NeoHorse‑1 ：基元律动联合多家机构推出 Agent‑Native 模型，基于路由轨迹实现递归自我改进原型

基元律动（TokenRhythm）联合无问芯穹、清华大学、北京大学及阿里巴巴等机构，正式发布了 NeoHorse-1。这是业界首个明确以“Agent-Native”为设计理念的模型家族，包含 4B 和 9B 两个版本。NeoHorse-1 的核心突破在于将 Agent 在使用工具、接收反馈和修正错误过程中的执行轨迹转化为训练数据，探索通过路由框架实现模型的递归自我改进（Recursive Self-Improvement, RSI）。

• GitHub：https://github.com/TokenRhythm/NeoHorse
• 模型：https://huggingface.co/collections/TokenRhythm/neohorse-1

核心亮点：从“执行经验”到“模型能力”

1. 路由引导的代理后训练

NeoHorse-1 并非单纯依赖静态语料库，而是基于基元律动此前开发的开源 Routing Harness 系统 OpenSquilla 产生的执行轨迹进行训练。

• 数据源：保留了能力需求预测、路由选择、模型响应、工具调用和环境反馈的全链路信息。
• 训练方法：采用路由引导的课程 SFT 和路由引导的同策略蒸馏（On-Policy Distillation）。教师模型针对学生实际生成的内容提供指导，将执行中的成功经验与失败教训直接内化为模型参数。

2. 性能表现：小模型的大跨越

在涵盖 Agent 执行、工具交互、代码和指令遵循的 11 项基准测试中：

• NeoHorse-1-4B 在 4B 级模型中未加权平均分最高。
• 在五项关键基准上，4B 版本的表现甚至超过了 Qwen3.5-9B 底座。
• 改善主要集中在流程清晰、反馈可观察、结果可验证的任务上。虽然更大模型在复杂状态维护和长程调试中仍有优势，但 NeoHorse 证明了通过高质量轨迹训练，小模型也能获得极强的 Agent 执行力。

3. 高质量数据工程

团队对训练数据进行了极其严格的清洗与评估：

• 去重与去污染：精确移除重复数据，确保评估集的纯净。
• 六维语义评估：从目标完成度、证据一致性、错误恢复等多个维度对轨迹进行打分。
• 结构化标注：对子场景级的场景、目标和结果进行细粒度标注，确保模型学到的是逻辑而非巧合。

技术架构与生态协作

• 基础底座：基于阿里巴巴开源的 Qwen3.5-4B 和 Qwen3.5-9B 进行后训练，继承了其强大的原生多模态与长上下文能力（原生支持 262K 上下文，可扩展至 1M+）。
• 基础设施优化：无问芯穹提供了模型算法与芯片硬件的协同优化，显著提升了训练效率并降低了成本，加速了从任务信号处理到模型更新的迭代周期。
• 学术创新：清华与北大团队参与了算法设计，共同探索如何提高训练投入的能力回报，推动形成更陡峭的训练 Scaling 曲线。

为什么 NeoHorse-1 很重要？

1. 验证了 RSI 的可行性：它证明了“Agent 执行 -> 评测暴露短板 -> 调整训练 -> 模型更新 -> 返回 Harness”这一闭环是有效的。这是迈向真正具备自我进化能力的 AI 系统的关键一步。
2. 解决了“漏读邮件”式的幻觉问题：如开篇案例所示，传统模型容易忽略动态环境中的关键信息。NeoHorse 通过学习大量包含环境反馈的轨迹，学会了如何更谨慎地检查依赖、验证结果并从错误中恢复。
3. 开源生态的协同典范：连接了模型底座（阿里）、算法研究（高校）、算力基础设施（无问芯穹）与 Agent 执行框架（基元律动），为国产开源模型的训练与迭代提供了一条可复制的路径。

模型下载与部署

• 权重格式：Safetensors / BF16
• 接口：文本输入/文本输出
• 适用场景：4B 版本适合轻量级本地部署或边缘设备；9B 版本适合需要更高容量和复杂推理的服务端部署。