基元律动发布1250亿参数智能体大模型NeoHorse-1.5-Flash Preview

智东西（公众号：zhidxcom）
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）

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。