NeoHorse-1.5-Flash Preview内测：180B总参、6B激活

公司公布的对照评测显示，对比基座模型，新模型在Agents’ Last Exam上的整体得分涨了9.23分，Natural Language to Repository评测的整体得分涨了5.92分。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同样有进步。

这次发布是NeoHorse系列对递归自我改进（RSI）探索的延续，基元律动把它叫作这一机制的第二圈。9月NeoHorse-1发布之后，公司让上一代模型回到模型池，从实际任务里收集执行反馈，再拿这些经验去训练后续模型，训练尺度也从首轮的4B、9B扩到了Flash档位。

支撑这条路径的，是TokenRhythm多模型平台和开源Agent产品OpenSquilla。路由系统给出任务能力需求的信号，多模型融合让多个前沿模型同时处理同一任务，得到可以互相比较的执行结果。NeoHorse与这些结果之间的差距，被拿来定位能力短板、敲定训练方向，最终变成学习信号。

模型发布的第二天，基元律动又更新了OpenSquilla，把这套执行基础补得更完整。新版按任务意图挑模型档位，继续任务时沿用原来的档位，重做时则逐级升档；TokenRhythm和OpenRouter的推荐方案可以各自独立更新，用户不升级客户端也能预览差异、确认应用。本期推荐配置还参照十一月模型榜单做了调整，让执行侧的模型选择能跟着评测结果持续变化。

围绕RSI训练，团队拿出了多模型差分诊断、对抗式环境进化和群体智能在线学习三项技术，依次对应能力诊断、分布塌缩和迭代效率。环境进化引擎不断生成并筛选新任务；群体智能在线学习则利用模型输出与融合结果之间的差异来训练，把执行框架里产生的比较信息用到后续优化中。

公开演示里能看到具体任务中的差别。表格网页案例中，基座模型生成的部分计算单元格出现了公式报错，新模型则给出了公式输入、计算结果以及更多交互功能。发布材料还列了图表生成、量子物理计算和机器人装配参数求解等案例，考察的是模型在计算、检查和交付各环节的完成情况。

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