跳到正文
原文
量子位· 量子位的朋友们·· 7 天前AI 评分39

基元律动发布Agent模型NeoHorse-1.5-Flash Preview,推进递归自我改进第二轮迭代

基元律动发布NeoHorse-1.5-Flash Preview,Agent模型RSI进入第二轮迭代

文章要点
  • 1基元律动发布Agent原生模型NeoHorse-1.5-Flash Preview,总参数180B、激活6B,开放限量内测
  • 2官方对照评测称,Agents' Last Exam得分较基座提高9.23分,Natural Language to Repository提高5.92分
  • 3模型基于Qwen3.8-Flash训练,主打Agent任务执行与软件工程,官方称物理科学任务提升超过20分
  • 4公司称此为递归自我改进RSI的第二圈,多模型执行差异被用作训练信号,OpenSquilla同步更新
决策要点

基元律动把自家执行框架中多模型对比产生的差异用作训练信号,让Agent模型迭代依赖实际任务反馈,成绩均为官方口径。

  • 影响:对需要Agent执行与软件工程能力的团队多了一个内测候选,但分数为官方自报,采用前需自行实测;执行侧按模型榜单调档、无需升级客户端即可切换推荐方案,模型更换成本在下降。
  • 参考:可考虑申请限量内测,在自家软件工程任务上与基座模型做小规模对比实测;选型时把官方自报分数与独立验证区分看待;已使用OpenSquilla的团队可评估按任务意图调档与榜单跟随更新机制。
  • 依据:文中全部评测分数来自基元律动公布的对照评测,官方口径,暂无独立验证;参数规模与训练路线亦为官方披露信息。
正文

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

2026-11-09 13:09:23 来源:量子位

11月5日,基元律动(TokenRhythm)发布Agent原生模型NeoHorse-1.5-Flash Preview。

11月5日,基元律动(TokenRhythm)发布Agent原生模型NeoHorse-1.5-Flash Preview。该模型基于Qwen3.8-Flash进行训练,总参数180B、激活参数6B,重点提升Agent任务执行与软件工程能力,目前开放限量内测。

据公司公布的对照评测,相较基座模型,新模型在Agents’ Last Exam上的整体得分提高9.23分,在Natural Language to Repository评测上的整体得分提高5.92分。其中,物理科学任务提升超过20分,开发工具与测试、Web开发、安全认证与加密等方向也有改善。

本次发布延续了NeoHorse系列对递归自我改进(RSI)的探索,基元律动将其称为这一机制的“第二圈”。9月发布NeoHorse-1后,公司将上一代模型重新放回模型池,在实际任务中收集执行反馈,再将这些经验用于后续训练,模型训练尺度也从首轮4B、9B扩展至Flash档位。

这条路径依托TokenRhythm多模型平台和开源Agent产品OpenSquilla。路由系统提供任务能力需求信号,多模型融合则让多个前沿模型处理同一任务,形成可比较的执行结果。NeoHorse与这些结果之间的差异,被用于识别能力短板、确定训练方向,并转化为学习信号。

在模型发布翌日,基元律动还更新了OpenSquilla,完善了这一执行基础。新版根据任务意图选择模型档位,继续任务时沿用原档位,重做时逐级升档;同时支持独立更新TokenRhythm和OpenRouter推荐方案,用户无需升级客户端,即可预览差异并确认应用。本期推荐配置也依据十一月模型榜单调整,使执行侧的模型选择能够跟随评测结果持续更新。

围绕RSI训练,团队提出多模型差分诊断、对抗式环境进化和群体智能在线学习三项技术,分别对应能力诊断、分布塌缩和迭代效率。其中,环境进化引擎持续生成并筛选新任务,群体智能在线学习利用模型输出与融合结果的差异进行训练,将执行框架中产生的比较信息用于后续优化。

公开演示呈现了具体任务中的差异。在表格网页案例中,基座模型生成的部分计算单元格出现公式报错,新模型则展示了公式输入、计算结果及更多交互功能。发布材料还列出了图表生成、量子物理计算和机器人装配参数求解等案例,考察模型在计算、检查和交付环节的完成情况。

NeoHorse-1.5-Flash Preview现可通过基元律动官方公众号申请内测。

本文由基元律动提供,量子位获授权转载,观点归原作者所有。

版权所有,未经授权不得以任何形式转载及使用,违者必究。

来源:量子位 · qbitai.com