基元律动发布NeoHorse-1.5-Flash，推进智能体递归自我改进

基元律动（TokenRhythm）正式发布Agent原生模型NeoHorse-1.5-Flash Preview，目前已开放限量内测。

该模型基于Qwen3.8-Flash进行训练，总参数为180B，激活参数仅6B，重点强化了AI 智能体任务执行与软件工程能力。

评测表现与能力进阶

对照评测数据显示，相较于基座模型，NeoHorse-1.5-Flash在Agents’ Last Exam上的综合得分提升了9.23分，在Natural Language to Repository评测中整体得分提高5.92分。

细分领域中，物理科学任务的得分增幅超过20分。此外，新模型在开发工具与测试、Web开发、安全认证及加密等实际工程方向上，也均有明显改善。

在公开演示案例中，以表格网页开发为例，基座模型生成的计算单元格常出现公式报错，而NeoHorse-1.5-Flash不仅准确实现了公式计算逻辑，还完成了更多交互功能交付。官方公布的演示还涵盖了图表生成、量子物理计算以及机器人装配参数求解等复杂任务。

递归自我改进机制进入第二圈

本次更新标志着NeoHorse系列在递归自我改进（RSI）技术路线上的进一步深入。基元律动将其定义为该机制的“第二圈”迭代。

自9月推出首代NeoHorse-1以来，团队将上一代模型重新投入实际运行环境，在真实任务流中收集执行反馈，并将这些经验反哺到后续训练中。与此同时，训练尺度也从最初的4B、9B规格扩展至Flash档位。

该迭代闭环主要依托TokenRhythm多模型平台与开源AI 智能体产品OpenSquilla：

1. 多模型差分诊断：路由系统识别任务需求信号，多模型融合调度前沿模型处理相同任务，通过对比NeoHorse与更强模型的输出差异，精准定位能力短板。
2. 对抗式环境进化：环境进化引擎持续生成并筛选新任务，防止模型在循环迭代中发生分布塌缩。
3. 群体智能在线学习：利用模型输出与融合结果的差异提取训练信号，在执行框架中实现持续优化。

配合模型发布，基元律动同步升级了OpenSquilla。新版本能够根据任务意图动态匹配模型档位，并在任务重做时逐级升档。平台还支持独立热更新推荐方案，用户无需更新客户端即可应用最新的模型配置。