王云鹤创业后发布 NeoHorse-1：把 Agent 执行轨迹用于模型后训练

发布了什么

量子位报道，基元律动发布首个 Agent-Native 模型 NeoHorse-1，包含 4B 与 9B 两个版本。团队将模型定位在 Agent 执行场景，关注工具调用、读取环境反馈、发现错误并调整后续步骤等能力。项目官方仓库提供模型与技术材料，具体使用条件和许可应以仓库说明为准。

训练思路：从执行过程提取信号

传统问答训练通常围绕输入和答案构造样本。Agent 执行还会留下工具选择、工具返回、失败位置、重试和最终任务结果等过程信息。基元律动的思路是先整理这些轨迹，再筛选适合训练的部分，用路由判断和任务难度安排训练样本。这个方向的潜在价值在于学习可执行步骤与环境反馈之间的关系，而不仅是模仿最终答案。

已公布结果应该怎样读

量子位转述的技术报告显示，NeoHorse-1-4B 在 Agentic Post-Training 后，综合宏平均得分由 58.94 提升到 64.87，并在报告所列的若干同规模对比中表现突出。这些数字是项目方报告的评测结果；比较范围、基准任务、提示设置和复现条件都会影响结论，不能直接推导为它在所有真实业务中优于其他模型。

对开发者和企业意味着什么

如果模型可以更稳地完成步骤明确、反馈可观测、结果可验证的 Agent 任务，小模型或许能承担部分原本交给更大模型的工作，路由系统也能据任务难度选择不同模型。不过实际收益要同时看成功率、重试次数、延迟、推理成本和人工接管比例。单看一次基准得分，无法证明端到端成本更低。

仍待验证的部分

目前公开材料不足以证明模型在不同领域和长期运行中都能稳定泛化，也不能仅凭一次后训练结果称为完整的递归自我改进。数据筛选、奖励设计和训练流程仍需要人为设定；训练数据的覆盖面、评测独立性、授权与隐私治理，以及商业客户中的持续表现，都值得后续追踪。

来源

本文依据量子位对 NeoHorse-1 发布及技术报告的报道整理，并参考项目官方 GitHub 仓库：https://github.com/TokenRhythm/NeoHorse 。评测数值按报道转述，均作为发布方报告结果呈现。