王云鹤创业基元律动：发布1250亿参数智能体大模型NeoHorse-1.5

11月5日，北京大模型创企基元律动（TokenRhythm）发布面向智能体任务的大模型NeoHorse-1.5-Flash Preview，并开放内测。据基元律动透露，该模型以Qwen3.8-Flash为基础做递归自我改进（RSI）迭代，主模型参数1250亿，激活参数60亿。

团队把上一代模型NeoHorse-1重新放回多模型任务执行体系里跑，攒下新的执行记录和能力反馈，再拿去训练NeoHorse-1.5。

据基元律动公布的评测结果，对比Qwen3.8-Flash基座，NeoHorse-1.5-Flash Preview在Agents’ Last Exam中的整体成绩从41.20分升到50.43分，提高约22.4%，物理科学任务成绩提高约106.1%。在自然语言生成代码仓库评测中，新模型整体成绩由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）

上一代模型NeoHorse-1于今年9月发布，有40亿和90亿参数两个版本。据团队公布的十项评测结果，4B版本平均成绩64.87分，在该组参与比较的6款开放权重模型中排第一。

基元律动成立于2026年4月，研究方向是多模型智能路由与协同、Agent框架及模型优化。

今年5月，该公司推出开源Agent框架OpenSquilla首个公开预览版，该框架能按任务需要调度模型、调用工具。8月27日，基元律动宣布多模型聚合API平台TokenRhythm API启动公测，为开发者提供统一的模型调用接口。

基元律动创始人、CEO王云鹤曾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韩凯曾任华为诺亚方舟实验室首席研究员。两人在华为期间共同参与GhostNet、GhostNetV2等轻量级视觉模型研究，相关论文分别发表在CVPR 2020和NeurIPS 2022。

今年8月，基元律动披露完成天使轮融资，由弘晖基金领投，聚合资本、尚势资本等参与。截至该轮融资披露时，公司累计融资数千万美元。此前种子轮由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

据基元律动透露，NeoHorse-1.5-Flash Preview以Qwen3.8-Flash为基础，用Agent执行任务时产生的经验做后训练。基元律动想借这些材料，让模型学会调用工具、利用执行反馈、修正错误，把多步骤任务走完。

Agent任务方面，据基元律动公布的Agents’ Last Exam评测结果，对比Qwen3.8-Flash基座，新模型整体成绩由41.20分提升至50.43分，提高约22.4%。物理科学、医疗健康和工程领域的成绩分别提高约106.1%、32.0%和54.7%。不过计算与数学领域成绩从59.51分降到52.96分，下降约11.0%。

软件工程方面，Natural Language to Repository评测主要看模型能否按自然语言需求生成代码仓库。据基元律动公布的结果，对比Qwen3.8-Flash基座，新模型整体成绩由44.24分提升至50.16分，提高约13.4%。开发工具与测试、Web开发与内容获取、安全认证与加密领域的成绩分别提高约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）

据基元律动透露，为让任务经验持续用于后续训练，团队此次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，分别用来确定训练重点、生成新任务环境、提供学习信号。

其中，NeoHorse作答结果与多模型融合结果之间的差异，既能用来发现NeoHorse的短板，也能用来指导模型学习。

▲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

这项技术依托开源Agent框架OpenSquilla的多模型融合功能。多个前沿模型分别执行同一任务，系统再把各模型结果融合起来。NeoHorse也作为模型池一员参与执行。各模型表现与融合结果，为逐任务比较提供参照。

据基元律动透露，系统通过比较不断识别NeoHorse与其他模型的能力差距，形成随时间变化的“能力缺陷画像”。公司依据这张画像确定下一轮训练重点，保留已有优势，针对薄弱任务补充训练。系统还会按真实任务类型，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

据基元律动透露，其用环境进化引擎从一个种子环境生成多个候选环境。系统按模型能否完成任务、是否熟悉环境等条件筛选，剔除过于简单或熟悉的环境，留下能带来新任务经验的候选环境。

模型在任务执行过程中还会遇到“数字镜像交互体”，也就是模拟用户的交互对象。这些交互对象会追问、改要求或反悔，用来模拟真实需求变化下的多轮交互。

来源：智东西

3、在线群体智能学习：多模型融合结果既用于指导更新，也与差分诊断共用，最终都指向模型学习。

基元律动表示，NeoHorse把自身作答和多模型融合结果之间的差异，当作逐个任务的教师信号；在线上承接真实任务的同时，模型借这些信号以同策略（on-policy）方式不断更新。

训练课程的组织则交给路由引导课程学习：按照路由调度器（Routing Harness）对各任务能力需求的判断，自动排布训练内容。

二、两项复杂任务拿到100分，四个案例看计算与前端生成

这次公开的四个案例分成两组。量子物理计算和机器人三维装配，看的是模型能否结合执行结果去改程序、调参数；聚类相关矩阵与公式计算页面，则分别检验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。

1、复杂Agent任务：量子物理计算得100分，装配方向误差不到0.001°

量子物理案例让模型算出量子格点在不同频率下的响应，并画出频谱。说白了，就是用不同频率去“敲”量子格点，算清响应强弱和峰值落在哪里。

基元律动称，NeoHorse-1.5-Flash Preview在调试中找出了频谱计算的错误并加以修正，最后输出的频谱带有响应峰，最高响应为6.2015，三层检查全部通过，拿下100分。对比模型Qwen3.8-Flash-Next输出的8000个采样点全是零，摘要和实际数组也对不上，在第二层检查中丢分，最终得0分。

▲量子物理计算案例：左边是NeoHorse-1.5-Flash Preview输出的频谱，响应峰可见；右边是Qwen3.8-Flash-Next的输出，采样点全为零（图源：基元律动）

机器人三维装配案例要求模型面对同一批ABB工业机器人三维零件，定出关节安装位置、旋转轴与工具朝向。

基元律动介绍，NeoHorse-1.5-Flash Preview找到了匹配的公开三维模型，把零件逐件核对后完成适配。两款模型输入相同关节角进行对比，NeoHorse-1.5-Flash Preview的装配结果在零位下让机器人末端与参考位置重合，工具方向误差小于0.001°，得分100分。Qwen3.8-Flash-Next的装配结果有多处安装错位，零位下末端偏离参考位置1.316米，工具方向相差90°，得分53.36分。

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

2、前端生成：图表还原与公式计算各查一项

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，用颜色表示变量间的相关程度，主要看图表结构、分组、配色和动效是否完整。

按基元律动的说明，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）

另一个案例看公式计算和页面交互。基元律动称，NeoHorse-1.5-Flash Preview算出了正确结果，相关功能与交互也做出来了；Qwen3.8-Flash的计算结果则出了错。

▲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各家路线不同，多模型执行任务的经验可拿去做后训练

在递归自我改进（RSI）这条线上，已经有多家AI创企拿出具体方案。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、实验设计和训练优化上。

基元律动的做法，是把不同模型执行同一任务的结果拿来训练，让自家模型学其他模型的解法、改自己的错。这条路也给多模型路由业务添了新思路：公司在调度模型、服务用户的过程中，本身就能持续攒下自有模型的训练材料。