基元律动NeoHorse-1.5内测：1250亿参数RSI智能体模型

智东西

11月5日，北京大模型创业公司基元律动（TokenRhythm）开放了一款智能体大模型的内测，名为NeoHorse-1.5-Flash Preview。按基元律动的说法，这个模型以Qwen3.8-Flash为底，走的是递归自我改进（RSI）迭代路线，主模型参数1250亿，激活参数60亿。

训练数据的来路也由基元律动做了说明：上一代NeoHorse-1被重新塞进多模型任务执行体系里跑，攒下新的执行记录和能力反馈，这批材料随后用于训练NeoHorse-1.5。

评测数字方面，基元律动公布的结果显示，NeoHorse-1.5-Flash Preview在Agents’ Last Exam中整体成绩从Qwen3.8-Flash基座的41.20分升到50.43分，涨幅约22.4%，物理科学任务一项提高约106.1%。自然语言生成代码仓库评测里，整体成绩由44.24分升至50.16分，提高约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）

上一代NeoHorse-1是今年9月发布的，有40亿和90亿参数两个版本。团队当时公布的十项评测中，4B版本平均64.87分，在参与比较的6款开放权重模型里排第一。

基元律动这家公司成立于2026年4月，研究重心放在多模型智能路由与协同、Agent框架以及模型优化上。

今年5月，其开源Agent框架OpenSquilla放出首个公开预览版，能按任务需要调度模型、调用工具。到了8月27日，多模型聚合API平台TokenRhythm API进入公测，开发者可以通过统一接口调用模型。

创始人、CEO王云鹤此前担任华为诺亚方舟实验室主任、盘古大模型负责人；联合创始人、CTO韩凯此前是华为诺亚方舟实验室首席研究员。在华为期间，两人一起做过GhostNet、GhostNetV2等轻量级视觉模型研究，论文分别发表在CVPR 2020和NeurIPS 2022。

融资方面，基元律动今年8月披露完成天使轮，由弘晖基金领投，聚合资本、尚势资本等参与。截至披露时，公司累计融资数千万美元。更早的种子轮由Granite Asia领投，鼎晖VGC、元璟资本、无限基金参与。

一、Agent任务平均提升9.23分，多模型执行经验用于后训练

按基元律动的说法，NeoHorse-1.5-Flash Preview是在Qwen3.8-Flash基础上做后训练，喂进去的是Agent执行任务时留下的经验。团队的目的很直接：让模型学会调工具、看懂执行反馈、把错误改过来，从而把多步骤任务走完。

Agent任务这块，基元律动公布的Agents’ Last Exam结果显示，整体成绩比Qwen3.8-Flash基座的41.20分高出9.23分，达到50.43分，涨幅约22.4%。物理科学、医疗健康、工程三个领域分别提高约106.1%、32.0%和54.7%。但计算与数学领域出现回落，从59.51分降到52.96分，下降约11.0%。

软件工程这边看的是Natural Language to Repository评测，考的是模型能不能按自然语言需求生成代码仓库。基元律动公布的数据显示，新模型整体成绩从基座的44.24分升到50.16分，提高约13.4%。开发工具与测试、Web开发与内容获取、安全认证与加密分别提高约27.9%、20.6%和35.6%。

两款模型在自然语言生成代码仓库任务中的成绩对比，NeoHorse-1.5-Flash Preview整体得分为50.16分，基座为44.24分（图源：基元律动）

为了让任务经验能持续喂给后续训练，基元律动这次上了三项技术：多模型差分诊断、对抗式环境进化引擎、群体智能在线学习。三者分工分别是锁定训练重点、造出新任务环境、提供学习信号。

具体来说，NeoHorse的作答结果和多模型融合结果之间存在差异，这个差异既能用来找出NeoHorse的短板，也能拿来指导模型学习。

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）

1、多模型差分诊断：比较同一任务的执行结果，确定训练重点

这项技术靠的是开源Agent框架OpenSquilla的多模型融合能力。同一个任务交给多个前沿模型分头执行，系统再把各模型的结果融到一起。NeoHorse也是模型池里的一员，同样参与执行。各模型的表现加上融合结果，就成了逐任务比较的参照。

按基元律动的说法，系统通过这种比较不断找出NeoHorse和其他模型之间的能力差距，形成一张随时间变化的“能力缺陷画像”。下一轮训练重点就照这张画像来定：已有的优势保留，薄弱任务补练。系统还会依据真实任务类型，持续生成内部动态评测。

