基元律动发布NeoHorse-1.5-Flash Preview，Agent模型RSI进入第二轮迭代

引言

Agent 原生模型正在经历一次更靠近“执行端”的升级。基元律动发布的 NeoHorse-1.5-Flash Preview，将自家递归自我改进（RSI）路径推进到“第二圈”：在真实任务中收集反馈、与多模型对比学习、把执行差分转化为训练信号。相比常见的“离线标注+单模型微调”，这条路线更像是把模型置于持续演化的工程系统之中，用系统反馈塑造能力边界。

本次版本以 Qwen3.8-Flash 为基座，总参数 180B、激活参数 6B，明显指向 Mixture-of-Experts 的高效推理路线；评测数据则显示面向 Agent 的实践能力有实质提升。更值得关注的是，团队同步升级了执行框架 OpenSquilla，通过路由与档位策略，将评测与执行两侧打通，形成持续迭代的闭环。

参数与能力：为何选择“Flash级”的 Agent 原生路线

NeoHorse-1.5-Flash Preview 的两个关键指标是“总参数 180B”和“激活参数 6B”。这意味着模型在推理时只激活少量专家，兼顾容量与成本，更适合在复杂 Agent 任务中频繁调用工具、长链路推理的场景。

从公开对照数据看，模型在两类评测上显著改善：
- Agents’ Last Exam：整体提升 9.23 分，物理科学任务提升超过 20 分；
- Natural Language to Repository（NL2Repo）：整体提升 5.92 分。

这组差异透露了能力侧重：
- 物理科学大幅提升，往往意味着更稳健的“计算—自检—更正”循环能力，尤其是在符号推理、数值工具调用和长链路检查上；
- NL2Repo 的进步指向工程管线的完整性提升：不仅是生成代码片段，还需构建项目骨架、配置依赖、组织测试，以及在迭代中维持一致性。

演示案例也印证了这一点：在表格网页任务中，基座版本出现公式报错，而新模型能正确输入公式、得到有效计算，并提供更多交互功能。这种“端到端交付意识”对 Agent 型应用至关重要——不只是生成文本或代码，还要在浏览器、运行环境或 CI 流水线中验证可用性。

为什么“Flash档”对 Agent 重要

Agent 执行不是一次性回答，而是多轮工具调用、状态维持、策略调整的过程，延迟与稳定性极为敏感：
- 激活参数更小，降低单步推理成本，有利于长链路任务；
- 更大的总容量，有助于容纳多领域专家，覆盖更广的任务分布；
- 结合路由与档位策略，可按任务复杂度动态匹配算力，避免“重炮打蚊子”。

简而言之，“大容量+低激活”的架构与 Agent 的“多步、异质、在线”特征天然契合。

RSI 的“第二圈”：多模型差分、环境进化与群智在线学习

NeoHorse 系列坚持在真实执行中汲取训练信号。此次称之为 RSI 的第二圈，核心包括三项技术范式：
- 多模型差分诊断：同一任务由多个前沿模型处理，比较执行结果，识别薄弱环节并确定训练方向；
- 对抗式环境进化：环境引擎持续生成与筛选新任务，防止训练分布停滞，同时抑制“只擅长熟题”的分布塌缩；
- 群体智能在线学习：利用模型输出与融合结果之间的差异作为梯度信号，把执行层产生的比较信息回灌训练。

这一机制背后有两条隐含假设：其一，执行侧的“错因”对能力定位更直接；其二，多模型融合能在一定程度上逼近“集体上限”。当 NeoHorse 与融合结果存在差距时，差距即学习信号。若融合管线设计得当，这是一种接近“自监督”的途径，能较低成本地扩大训练覆盖。

当然，风险与挑战同样存在：
- 差分诊断依赖路由与融合策略的健壮性，错误的“集体判断”会引入系统偏差；
- 环境进化需要精心设定任务分布，过度对抗可能引出“不可解”或“非自然”任务；
- 在线学习强调时效，但需要周密的安全与对齐机制，防止在野数据与模型“互相放大”错误。

基元律动在公开资料中明确将这三项技术对应到能力诊断、分布塌缩与迭代效率三个痛点，说明团队对系统性风险有较成熟的工程认知。这种问题导向思路是 RSI 能否持续推进的关键。

执行基础设施：OpenSquilla 的路由与档位策略

模型之外，执行框架的迭代是另一个看点。OpenSquilla 新版在两处做了针对 Agent 的工程升级：
- 档位选择与继承：根据任务意图选择模型档位，继续任务沿用原档位；重做任务逐级升档。这样既保障一致性，又避免无谓的算力浪费；
- 推荐方案解耦：支持独立更新 TokenRhythm 与 OpenRouter 的推荐组合，用户无需升级客户端即可对比并应用差异。推荐配置也随最新榜单更新，使执行侧模型选择与评测同步。

这类“策略层”的改进，直接缩短了“评测信号到执行选择”的链路，降低了工程摩擦。对于强调闭环优化的 RSI，基础设施与策略的一致性至关重要：路由提供任务能力需求信号，多模型融合产出可比较的结果，再把差分送回训练。这是一条持续“自举”的链路。

从“模型发布”到“系统发布”

可以把 NeoHorse-1.5-Flash Preview 理解为“模型+执行系统”的组合发布。模型参数与能力的提升，只有在合理的路由、档位、融合与反馈机制中，才能转化为真实世界中的吞吐、稳定与交付质量。这也是 Agent 原生路线与传统大模型路线的一个分野：更强调工程系统的整体演进。

影响与展望

从行业角度看，这次更新有三点值得关注：
- Agent 能力的结构性提升：在物理科学与 NL2Repo 两类任务上的改善，代表模型正从“能回答”走向“能完工”，把验证与交付纳入能力边界；
- RSI 的工程化落地：多模型差分、环境进化、群智在线学习被并入统一管线，意味着“评测—执行—训练”闭环的雏形成型；
- 成本与可用性的平衡：MoE 的 180B/6B 设计与“档位继承+逐级升档”的策略组合，使长链路 Agent 任务的单位成本更可控。

展望下一步，几条路径值得继续观察：
- 工具生态与流程对齐：更细粒度的 IDE/CI 集成、更稳定的浏览器与数据处理工具链，将进一步提升“交付闭环”的成功率；
- 课程自动生成与安全对齐：环境进化需与安全策略相辅相成，避免引入不良分布，同时保证训练信号具备可解释性与可回溯性；
- 评测一体化：把 Agents’ Last Exam、NL2Repo 等离线评测与在线 A/B 的指标体系打通，形成持续、可比较的能力雷达图；
- 通用性与专业化的平衡：在“通才 MoE”框架下引入领域专家头，或许能在不显著增加激活成本的前提下，进一步放大特定领域的边际收益。

总体而言，NeoHorse-1.5-Flash Preview 把“Agent 原生”从口号拉回到系统工程：不仅给出参数与分数，更给出一条可复用的闭环路径。随着内测扩大与执行平台持续迭代，RSI 的第三圈、第四圈将更依赖“任务生态+工具栈+安全约束”的协同成熟度。对外部开发者而言，真正的价值在于：当一个 Agent 能在复杂场景下稳定地“写—跑—测—改”，才算跨过了从演示到生产的门槛。

标签： RSI Agent模型 多模型融合 Mixture-of-Experts 软件工程