基元律动发布NeoHorse-1.5，Agent任务成绩提升22.4%
智东西11月5日消息，北京大模型创企基元律动（TokenRhythm）正式发布面向智能体任务的大模型NeoHorse-1.5-Flash Preview，并开放内测。该模型基于Qwen3.8-Flash进行递归自我改进（RSI）迭代，主模型参数达1250亿，激活参数为60亿。
评测数据显示，相较Qwen3.8-Flash基座，NeoHorse-1.5-Flash Preview在Agents' Last Exam中的整体成绩从41.20分提升至50.43分，增幅约22.4%，其中物理科学任务成绩提升约106.1%。在自然语言生成代码仓库评测中，新模型成绩从44.24分提升至50.16分，增幅约13.4%。
▲NeoHorse-1.5-Flash Preview与Qwen3.8-Flash基座在Agents' Last Exam中的成绩对比（图源：基元律动）
基元律动成立于2026年4月，由前华为诺亚方舟实验室主任王云鹤和前首席研究员韩凯联合创立，专注于多模型智能路由、Agent框架及模型优化研究。今年8月，该公司完成由弘晖基金领投的天使轮融资，累计融资数千万美元。
利用多模型执行经验进行后训练
NeoHorse-1.5-Flash Preview以Qwen3.8-Flash为基座，核心创新在于利用Agent执行任务时产生的经验进行后训练。团队通过引入多模型差分诊断、对抗式环境进化引擎、群体智能在线学习三项技术，让模型学习工具调用、错误修正及多步骤任务处理能力。
1. 多模型差分诊断：精准定位短板
依托开源Agent框架OpenSquilla，系统让多个前沿模型执行同一任务并融合结果。通过比较NeoHorse与其他模型的执行差异，系统构建动态“能力缺陷画像”，以此确定训练重点，针对薄弱环节补充训练，同时保留已有优势。
▲基元律动的模型训练流程：通过多模型比较诊断短板，生成新环境，并利用多模型反馈指导训练（图源：基元律动）
2. 对抗式环境进化引擎：模拟真实交互
该引擎从种子环境生成多个候选环境，筛选出能带来新经验的复杂场景。模型在执行过程中需面对模拟用户的“数字镜像交互体”，应对追问、需求修改或反悔等情况，从而适应真实场景下的多轮交互变化。
3. 群体智能在线学习：实时指导更新
系统将NeoHorse自身作答与多模型融合结果的差异作为教师信号。在提供线上服务的同时，模型以同策略（on-policy）方式利用这些信号持续更新，并结合路由引导课程学习，自动组织训练课程。
在具体领域表现上，新模型在物理科学、医疗健康和工程领域的成绩分别提升约106.1%、32.0%和54.7%；软件工程方面，开发工具与测试、Web开发等领域成绩也有显著增长。不过，计算与数学领域成绩略有下降。
▲两款模型在自然语言生成代码仓库任务中的成绩对比（图源：基元律动）
复杂任务实测：量子物理与机器人装配获满分
基元律动通过四个案例展示了新模型在复杂Agent任务和前端生成方面的能力，重点考察程序修正、参数校准、视觉还原及功能正确性。
1. 复杂Agent任务表现优异
量子物理计算： 在计算量子格点响应频谱的任务中，NeoHorse-1.5-Flash Preview成功定位并修正计算错误，输出正确频谱，获得100分。相比之下，对比模型因采样点全零且摘要不一致，得分为0分。
▲量子物理计算案例对比（图源：基元律动）
机器人三维装配： 在确定ABB工业机器人关节安装位置的任务中，新模型装配结果零位重合，工具方向误差小于0.001°，获得100分。对比模型则出现多处错位，末端偏离参考位置1.316米，仅得53.36分。
▲机器人三维装配案例对比（图源：基元律动）
2. 前端生成还原度高
在聚类相关矩阵生成案例中，NeoHorse-1.5-Flash Preview完整保留了图表结构、分组与配色细节，而对比模型存在元素未渲染和动效缺失问题。在公式计算及页面交互案例中，新模型给出了正确结果并实现了完整功能，对比模型则出现计算错误。
▲NeoHorse-1.5-Flash Preview生成的聚类相关矩阵页面（图源：基元律动）
▲NeoHorse-1.5-Flash Preview生成的公式计算与表格交互页面（图源：基元律动）
结语：RSI路线推动多模型协同进化
当前，递归自我改进（RSI）已成为AI创企研发模型的重要路径。无论是美国Recursive公司的本地编程模型Flint，还是中国超衍智能的Apex-35B-V1.0，均尝试利用AI优化数据构造与训练过程。
基元律动的实践表明，将多模型执行结果转化为训练素材，不仅能提升自有模型能力，也为多模型路由业务提供了新思路。通过在调度和服务过程中积累数据，企业可实现模型能力的持续迭代与进化。
