智东西
作者 | 孙小雯
编辑 | 程茜
智东西 11 月 5 日消息，今日，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，该模型基于 Qwen3.8-Flash 进行递归自我改进（RSI）迭代，主模型参数为 1250 亿，激活参数为 60 亿。
据基元律动透露，团队此次将上一代模型 NeoHorse-1 重新加入多模型任务执行体系，积累新的执行记录与能力反馈，再用于训练 NeoHorse-1.5。
据基元律动公布的评测结果，相较 Qwen3.8-Flash 基座，NeoHorse-1.5-Flash Preview 在 Agents ’ Last Exam 中的整体成绩由 41.20 分提升至 50.43 分，提高约 22.4%，其中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，新模型的整体成绩由 44.24 分提升至 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）
今年 9 月，该公司发布上一代模型 NeoHorse-1，包含 40 亿和 90 亿参数两个版本。据团队公布的十项评测结果，上一代模型的 4B 版本平均成绩为 64.87 分，在该组参与比较的 6 款开放权重模型中排名第一。
基元律动成立于 2026 年 4 月，主要研究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，该框架可根据任务需要调度模型、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了 GhostNet、GhostNetV2 等轻量级视觉模型研究，相关论文分别发表于计算机视觉顶级会议 CVPR 2020 和人工智能顶级会议 NeurIPS 2022。
今年 8 月，基元律动披露完成由弘晖基金领投的天使轮融资，聚合资本、尚势资本等参与。截至该轮融资披露时，该公司已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，利用 Agent 执行任务时产生的执行经验进行后训练。基元律动希望通过这些材料，让模型学习如何调用工具、利用执行反馈、修正错误，完成多步骤任务。
Agent 任务方面，据基元律动公布的 Agents ’ Last Exam 评测结果，相较 Qwen3.8-Flash 基座，新模型的整体成绩由 41.20 分提升至 50.43 分，提高约 22.4%。其中，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，计算与数学领域的成绩由 59.51 分降至 52.96 分，下降约 11.0%。
软件工程方面，Natural Language to Repository 评测主要考察模型根据自然语言需求生成代码仓库的能力。据基元律动公布的结果，相较 Qwen3.8-Flash 基座，新模型的整体成绩由 44.24 分提升至 50.16 分，提高约 13.4%。其中，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，为了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，分别用于确定训练重点、生成新任务环境，以及提供学习信号。
其中，NeoHorse 作答结果与多模型融合结果之间的差异，既可用于发现 NeoHorse 的短板，也可用于指导模型学习。
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，系统再融合各模型的结果。NeoHorse 也作为模型池中的一员参与执行。各模型的表现与融合结果，为逐任务比较提供参照。
据基元律动透露，系统通过比较，持续识别 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 "。该公司根据这张画像确定下一轮训练重点，保留已有优势，并针对薄弱任务补充训练。系统还根据真实任务类型，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
据基元律动透露，其利用环境进化引擎，从一个种子环境生成多个候选环境。系统根据模型能否完成任务、是否熟悉环境等条件进行筛选，剔除过于简单或熟悉的环境，保留能带来新任务经验的候选环境。
模型还会在任务执行过程中面对 " 数字镜像交互体 "，即模拟用户的交互对象。这些交互对象会追问、修改要求或反悔，用于模拟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
这项技术与差分诊断共用多模型融合结果，用于指导模型学习。
据基元律动透露，系统将 NeoHorse 自身作答与多模型融合结果之间的差异，用作逐任务的教师信号。NeoHorse 在线上服务真实任务的同时，利用这些信号，以同策略（on-policy）方式持续更新。
该公司还沿用路由引导课程学习，根据路由调度器（Routing Harness）对各项任务能力需求的估计，自动组织训练课程。
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
基元律动此次公布的四个案例可分为两组：量子物理计算和机器人三维装配，考察模型能否结合执行结果修正程序、校准参数；聚类相关矩阵与公式计算页面，分别检查生成内容的视觉还原和功能正确性。以下结果均来自基元律动提供的官方案例。
1、复杂 Agent 任务：量子物理计算得分 100 分，装配方向误差小于 0.001°
量子物理案例要求模型计算量子格点在不同频率下的响应，并生成频谱。任务可以理解为，用不同频率 " 敲击 " 量子格点，计算响应强弱及峰值位置。
据基元律动披露，NeoHorse-1.5-Flash Preview 在调试中定位并修正频谱计算错误，最终输出具有响应峰的频谱，最高响应达到 6.2015，通过全部三层检查，获得 100 分。对比模型 Qwen3.8-Flash-Next 输出的 8000 个采样点全部为零，且摘要与实际数组不一致，在第二层检查失分，最终得分为 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则要求模型根据同一批 ABB 工业机器人三维零件，确定关节安装位置、旋转轴和工具朝向。
据基元律动透露，NeoHorse-1.5-Flash Preview 找到匹配的公开三维模型，逐件核对零件并完成适配。在两款模型采用相同关节角输入的对比中，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°，得分为 100 分。Qwen3.8-Flash-Next 的装配结果出现多处安装错位，零位下末端偏离参考位置 1.316 米，工具方向相差 90°，得分为 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要求模型还原聚类相关矩阵。这类图表按聚类结果排列变量，用颜色呈现变量之间的相关程度，案例主要检查图表结构、分组、配色和动效是否完整。
据基元律动提供的说明，NeoHorse-1.5-Flash Preview 生成的页面保留了图表结构、聚类分组与配色细节；Qwen3.8-Flash 的输出则出现部分元素未渲染、动效不完整的情况。
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）
另一个案例检查公式计算及页面交互。据基元律动透露，NeoHorse-1.5-Flash Preview 给出了正确的计算结果，并实现了相关功能与交互；Qwen3.8-Flash 的计算结果出现错误。
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），不同 AI 创企已给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，由自动化研究系统参与数据、训练方案和推理优化；同月，中国大模型创企超衍智能开源首款大模型 Apex-35B-V1.0，也将 AI 用于数据构造、实验设计与训练优化。
基元律动将不同模型执行同一任务的结果用于训练，让自有模型学习其他模型的解法、修正自身错误。这种做法也为多模型路由业务的应用提供了新思路，公司在调度模型、服务用户的过程中，亦可以持续积累自有模型的训练材料。