基元律动发布NeoHorse-1.5 Flash：180B参数、6B激活

11月5日，基元律动发布Agent原生模型NeoHorse-1.5-Flash Preview。该模型基于Qwen3.8-Flash训练，总参数量为180B，激活参数量为6B，主要面向Agent任务执行和软件工程场景，目前仅开放限量内测。

按照基元律动公布的对照结果，与基座模型相比，NeoHorse-1.5-Flash Preview在Agents’ Last Exam上的总成绩提升9.23分，在Natural Language to Repository评测中的总成绩提升5.92分。其中，物理科学任务得分提升超过20分，开发工具与测试、Web开发、安全认证及加密等方向也取得进步。

此次发布被定义为NeoHorse系列递归自我改进（RSI）机制的“第二圈”。9月推出NeoHorse-1后，团队将上一代模型重新投入模型池，在真实任务中获取执行反馈，再把这些经验用于后续训练；训练规模也由首轮的4B、9B扩大到Flash档位。

这套方法建立在多模型平台TokenRhythm和开源Agent产品OpenSquilla之上。路由系统先提供任务能力需求信号，多模型融合机制则让多个前沿模型完成同一任务并产生可比较结果。NeoHorse与这些结果之间的差异，可用于定位能力短板、确定训练重点，并进一步转化为训练信号。

模型发布次日，基元律动同步更新OpenSquilla。新版会根据任务意图选择模型档位，继续执行任务时保持原档位，重做任务时则逐级升档；TokenRhythm与OpenRouter的推荐方案也能分别更新，用户无需升级客户端即可查看差异并确认应用。推荐配置还参考了11月模型榜单进行调整，使执行端的模型选择能够随评测结果变化。

围绕RSI训练，团队提出多模型差分诊断、对抗式环境进化和群体智能在线学习三项技术，分别用于能力诊断、应对分布塌缩以及提升迭代效率。环境进化引擎会持续生成并筛选新任务，群体智能在线学习则利用模型输出与融合结果之间的差异训练模型，将执行过程中的比较信息用于后续优化。

公开演示展示了模型在具体任务中的差别。在表格网页案例中，基座模型生成的部分计算单元格出现公式错误，而新模型能够呈现公式输入、计算结果以及更多交互功能。发布材料还展示了图表生成、量子物理计算和机器人装配参数求解等案例，重点考察模型在计算、校验和交付环节的完成能力。

NeoHorse-1.5-Flash Preview目前可通过基元律动官方公众号申请内测。