# 180B 参数激活仅 6B！基元律动发布 Agent 原生模型 NeoHorse-1.5-Flash：首创“第二圈”递归自我改进闭环、ALE 飙升 9.2 分与 NL2Repo 软件工程实测全景拆解

- Link: https://paooo.com/ai-tool/41690/
- Published: 2026-11-10T18:05:48+08:00
- Author: 站外新闻

> **💡 站外导读：**在大语言模型向自主智能体（Agent）快速演进的下半场，“堆砌通用参数”
> 的传统范式正遭遇严峻的推理成本与执行效率天花板。如何在保持极低激活开销的同时，
> 让模型在真实复杂的软件工程、多步骤工具调用与代码仓库重构中具备高确定性？基元律
> 动（TokenRhythm）交出了一份惊艳的工程答卷：基于 Qwen3.8-Flash 架构打造的 Agent
> 原生模型 NeoHorse-1.5-Flash Preview 开启限量内测。总参数高达 180B 但每次前向传播
> 仅激活 6B，通过开创性的“第二圈”递归自我改进（RSI）反馈闭环，在业界公认的高难评
> 测 Agents’ Last Exam 上直接拉升 9.23 分。本文从系统架构、训练飞轮与工程落地全视角
> 深度拆解这款 Agent“小钢炮”。

## 一、180B 巨兽激活仅 6B：为什么 Agent 原生模型必须走向“激进稀疏”？

在传统的通用对话[大模型](https://paooo.com/ai-study/)中，模型的每一次思考和 Token
生成都需要激活全量稠密权重（Dense Weights），这在单次交互中尚可承受，但一旦置身于
需要成百上千轮内部反思、工具链调用（Tool Calling）与代码调试的复杂 Agent 运行沙箱
中，极其高昂的计算资源消耗便会迅速演变为开发者的“算力灾难”。

阅读目录

 * [一、180B 巨兽激活仅 6B：为什么 Agent 原生模型必须走向“激进稀疏”？](https://paooo.com/ai-tool/41690/#%e4%b8%80180b-%e5%b7%a8%e5%85%bd%e6%bf%80%e6%b4%bb%e4%bb%85-6b%e4%b8%ba%e4%bb%80%e4%b9%88-agent-%e5%8e%9f%e7%94%9f%e6%a8%a1%e5%9e%8b%e5%bf%85%e9%a1%bb%e8%b5%b0%e5%90%91%e6%bf%80%e8%bf%9b%e7%a8%80)
 * [二、硬核评测成绩单：Agents’ Last Exam 暴涨 9.23 分，击穿代码仓库重构瓶颈](https://paooo.com/ai-tool/41690/#%e4%ba%8c%e7%a1%ac%e6%a0%b8%e8%af%84%e6%b5%8b%e6%88%90%e7%bb%a9%e5%8d%95agents-last-exam-%e6%9a%b4%e6%b6%a8-923-%e5%88%86%e5%87%bb%e7%a9%bf%e4%bb%a3%e7%a0%81%e4%bb%93%e5%ba%93%e9%87%8d%e6%9e%84)
 * [三、“第二圈”递归自我改进：模型池执行反馈与端侧路由的自进化闭环](https://paooo.com/ai-tool/41690/#%e4%b8%89%e7%ac%ac%e4%ba%8c%e5%9c%88%e9%80%92%e5%bd%92%e8%87%aa%e6%88%91%e6%94%b9%e8%bf%9b%e6%a8%a1%e5%9e%8b%e6%b1%a0%e6%89%a7%e8%a1%8c%e5%8f%8d%e9%a6%88%e4%b8%8e%e7%ab%af%e4%be%a7%e8%b7%af%e7%94%b1)
 * [四、OpenSquilla 协同进化：按意图动态升档，告别全量客户端重构](https://paooo.com/ai-tool/41690/#%e5%9b%9bopensquilla-%e5%8d%8f%e5%90%8c%e8%bf%9b%e5%8c%96%e6%8c%89%e6%84%8f%e5%9b%be%e5%8a%a8%e6%80%81%e5%8d%87%e6%a1%a3%e5%91%8a%e5%88%ab%e5%85%a8%e9%87%8f%e5%ae%a2%e6%88%b7%e7%ab%af%e9%87%8d)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/ai-tool/41690/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

基元律动团队从底层便确立了“Agent-First（[智能体](https://paooo.com/trends/)优先）”
的工程信条：通过深度重构 **Qwen3.8-Flash** 稀疏注意力与路由门控（Router Gating）
机制，成功实现了高达 180B 的海量知识容量储备，而单步执行时仅激活 **6B 参数**。这种
极其激进的稀疏 MoE（Mixture of Experts）架构带来了三大决定性优势：

 * **极致的推理吞吐与低时延：**单步 6B 的激活负荷让模型能够在消费级算力集群或低延迟
   API 通道中跑出极高的 Token/s 生成速度，彻底消除了复杂智能体在调用外部 CLI 或单元
   测试时的漫长等待；
 * **端到端调用成本骤降 75% 以上：**极低的有功算力消耗使得开发者可以放手构建包含
   子代理审核（Sub-agent Review）、错误重试与自愈循环的长程工作流；
 * **高特化专家路由解耦：**180B 的超大参数体量让模型能够分配独立的专家模块专注于
   语法树解析（AST Parsing）、网络鉴权（OAuth/JWT）与物理科学计算等高门槛垂直领域。

