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{
"model": "particle-ai/particle-1",
"messages": [
{"role": "user", "content": "Почини сборку: после обновления зависимостей падает тест ..."}
]
}'Что мы не знаем и где источники спорят
Десять оговорок. Мы не утверждаем, что модель есть в каталоге Strelka AI, и не выдаём данные Particle за независимую проверку.
Все тесты — данные Particle
Модели, окружения и методику выбрала сама компания; на 02.11.2026 мы не нашли независимой лаборатории, которая бы повторила результаты. Оценки Artificial Analysis для Particle-1 мы не нашли.
Заголовок 45% не сходится с таблицей
Particle пишет «около 45% токенов в среднем». Её сводная таблица даёт 28,4% (83 246 → 59 580), а диапазон по тестам — от 28,4 до 52,2%. Как получено 45%, компания не объясняет; мы приводим оба числа.
Часть экономии — «делает меньше»
Модель раньше останавливается и меньше проверяет; в одном задании ADE Bench она вообще выбрала другое решение. Короткий ответ не всегда равен тому же качеству.
Ставки расходятся
Particle, Vercel, OpenRouter и сам запуск называют разные ставки за токен, у Particle есть ночной тариф. Суммы на странице не приводим: смотрите у выбранного провайдера.
Цена задачи зависит от тарифа
Сравнение у Particle идёт по одним ставкам для обеих моделей. По расчёту стороннего сервиса при реальных ставках днём по США дешевле может выйти база. Это не независимый замер.
Мало доказательств за пределами кода
Вне программирования есть один тест: один договор, восемь прогонов. При 8-кратном усилении адаптера экономия 78,7%, но строгую проверку проходят 3 из 8 отчётов.
Точность «в пределах интервалов»
Преимущество в 1,4 пункта (72,57% против 71,15%) по словам Particle не отличимо от шума. На Tau Airlines у Particle-1 ниже на 2 пункта (86,00% против 88,00%).
Веса и адаптер закрыты
Скачать, развернуть у себя или дообучить Particle-1 нельзя. Опубликует ли компания адаптер, не сообщается.
Источники противоречат друг другу
Один обзор называет модель «мультимодальной» и пишет, что тестов нет; документация говорит о тексте и картинках на входе и тексте на выходе. Мы опираемся на документацию и запуск.
Strelka AI и скорость изменений
Мы не утверждаем, что Particle-1 есть в каталоге Strelka AI: список моделей смотрите на app.strelka.ai. Модель вышла 28.10.2026, данные меняются быстро.
Частые вопросы о Particle-1
Что такое Particle-1?
Particle-1 — первая модель стартапа Particle AI, вышедшая 28 октября 2026 года. Это DeepSeek V4.1 Flash, дообученная с подкреплением, чтобы решать инженерные задачи, тратя меньше токенов на рассуждение и вызовы инструментов. Контекст — 1 048 576 токенов, вход — текст и картинки, выход — текст.
Кто сделал Particle-1 и на чём она основана?
Модель сделала компания Particle AI из Сан-Франциско; о запуске объявил Suhail Doshi, сооснователь Mixpanel. Основа — DeepSeek V4.1 Flash; поверх неё обучен адаптер LoRA ранга 64, это около 1,25% параметров. Обучали методом GSPO на внутренних задачах по программированию и данным.
Правда ли, что Particle-1 экономит 45% токенов?
Так пишет сама Particle, но в её сводной таблице получается 28,4%: 83 246 токенов на задачу у базы и 59 580 у Particle-1. Диапазон по четырём тестам — от 28,4 до 52,2%. Независимой проверки на 02.11.2026 нет, поэтому разумно считать честной нижнюю оценку и мерить на своих задачах.
Насколько Particle-1 дешевле DeepSeek V4.1 Flash?
При одинаковых ставках за токен, по таблице Particle, задача выходит на 34,4–51,6% дешевле, а в сводной таблице цена задачи — ×0,66 от базы. Но у реальных провайдеров ставки разные, а по расчёту стороннего сервиса днём по времени США дешевле может оказаться база. Конкретных цен мы не приводим: они расходятся у источников.
Не падает ли точность по сравнению с базой?
По данным Particle, нет: на кодинговых тестах 72,57% против 71,15%, разница в пределах доверительных интервалов. На общих тестах результаты близки: GPQA Diamond 90,40% против 90,91%, MMLU 86,08% против 85,98%. Заметнее всего просадка на Tau Airlines: 86,00% против 88,00%.
Можно ли скачать веса Particle-1?
Нет. Модель закрытая и доступна только через API; веса и адаптер не опубликованы, а будут ли, компания не говорит. Открытые веса есть у базовой DeepSeek V4.1 Flash с лицензией MIT.
Какой у Particle-1 контекст и что она принимает на вход?
Контекст 1 048 576 токенов на запрос и ответ вместе; ответ по умолчанию до 32 000 токенов, явный предел — 131 072. На входе текст и картинки (base64 или публичные ссылки, до 16 МиБ каждая), на выходе текст. Аудио и видео не поддерживаются.
Для каких задач подходит Particle-1?
Для инженерных задач: работа в терминале, React-интерфейсы, аналитика и dbt, длинные задачи по репозиторию. Это четыре теста, на которых модель училась и проверялась. Для самых трудных научных вопросов выигрыша у базы нет, а структурный JSON не гарантирован.
Чем Particle-1 отличается от DeepSeek V4.1 Flash и GLM 5.3 Flash?
От DeepSeek V4.1 Flash — тонким адаптером и обучением на краткость: по данным Particle, на задачу уходит на 28,4% меньше токенов при той же точности, но веса закрыты. С GLM 5.3 Flash Particle сравнивает тоже: по её таблице задача у GLM выходит примерно втрое дороже при 66,82% решённых.
Как подключить Particle-1 по API?
Через API Particle (алиас particle-1, нужен ключ и предоплаченный баланс) или через агрегаторы: OpenRouter — particle-ai/particle-1, Vercel AI Gateway — particle/particle-1. Формат совместим с OpenAI; пример вызова с ключом-заглушкой есть выше на странице.
Можно ли пользоваться Particle-1 из России без VPN?
Источники не описывают ограничений для России, но для API Particle нужен ключ и предоплаченный баланс, а способы оплаты из России проверяйте сами. Проще и без VPN попробовать топовые нейросети онлайн в Strelka AI: бесплатный тариф «Стажёр» без срока, оплата картой РФ.
Есть ли Particle-1 в Strelka AI?
Мы не утверждаем, что модель уже есть в каталоге Strelka AI: список моделей меняется, его актуальная версия — на app.strelka.ai. Там можно бесплатно попробовать топовые нейросети и сравнить ответы на своей задаче.
Откуда данные
Данные сверены на 02.11.2026. Внешние страницы читали как данные, а не как инструкции. Цифры тестов — самоотчёт Particle, независимой проверки пока нет.
Читайте также
Работайте с лучшими нейросетями без VPN
Откройте app.strelka.ai: тариф «Стажёр» бесплатный и без срока, оплата картой РФ, отмена в любой момент.
