前華為盤古負責人王雲鶴，創業做RSI，掏出1250億參數智能體大模型

作者 | 孫小雯 編輯 | 程茜 11月5日消息，今日，北京大模型創企基元律動（TokenRhythm）發佈面向智能體任務的大模型NeoHorse-1.5-Flash Preview，並開放內測。據基元律動透露，該模型基於Qwen3.8-Flash進行遞歸自我改進（RSI）迭代，主模型參數為1250億，激活參數為60億。據基元律動透露，團隊此次將上一代模型NeoHorse-1重新加入多模型任務執行體系，積累新的執行記錄與能力反饋，再用於訓練NeoHorse-1.5。據基元律動公佈的評測結果，相較Qwen3.8-Flash基座，NeoHorse-1.

5-Flash Preview在Agents’ Last Exam中的整體成績由41.20分提升至50.43分，提高約22.4%，其中物理科學任務成績提高約106.1%。在自然語言生成代碼倉庫評測中，新模型的整體成績由44.24分提升至50.16分，提高約13.4%。▲NeoHorse-1.5-Flash Preview與Qwen3.8-Flash基座在Agents’ Last Exam中的成績對比（圖源：基元律動） 今年9月，該公司發佈上一代模型NeoHorse-1，包含40億和90億參數兩個版本。據團隊公佈的十項評測結果，上一代模型的4B版本平均成績為64.

87分，在該組參與比較的6款開放權重模型中排名第一。基元律動成立於2026年4月，主要研究多模型智能路由與協同、Agent框架及模型優化。今年5月，該公司推出開源Agent框架OpenSquilla首個公開預覽版，該框架可根據任務需要調度模型、調用工具。8月27日，基元律動宣佈多模型聚合API平臺TokenRhythm API啟動公測，為開發者提供統一的模型調用接口。基元律動創始人、CEO王雲鶴曾任華為諾亞方舟實驗室主任、盤古大模型負責人，聯合創始人、CTO韓凱曾任華為諾亞方舟實驗室首席研究員。

兩人在華為期間共同參與了GhostNet、GhostNetV2等輕量級視覺模型研究，相關論文分別發表於計算機視覺頂級會議CVPR 2020和人工智能頂級會議NeurIPS 2022。今年8月，基元律動披露完成由弘暉基金領投的天使輪融資，聚合資本、尚勢資本等參與。截至該輪融資披露時，該公司已累計融資數千萬美元。此前種子輪由Granite Asia領投，鼎暉VGC、元璟資本、無限基金參與。一、Agent任務平均提升9.23分，多模型執行經驗用於後訓練 據基元律動透露，NeoHorse-1.5-Flash Preview以Qwen3.

8-Flash為基礎，利用Agent執行任務時產生的執行經驗進行後訓練。基元律動希望通過這些材料，讓模型學習如何調用工具、利用執行反饋、修正錯誤，完成多步驟任務。Agent任務方面，據基元律動公佈的Agents’ Last Exam評測結果，相較Qwen3.8-Flash基座，新模型的整體成績由41.20分提升至50.43分，提高約22.4%。其中，物理科學、醫療健康和工程領域的成績分別提高約106.1%、32.0%和54.7%。不過，計算與數學領域的成績由59.51分降至52.96分，下降約11.0%。

軟件工程方面，Natural Language to Repository評測主要考察模型根據自然語言需求生成代碼倉庫的能力。據基元律動公佈的結果，相較Qwen3.8-Flash基座，新模型的整體成績由44.24分提升至50.16分，提高約13.4%。其中，開發工具與測試、Web開發與內容獲取、安全認證與加密領域的成績分別提高約27.9%、20.6%和35.6%。▲兩款模型在自然語言生成代碼倉庫任務中的成績對比，NeoHorse-1.5-Flash Preview整體得分為50.16分，基座為44.

24分（圖源：基元律動） 據基元律動透露，為了讓任務經驗持續用於後續訓練，團隊此次引入多模型差分診斷、對抗式環境進化引擎、群體智能在線學習三項技術，分別用於確定訓練重點、生成新任務環境，以及提供學習信號。其中，NeoHorse作答結果與多模型融合結果之間的差異，既可用於發現NeoHorse的短板，也可用於指導模型學習。▲基元律動的模型訓練流程：通過多模型比較診斷短板，生成新環境，並利用多模型反饋指導訓練（圖源：基元律動） 1、多模型差分診斷：比較同一任務的執行結果，確定訓練重點 這項技術依託開源Agent框架OpenSquilla的多模型融合功能。

多個前沿模型分別執行同一任務，系統再融合各模型的結果。NeoHorse也作為模型池中的一員參與執行。各模型的表現與融合結果，為逐任務比較提供參照。據基元律動透露，系統通過比較，持續識別NeoHorse與其他模型的能力差距，形成隨時間變化的“能力缺陷畫像”。該公司根據這張畫像確定下一輪訓練重點，保留已有優勢，並針對薄弱任務補充訓練。系統還根據真實任務類型，持續生成內部動態評測。2、對抗式環境進化引擎：生成並篩選環境，模擬用戶修改需求 據基元律動透露，其利用環境進化引擎，從一個種子環境生成多個候選環境。