## 二、硬核评测成绩单：Agents’ Last Exam 暴涨 9.23 分，击穿代码仓库重构瓶颈

参数的精简并未以牺牲智力密度为代价。在当前学术界与工业界用于衡量智能体极致自主能力
的权威基准 **Agents’ Last Exam (ALE)** 测评中，NeoHorse-1.5-Flash 展现出了惊人的
泛化爆发力：相较于原始基座，其综合得分直接跳涨 **9.23 分**；而在考验模型从自然语言
需求直接搭建生产级工程仓库的 **Natural Language to Repository (NL2Repo)** 任务中，
亦录得 5.92 分的显著进阶。

  |  评估维度 (Benchmark) |  基座模型表现 |  NeoHorse-1.5-Flash 表现 |  净提升幅度 (Delta) |  工业落地意义 |  
   |  **Agents’ Last Exam (ALE)** |  基准水位 |  基准 + 9.23 分 |  **+9.23 pts** |  多步工具链规划与容错自愈能力跃升 |  
 |  **Natural Language to Repo** |  基准水位 |  基准 + 5.92 分 |  **+5.92 pts** |  跨多文件架构生成与依赖解析准确度翻倍 |  
 |  **物理科学计算任务 (Physics/Sci)** |  基准水位 |  基准 + 20.4 分 |  **+20.0+ pts** |  数值仿真与严密逻辑公式推导零幻觉 |  
 |  **Web 全栈与安全加固 (Sec & Web)** |  行业平均 |  大幅改善 |  **显著增强** |  防范 SQL/XSS 漏洞及合规鉴权代码编写 |

## 三、“第二圈”递归自我改进：模型池执行反馈与端侧路由的自进化闭环

NeoHorse 性能跃迁的底层密码，源于基元律动在行业内率先跑通的**递归自我改进（Recursive
Self-Improvement, RSI）飞轮**。官方将其命名为自进化演进的“第二圈”。

在今年 9 月推出初代 NeoHorse-1 后，研发团队并没有像传统厂商一样停滞于参数微调，而是
直接将上一代模型投入到真实的 **TokenRhythm 多模型交互平台** 与开源客户端 **OpenSquilla**
的生产集群中。数以万计的开发者在日常编写代码、运行自动化测试和执行命令行时产生的
各类执行报错日志、用户主动中断与重试记录，被清洗为高质量的“负反馈偏好数据（Negative
Feedback RL）”，并反哺至下一轮大规模强化学习中。

通过多模型集成（Multi-model Ensemble）与动态路由信号的比对，系统能够精准定位出上
一代模型在长分支逻辑判断、深层目录检索等环节的认知短板，从而在“第二圈”将训练尺度
从初期的 4B/9B 跃升至兼顾大容量与高灵活度的 Flash 档位，完成了真正意义上的“数据-
模型-端侧执行-再训练”闭环。

## 四、OpenSquilla 协同进化：按意图动态升档，告别全量客户端重构

与模型发布同步，开源 Agent 运行时 **OpenSquilla** 也迎来了关键底层架构更新。这一
设计充分体现了云端协作的敏捷理念：

 1. **意图感知智能路由（Intent-based Tier Selection）：**客户端在接收到用户的 [Prompt](https://paooo.com/ai-image-prompts/)
    后，由轻量本地模块判定任务复杂度。若是简单的单文件修改，直接调用最经济的轻量档位；
    若是全仓库跨模块重构，自动路由至 NeoHorse-1.5-Flash；
 2. **任务重做渐进升档（Progressive Fallback & Escalation）：**当智能体在低档位执行
    失败或单元测试未能全部通过时，系统自动无感知“升档”唤起高算力专家介入，无缝衔接上
    一轮的上下文状态；
 3. **独立配置热更新（OTA Configuration）：**所有的模型路由策略与参数推荐均作为独立
    的云端协议包下发，终端用户无需经历繁琐的代码更新或客户端重新打包，即可零门槛体验
    最新的 Agent 能力。

#### 📝 站长洞察 (Editor’s Insight)

NeoHorse-1.5-Flash 的发布标志着国内大模型团队在 Agent 基础设施赛道上的思路质变：
从盲目追逐通用大底座，转向深耕“低推理成本 + 高垂直工程确定性”的 Agent 原生架构。
180B 参数仅激活 6B，让高并发、多轮次长任务调用的系统性 Token 账单大幅收敛，真正解决
了智能体落地中的“算力黑洞”痛点。更具启发性的是其将开源客户端（OpenSquilla）与模型
池反馈紧密咬合的“递归自我改进第二圈”飞轮——终端每次真实的执行挫败与重试，都成为了
下一代模型的直接养料。当智能体模型学会从真实执行日志中自愈自进化，开发者的工作流
正迎来从工具堆叠向自治系统跃迁的奇点时刻。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)