2、对抗式环境进化引擎：生成并筛选环境，模拟用户修改需求

基元律动利用环境进化引擎，从一个种子环境生出多个候选环境。筛选条件包括模型能不能完成任务、对环境的熟悉程度等，太简单或太熟悉的环境被剔除，能带来新任务经验的候选环境留下。

任务执行过程中，模型还会碰上“数字镜像交互体”，也就是模拟出来的用户交互对象。这些对象会追问、改要求，甚至反悔，用来还原真实需求变化下的多轮交互。

3、群体智能在线学习：利用多模型融合结果指导更新

据基元律动透露，该技术与差分诊断一样，都拿多模型融合结果来指导模型学习。具体做法是：把NeoHorse自己的作答同多模型融合结果之间的差异，当成逐任务的教师信号；线上真实任务照常服务，模型同时借助这些信号，以同策略（on-policy）方式不停更新。

训练课程则由路由引导课程学习来组织，依据是路由调度器（Routing Harness）对每项任务能力需求的估计值，自动排布。

二、两项复杂任务得分100分，四个案例展示计算与前端生成表现

基元律动这次放出的四个案例分成两组。量子物理计算和机器人三维装配一组，看的是模型能不能结合执行结果改程序、校准参数；聚类相关矩阵与公式计算页面一组，分别查生成内容的视觉还原和功能正确性。下面结果都出自基元律动提供的官方案例。其中复杂Agent任务里，量子物理计算拿到100分，装配方向误差小于0.001°。

量子物理案例要模型算出量子格点在不同频率下的响应，再生成频谱。说白了，就是用不同频率去“敲”量子格点，算响应强弱和峰值位置。

基元律动披露，NeoHorse-1.5-Flash Preview在调试中找出并修正了频谱计算错误，最后输出带响应峰的频谱，最高响应达到6.2015，三层检查全部通过，得100分。对比模型Qwen3.8-Flash-Next输出的8000个采样点全为零，摘要和实际数组对不上，第二层检查失分，最终0分。

量子物理计算案例：左侧NeoHorse-1.5-Flash Preview输出的频谱出现响应峰，右侧Qwen3.8-Flash-Next输出的采样点全部为零（图源：基元律动）

机器人三维装配案例给的是同一批ABB工业机器人三维零件，模型要据此定出关节安装位置、旋转轴和工具朝向。

NeoHorse-1.5-Flash Preview的做法是，找到匹配的公开三维模型，再逐件核对零件、完成适配，基元律动如此透露。两款模型输入相同的关节角，对比下来，NeoHorse-1.5-Flash Preview的装配结果在零位下机器人末端与参考位置重合，工具方向误差小于0.001°，得100分。Qwen3.8-Flash-Next的装配结果多处安装错位，零位下末端偏离参考位置1.316米，工具方向差90°，得53.36分。

机器人三维装配案例：左侧NeoHorse-1.5-Flash Preview得分为100分，右侧Qwen3.8-Flash-Next得分为53.36分（图源：基元律动）

2、前端生成：分别检查图表还原与公式计算

前端生成的第一个案例是还原聚类相关矩阵。这种图表按聚类结果排列变量，颜色表示变量间的相关程度，重点查图表结构、分组、配色和动效是否完整。按基元律动给出的说明，NeoHorse-1.5-Flash Preview生成的页面把图表结构、聚类分组和配色细节都保留了下来；Qwen3.8-Flash的输出则有一部分元素没渲染出来，动效也不完整。

NeoHorse-1.5-Flash Preview生成的聚类相关矩阵页面（图源：基元律动）

Qwen3.8-Flash生成的聚类相关矩阵页面（图源：基元律动）

另一个案例查的是公式计算和页面交互。基元律动透露，NeoHorse-1.5-Flash Preview算出了正确结果，相关功能和交互也做了出来；Qwen3.8-Flash的计算结果出了错。

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）

Qwen3.8-Flash生成的公式计算与表格交互页面（图源：基元律动）

结语：RSI路线各有侧重，多模型任务执行经验可用于后训练

围绕递归自我改进（RSI），已有多家AI创企拿出具体的模型研发方案。10月18日，美国AI创企Recursive发布面向本地运行的编程模型Flint，数据、训练方案和推理优化都有自动化研究系统参与；同月，中国大模型创企超衍智能开源首款大模型Apex-35B-V1.0，同样把AI用在数据构造、实验设计与训练优化上。

基元律动的思路，是把不同模型执行同一任务的结果拿来训练，让自家模型学别人的解法、改自己的错误。这也给多模型路由业务的应用开了新思路：公司调度模型、服务用户的过程，本身就能持续攒下自有模型的训练材料。