摘要基元律动联合无问芯穹、清华、北大、阿里等机构发布首个Agent-Native模型NeoHorse-1。它解决了一个行业长期忽视的问题Agent在真实任务中积累的执行经验几乎从不进入模型参数。NeoHorse-1把Routing Harness产生的结构化执行轨迹用于后训练结果是4B模型在五项基准上超过Qwen3.5-9B底座9B版本τ²-Bench达到90.82超过30B规模的Muse Glimmer。一、Agent最大的浪费经验从不进入参数今天大多数Agent系统里模型在真实环境中执行任务、调用工具、踩坑、纠错、最终完成但这一切经验几乎从不进入模型参数。经验停留在日志里模型下一次遇到相似任务依旧可能踩一遍同样的坑。技术报告记录了一个典型案例一个4B基础模型在项目排期任务中找到了工作目录里的文件却漏读了一封包含最新依赖约束的邮件基于过时信息生成计划把文件写到了错误位置。模型不是不会写代码不是读不懂中文它缺的是“做事的过程感”——什么时候该先扩大信息搜索范围、工具返回什么算异常、发现自己基于过时假设之后该怎么回头。这些能力在教科书式的指令-响应对里几乎不会出现因为它们不是知识是执行策略。NeoHorse-1的核心贡献就是把这条经验从日志里捞出来压进参数里。二、数据变了不是“题和答案”是“做事的过程”传统后训练依赖问答对和教科书式习题。NeoHorse-1的训练语料以Routing Harness产生的结构化轨迹为核心记录的是任务请求、能力需求评估、路由选择、模型响应、工具调用、环境反馈、错误与恢复路径、最终完成状态。一条完整的轨迹包含任务需要什么能力、系统做出了什么执行决策、环境最终给出了什么反馈、走错了如何回头、什么时候该升级到更强的模型。数据规模在10⁵到10⁶条轨迹量级并混入公开的指令、推理、工具使用、代码、偏好数据来拓宽能力覆盖。每条轨迹经过结构检查和六维语义评估目标完成、指令遵循、工具使用合理性、证据支撑、错误恢复、终止时机后才进入训练。这里既有成功经验也有失败轨迹。最终答案只说明“怎么做对”失败与修复过程说明“哪里容易出错、出错后如何恢复”。三、七步闭环从轨迹到权重的工程路径NeoHorse-1的训练是一条完整的“数据生产-训练-评估-反馈”闭环拆为七个可逐环检查的步骤采集、清洗、序列化、课程排序、课程化SFT、路由引导的On-Policy蒸馏、能力引导的数据分配。路由信号负责估计任务所需能力把监督微调组织成三阶段课程评估结果反过来调整下一轮训练数据配比形成“评估-选择-更新”的正循环。四、数据4B打赢9B提升集中在Agent任务模型宏平均分后训练前→后关键亮点NeoHorse-1-4B58.94 →64.87五项基准超过Qwen3.5-9B底座τ²-Bench 88.46NeoHorse-1-9B65.60 →69.04τ²-Bench90.82BFCL v4 67.43在工具调用和多轮交互最集中的τ²-Bench上NeoHorse-1-9B拿到90.82分同场Qwen3.5为88.04分30B的Muse Glimmer只有76.64分。十项基准算总账NeoHorse-1均分69.04分Muse Glimmer为67.86分Qwen3.5为65.60分——参数只到别人三分之一的模型总分反而更高工具链路上的优势更是断层。4B模型在Agent任务上的表现已超过多个参数量显著更大的通用模型。但提升并非均匀分布改善集中在流程清晰、反馈可观察、结果可验证的任务上9B版本在复杂状态维护、长程调试和失败恢复中仍保持明显优势。五、一个必须正视的边界NeoHorse-1的训练数据来自Routing Harness而Harness本身是人设计的。如果Harness的设计有偏差训练数据就会携带这种偏差。Agent-Native模型在“流程清晰”任务上提升最显著恰恰说明它对“人已经梳理清楚流程”的任务效果最好——那些流程本身就不清晰的任务仍然是它的盲区。NeoHorse-1仍处于早期阶段。本次发布的价值不在参数规模而在于验证了一条路径的可行性从Agent任务中产生的数据能够训练出服务于Agent任务的模型。六、上手一条命令跑起来NeoHorse-1基于Qwen3.5后训练兼容vLLM、SGLang、Transformers等主流推理框架Apache 2.0开源可商用。原生上下文262,144 tokens可扩展至1,010,000 tokens。bashpip install vllm vllm serve TokenRhythm/NeoHorse-1-4B --port 80004B版本消费级显卡即可运行GGUF量化版本也已发布。9B版本同样支持vLLM一键部署。查看原文以上仅为核心速览。完整版包含Routing Harness轨迹采集与六维质量评估的完整细则、七步后训练流水线的逐环拆解、三阶段课程学习与路由引导On-Policy蒸馏的代码级分析、与Qwen3.5-4B/9B及30B Muse Glimmer的完整基准对比、以及RSI双环闭环的工程边界讨论。本文首发于「阿Q的AI笔记」点击下方链接阅读全文大模型必知必会Agent-Native模型NeoHorse-1完全拆解