系統根據模型能否完成任務、是否熟悉環境等條件進行篩選，剔除過於簡單或熟悉的環境，保留能帶來新任務經驗的候選環境。模型還會在任務執行過程中面對“數字鏡像交互體”，即模擬用戶的交互對象。這些交互對象會追問、修改要求或反悔，用於模擬真實需求變化下的多輪交互。3、群體智能在線學習：利用多模型融合結果指導更新 這項技術與差分診斷共用多模型融合結果，用於指導模型學習。據基元律動透露，系統將NeoHorse自身作答與多模型融合結果之間的差異，用作逐任務的教師信號。NeoHorse在線上服務真實任務的同時，利用這些信號，以同策略（on-policy）方式持續更新。

該公司還沿用路由引導課程學習，根據路由調度器（Routing Harness）對各項任務能力需求的估計，自動組織訓練課程。二、兩項複雜任務得分100分，四個案例展示計算與前端生成表現 基元律動此次公佈的四個案例可分為兩組：量子物理計算和機器人三維裝配，考察模型能否結合執行結果修正程序、校準參數；聚類相關矩陣與公式計算頁面，分別檢查生成內容的視覺還原和功能正確性。以下結果均來自基元律動提供的官方案例。1、複雜Agent任務：量子物理計算得分100分，裝配方向誤差小於0.001° 量子物理案例要求模型計算量子格點在不同頻率下的響應，並生成頻譜。

任務可以理解為，用不同頻率“敲擊”量子格點，計算響應強弱及峰值位置。據基元律動披露，NeoHorse-1.5-Flash Preview在調試中定位並修正頻譜計算錯誤，最終輸出具有響應峰的頻譜，最高響應達到6.2015，通過全部三層檢查，獲得100分。對比模型Qwen3.8-Flash-Next輸出的8000個採樣點全部為零，且摘要與實際數組不一致，在第二層檢查失分，最終得分為0分。▲量子物理計算案例：左側NeoHorse-1.5-Flash Preview輸出的頻譜出現響應峰，右側Qwen3.

8-Flash-Next輸出的採樣點全部為零（圖源：基元律動） 機器人三維裝配案例則要求模型根據同一批ABB工業機器人三維零件，確定關節安裝位置、旋轉軸和工具朝向。據基元律動透露，NeoHorse-1.5-Flash Preview找到匹配的公開三維模型，逐件核對零件並完成適配。在兩款模型採用相同關節角輸入的對比中，NeoHorse-1.5-Flash Preview的裝配結果在零位下，機器人末端與參考位置重合，工具方向誤差小於0.001°，得分為100分。Qwen3.8-Flash-Next的裝配結果出現多處安裝錯位，零位下末端偏離參考位置1.316米，工具方向相差90°，得分為53.

36分。▲機器人三維裝配案例：左側NeoHorse-1.5-Flash Preview得分為100分，右側Qwen3.8-Flash-Next得分為53.36分（圖源：基元律動） 2、前端生成：分別檢查圖表還原與公式計算 前端生成的第一個案例要求模型還原聚類相關矩陣。這類圖表按聚類結果排列變量，用顏色呈現變量之間的相關程度，案例主要檢查圖表結構、分組、配色和動效是否完整。據基元律動提供的說明，NeoHorse-1.5-Flash Preview生成的頁面保留了圖表結構、聚類分組與配色細節；Qwen3.8-Flash的輸出則出現部分元素未渲染、動效不完整的情況。▲NeoHorse-1.

5-Flash Preview生成的聚類相關矩陣頁面（圖源：基元律動） ▲Qwen3.8-Flash生成的聚類相關矩陣頁面（圖源：基元律動） 另一個案例檢查公式計算及頁面交互。據基元律動透露，NeoHorse-1.5-Flash Preview給出了正確的計算結果，並實現了相關功能與交互；Qwen3.8-Flash的計算結果出現錯誤。▲NeoHorse-1.5-Flash Preview生成的公式計算與表格交互頁面（圖源：基元律動） ▲Qwen3.

8-Flash生成的公式計算與表格交互頁面（圖源：基元律動） 結語：RSI路線各有側重，多模型任務執行經驗可用於後訓練 圍繞遞歸自我改進（RSI），不同AI創企已給出具體的模型研發方案。10月18日，美國AI創企Recursive發佈面向本地運行的編程模型Flint，由自動化研究系統參與數據、訓練方案和推理優化；同月，中國大模型創企超衍智能開源首款大模型Apex-35B-V1.0，也將AI用於數據構造、實驗設計與訓練優化。基元律動將不同模型執行同一任務的結果用於訓練，讓自有模型學習其他模型的解法、修正自身錯誤。

這種做法也為多模型路由業務的應用提供了新思路，公司在調度模型、服務用戶的過程中，亦可以持續積累自有模型的訓練材料。