Article · Original
The article text is unavailable in this language; an existing version is shown.
11月5日，基元律动（TokenRhythm）发布Agent原生模型NeoHorse-1.5-Flash Preview。
11月5日，基元律动（TokenRhythm）发布Agent原生模型NeoHorse-1.5-Flash Preview。该模型基于Qwen3.8-Flash进行训练，总参数180B、激活参数6B，重点提升Agent任务执行与软件工程能力，目前开放限量内测。
据公司公布的对照评测，相较基座模型，新模型在Agents’ Last Exam上的整体得分提高9.23分，在Natural Language to Repository评测上的整体得分提高5.92分。其中，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也有改善。
本次发布延续了NeoHorse系列对递归自我改进（RSI）的探索，基元律动将其称为这一机制的“第二圈”。9月发布NeoHorse-1后，公司将上一代模型重新放回模型池，在实际任务中收集执行反馈，再将这些经验用于后续训练，模型训练尺度也从首轮4B、9B扩展至Flash档位。
这条路径依托TokenRhythm多模型平台和开源Agent产品OpenSquilla。路由系统提供任务能力需求信号，多模型融合则让多个前沿模型处理同一任务，形成可比较的执行结果。NeoHorse与这些结果之间的差异，被用于识别能力短板、确定训练方向，并转化为学习信号。
在模型发布翌日，基元律动还更新了OpenSquilla，完善了这一执行基础。新版根据任务意图选择模型档位，继续任务时沿用原档位，重做时逐级升档；同时支持独立更新TokenRhythm和OpenRouter推荐方案，用户无需升级客户端，即可预览差异并确认应用。本期推荐配置也依据十一月模型榜单调整，使执行侧的模型选择能够跟随评测结果持续更新。
围绕RSI训练，团队提出多模型差分诊断、对抗式环境进化和群体智能在线学习三项技术，分别对应能力诊断、分布塌缩和迭代效率。其中，环境进化引擎持续生成并筛选新任务，群体智能在线学习利用模型输出与融合结果的差异进行训练，将执行框架中产生的比较信息用于后续优化。
公开演示呈现了具体任务中的差异。在表格网页案例中，基座模型生成的部分计算单元格出现公式报错，新模型则展示了公式输入、计算结果及更多交互功能。发布材料还列出了图表生成、量子物理计算和机器人装配参数求解等案例，考察模型在计算、检查和交付环节的完成情况。
NeoHorse-1.5-Flash Preview现可通过基元律动官方公众号申请内测。
本文由基元律动提供，量子位获授权转载，观点归原作者所有。