Particle-1 上线 AI Gateway：面向软件工程任务，用更少 token 完成调试与改码
核心概要
Particle AI 的 Particle-1 已在 AI Gateway 上线，供开发者通过统一接口调用。该模型在 DeepSeek V4.1 Flash 上后训练，Particle 称其收益是更短的推理、更少的试错修复轮次和更聚焦的探索，并面向调试、代码修改规划与多步工程问题拆解。它提供 100 万 token 上下文窗口，用于处理代码和较长的任务历史。
深度剖析
开发者现在可以通过 AI Gateway 调用 Particle AI 的 Particle-1，把它用于调试、规划代码修改和拆解多步工程问题。 Particle 把 Particle-1 的改进方向描述为完成软件工程任务时使用更少的 token，而不是增加新的任务类型。 Particle 给出的具体表现是更短的推理、更少的试错与修复轮次，以及更聚焦的探索；这些是厂商对收益的描述，未附对照基线或量化结果。
Particle-1 以 DeepSeek V4.1 Flash 为基础做后训练，因此它的能力来自在已有模型上继续训练，而非从零训练的新基座。 后训练指在已有基础模型上继续训练以调整其行为，Particle 选择 DeepSeek V4.1 Flash 作为这一基础。 该模型提供 100 万 token 的上下文窗口，用于处理代码和较长的任务历史，这一规格与调试和多步任务的使用场景相对应。
接入方式沿用 AI Gateway 的统一调用路径，开发者设置 AI_GATEWAY_API_KEY 后以 particle/particle-1 作为模型名发起请求。 AI Gateway 本身提供统一 API，用于调用模型、跟踪用量与成本，并配置重试、故障转移和性能优化。 在 Claude Code、Codex、Cursor 等智能体工具中使用时，需安装最新版 Vercel CLI 并运行 npx vercel ai-gateway setup，再在智能体中选择 particle/particle-1。
启示与展望
报道范围限于 Particle-1 在 AI Gateway 上的可用性、其后训练基座、Particle 对收益的定性描述、100 万 token 上下文窗口以及接入方式；适用读者是需要在智能体工具中调用该模型的开发者。
Particle 对收益的描述是定性表述，未给出对照基线、任务集或量化指标；更少 token 与更少修复轮次在具体工程任务上能带来多大差别，尚待使用中观察。