NeoHorse-1 开源：专为智能体任务设计的 4B/9B 模型

2026-09-18 12:32 1 阅读

NeoHorse-1 是什么

NeoHorse-1 是由基元律动（TokenRhythm）联合无问芯穹、清华大学、北京大学、香港中文大学、阿里巴巴等机构共同推出的开源智能体（Agent）模型。它有两个参数规模：4B 和 9B。与通用大模型不同，NeoHorse-1 从训练数据到优化目标都围绕“完成任务”展开，而不是单纯追求对话流畅或知识覆盖。

这个模型最大的特点是采用了 Agent-Native 后训练 方法。训练数据不是来自问答对或网页文本，而是来自一个叫 Routing Harness 的系统在真实执行任务时留下的结构化轨迹。这些轨迹记录了从用户请求、模型决策、工具调用、环境反馈到错误恢复的完整过程。通过这种方式，模型学到的不是“怎么回答”，而是“怎么做事”。

在官方评测中，NeoHorse-1-9B 在十项 Agent 相关基准上的平均得分为 69.04，比其底座模型高出 3.44 分。它原生支持 262,144 个 token 的上下文长度，理论上可扩展到约 101 万 token，适合处理需要长时间记忆和多步骤推理的任务。模型以 Apache-2.0 协议开源，支持本地部署。

核心能力：不只是聊天，而是做事

NeoHorse-1 的设计目标很明确：让模型能像人一样操作电脑、调用工具、写代码并完成复杂任务。它的四大核心能力包括：

工具调用：根据任务需求自动选择并调用外部工具。比如，用户说“把上周的销售数据做成图表”，模型会先调用数据库接口获取数据，再调用绘图工具生成图表。
任务规划：面对复杂目标，能拆解成多个子步骤，并安排执行顺序。例如，“准备季度汇报”可能被分解为“收集数据→整理PPT→生成演讲稿→检查格式”。
深度搜索：不是简单地返回一段信息，而是在多轮交互中主动检索、交叉验证，并构建证据链。比如回答“某政策对中小企业的影响”，模型会查找政府文件、企业财报、专家评论等多个来源，并说明依据。
代码生成与调试：不仅能写出代码，还能根据运行结果自动修复错误。如果第一次生成的脚本报错，模型会分析错误信息，修改后重试，直到任务成功。

这些能力不是靠提示词（prompt）临时激发的，而是内化在模型行为中的。这也是为什么它在 Agent 专用评测中表现优于参数量更大的通用模型。

技术原理：用真实轨迹训练“做事”的模型

Harness 轨迹驱动的训练

传统大模型的训练数据主要是“问题-答案”对，但 Agent 需要的是“目标-行动-结果”的完整链条。NeoHorse-1 的训练语料来自 Routing Harness 系统的真实执行日志。这些日志包含：

用户原始请求
路由器对任务难度的判断（C0–C3 四档）
模型选择的工具和参数
环境返回的执行结果（成功或失败）
错误发生后的恢复尝试

相比问答数据，这种轨迹多了三个关键维度：能力需求（任务需要什么技能）、执行决策（模型做了什么选择）、环境结果（世界如何反馈）。训练时，成功和失败的轨迹都被保留下来，经过结构校验和六维质量评估（如逻辑性、工具使用合理性等）后用于微调。

能力引导的数据配比

光有数据还不够，怎么配比也很关键。NeoHorse-1 利用了路由信号来动态调整训练数据分布。具体做法是：

将每条轨迹拆成“预测—行动—结果”三段；
用“预测段”（即路由器对任务难度的判断）作为课程排序依据，决定哪些任务先学、哪些后学；
用“结果段”分析模型在哪些能力档位（C0–C3）上表现差；
根据短板，在下一轮训练中增加对应难度的数据比例。

这样就形成了一个闭环：评测反馈 → 数据配比调整 → 模型更新 → 新一轮评测。模型越练越强，而且强在真正需要的地方。

递归自我改进（RSI）的初步验证

项目还探索了递归自我改进（Recursive Self-Improvement, RSI）机制，分为两部分：

Data-RSI：模型在 Harness 中持续执行新任务，产生的新轨迹经过筛选后成为下一轮训练数据，实现数据的自然积累。
Model-RSI：根据评测发现的短板更新模型，然后将新模型放回 Harness 的模型池中参与后续任务。

目前，团队只验证了单次闭环的有效性。整个过程中的奖励函数和路由信号仍由人类设定，尚未实现完全自动化。但这为未来 Agent 的持续进化提供了可行路径。

如何部署和使用

NeoHorse-1 支持本地部署，对开发者比较友好。以下是基本使用流程：

安装 ModelScope：执行 pip install -U modelscope 获取命令行工具。
下载模型：运行 modelscope download --model TokenRhythm/NeoHorse-1-9B --local_dir ./NeoHorse-1-9B。如果显存有限，也可以选择 4B 版本。
启动推理服务：推荐使用 SGLang（pip install "sglang==0.5.17"）或 vLLM。启动时需指定超长上下文和专用解析器：
```
--context-length 262144 \
--reasoning-parser qwen3 \
--tool-call-parser qwen3_coder
```
API 调用：服务启动后，默认监听 http://localhost:8000/v1。你可以用 OpenAI SDK，只需将 base_url 指向该地址，其余调用方式不变。