模型發布
基元律動發布 NeoHorse-1.5-Flash Preview,180B 總參數 Agent 原生模型開放限量內測,RSI 進入第二圈迭代
AI 科技評論綜合 2 家報導多家報導
核實資料不足
多個報導來源提及此事;未必是彼此獨立的證據。
本次未取得足夠原文證據
基元律動(TokenRhythm)於 11 月 5 日發布 Agent 原生模型 NeoHorse-1.5-Flash Preview,目前開放限量內測,可透過其官方公眾號申請。該模型基於 Qwen3.8-Flash 訓練,總參數 180B、激活參數 6B,重點提升 Agent 任務執行與軟體工程能力。
據公司公布的對照評測,相較基座模型,新模型在 Agents' Last Exam 上整體得分提高 9.23 分,在 Natural Language to Repository 評測上整體得分提高 5.92 分。其中物理科學任務提升超過 20 分,開發工具與測試、Web 開發、安全認證與加密等方向也有改善。以上為公司自行公布的數據,尚未見獨立第三方驗證。
本次發布延續 NeoHorse 系列的遞歸自我改進(RSI)探索,公司稱之為該機制的「第二圈」。9 月發布 NeoHorse-1 後,公司將上一代模型重新放回模型池,在實際任務中收集執行回饋,再將經驗用於後續訓練,訓練尺度也從首輪的 4B、9B 擴展至 Flash 檔位。
此流程依托 TokenRhythm 多模型平台與開源 Agent 產品 OpenSquilla。路由系統提供任務能力需求訊號,多模型融合讓多個前沿模型處理同一任務以產生可比較的執行結果,NeoHorse 與這些結果之間的差異被用於識別能力短板、確定訓練方向,並轉化為學習訊號。
團隊提出三項技術:多模型差分診斷(對應能力診斷)、對抗式環境進化(對應分布塌縮)與群體智能線上學習(對應迭代效率)。環境進化引擎持續生成並篩選新任務,群體智能線上學習則利用模型輸出與融合結果的差異進行訓練。
公開演示中,在表格網頁案例裡,基座模型生成的部分計算儲存格出現公式報錯,新模型則展示了公式輸入、計算結果及更多互動功能。發布材料另列出圖表生成、量子物理計算與機器人裝配參數求解等案例。
同日,OpenSquilla 也更新:依任務意圖選擇模型檔位,續作沿用原檔位,重做時逐級升檔;並支援獨立更新 TokenRhythm 與 OpenRouter 推薦方案,使用者無需升級客戶端即可預覽差異並套用。本期推薦配置依十一月模型榜單調整。
讀原始報導背景
遞歸自我改進(RSI)指 AI 系統反覆設計能力更強的後繼系統,也可能改進產生後續改進的機制(維基百科)。OpenSquilla 在 GitHub 上被描述為一款強調 token 效率的微核心 AI Agent 專案。
來源
- 量子位qbitai.com
- en.wikipedia.org
- github.com
- github.com