JOURNAL / 2026.11.02
Particle-1 reduce tokens en programación, pero el ahorro cambia con la tarea
El nuevo modelo de Particle optimiza agentes sobre DeepSeek V4.1 Flash. Una evaluación externa en análisis de datos muestra por qué mejorar respuestas, consumir menos y pagar menos son resultados distintos.
Particle-1 merece atención por una promesa práctica: resolver trabajo de programación con menos generación. El anuncio del 28 de octubre describe entrenamiento por refuerzo sobre DeepSeek V4.1 Flash. En cuatro pruebas de software e ingeniería de datos, Particle declara entre un 28,4% y un 52,2% menos de tokens de salida, con tasas de éxito dentro de los intervalos de confianza del modelo base. Usa el mismo agente Terminus 2, dieciséis intentos por tarea y un límite de 512.000 tokens; calcula costes con un 95% de aciertos de caché.
Es una hipótesis interesante para agentes que pasan mucho tiempo reconsiderando decisiones. Si parte de ese trabajo puede eliminarse sin perder soluciones correctas, un equipo podría ejecutar más tareas con el mismo presupuesto. Pero estar dentro de un intervalo de confianza no demuestra equivalencia universal. Tampoco permite prometer que nuestra aplicación ahorrará el porcentaje del anuncio.
La evaluación publicada por Plotly el 31 de octubre ayuda a precisar esa expectativa. Particle-1 resolvió 40 de 43 preguntas frente a 36 de DeepSeek V4.1 Flash, pero generó unos 6.900 tokens por pregunta frente a 6.200. Es una ejecución por modelo. Plotly advierte variaciones de hasta tres puntos al repetir otros modelos. El examen costó 0,35 dólares; recalcular la ejecución anterior de DeepSeek a precios actuales daría unos 0,24. El ahorro de tokens de programación no se trasladó a este examen.
Conviene detenerse ahí antes de convertir cuatro aciertos adicionales en una clasificación definitiva. La metodología de DataAnalyticsBench usa un almacén sintético de energía eólica, preguntas en inglés y el agente de Plotly Studio Embedded. Evalúa respuestas numéricas y la detección de ambigüedades, imposibilidades o trampas estadísticas mediante un juez modelo. Las preguntas y respuestas completas permanecen privadas. Es evidencia externa al proveedor, con un alcance concreto y una reproducción pública limitada.
La aparente contradicción tiene una lectura útil. Un modelo puede aprender a ser más directo en un entorno y explorar más en otro. Puede costar menos por una tarifa favorable aunque consuma más. Y puede merecer un gasto adicional si evita una conclusión equivocada. Por eso yo trataría «eficiencia» como una relación entre un resultado aceptable y los recursos necesarios para obtenerlo. Contar tokens sigue siendo útil; falta decidir qué trabajo estamos comprando con ellos.
Qué probaría antes de cambiar un agente
La API documentada de Particle admite herramientas, entradas de texto e imágenes y una ventana de aproximadamente un millón de tokens. Su razonamiento por defecto es high, mientras que las pruebas del anuncio usan el máximo. Esto obliga a registrar la configuración: cambiar de modelo dejando valores implícitos puede cambiar también el experimento. Cloudflare lo incluye en su catálogo, otra vía de acceso documentada; comprobar una ficha no equivale a haber probado el servicio.
Yo empezaría con tareas del mismo repositorio y criterios de aceptación escritos antes de ejecutar los agentes. Conservaría herramientas, límites y pruebas, repetiría los casos y registraría resultados rechazados. Compararía el coste hasta obtener un cambio aceptado, incluyendo la revisión. Así podría distinguir una solución más directa de otra que simplemente omitió trabajo que después tuvo que hacer una persona.
Añadiría una comprobación especialmente reveladora: revisar los casos en que el agente termina antes. Si evita reconstrucciones repetidas, hay una ganancia plausible. Si deja sin explorar una condición que rompe el programa, la reducción de consumo es una deuda. Esa distinción exige mirar los cambios entregados y sus consecuencias; la longitud de la respuesta final dice poco por sí sola.
Mi lectura es favorable a investigar este tipo de entrenamiento. Hacer que una capacidad existente requiera menos recursos puede ampliar su utilidad tanto como aumentar una puntuación. Particle-1 ofrece una razón concreta para probarlo y Plotly una razón igualmente concreta para medir cada dominio. Adoptaría el modelo donde conserve el trabajo que importa al equipo y mejore el coste de completarlo; mantendría abierta la decisión para el resto.
Fuentes primarias consultadas el 2 de noviembre de 2026. No hemos ejecutado Particle-1 ni reproducido las evaluaciones. El ensayo de adopción es una propuesta propia.