Agent原生模型NeoHorse-1三天下载破万

基元律动首个Agent-Native模型NeoHorse-1在Hugging Face上线三天，下载量达12,193次，其中4B版本6,109次，9B版本6,084次。其技术报告登上Hugging Face 9月9日Daily Papers当日榜首，截至发稿获3次社区投票。模型还获得AK大神在X上推荐、魔搭官方推荐，社区开发者开始制作量化版本并探索本地运行，不少开发者已部署进开发环境。

NeoHorse-1出自基元律动，技术报告基于对Harness的深度理解和对模型路由的精准设计，提出通过Routing Harness驱动的Agent后训练，迈向递归自我改进。魔搭官方推荐时也关注其训练机制：执行轨迹如何转化为训练信号，能力反馈如何参与下一轮训练，以及这条路径与RSI的联系。其思路是，当Agent完成任务时，已经历工具调用、环境反馈和错误修复，这些过程能否不止留在一次任务记录里，而是成为模型可学习的经验。

开源后社区响应迅速。Rapid-MLX发布NeoHorse-1-9B的4-bit MLX转换版本，提供面向Apple Silicon的本地运行方式，并公开转换说明和本地验证记录。Hugging Face上也出现由prithivMLmods、mradermacher等社区开发者制作的GGUF量化版本。开发者反馈正在让NeoHorse变得更好、更出圈。

基元律动一直在探索多模型时代的智能组织层。TokenRhythm API连接模型供给与调用需求，OpenSquilla组织不同模型执行Agent任务。NeoHorse沿此路线前进一步：让执行过程中积累的经验沉淀为模型能力。研究以Routing Harness执行轨迹为核心，辅以公开数据，通过筛选、评估和后训练，改善模型Agent执行能力。组织模型完成任务所产生的有效经验，可继续用于训练，训练后的能力改善又回到任务中接受检验，为商业飞轮补上关键环节的实验依据。更好的任务体验能否带来持续使用，模型更新能否改善服务效率，仍需后续运行数据回答。

同一套反馈机制也完成了一次面向RSI的单轮工程验证：Data-RSI，执行轨迹形成结构化记录，经筛选后成为训练材料；Model-RSI，评测识别能力短板，反馈影响数据选择和模型更新，再回到Harness中检验。目前仍是起点，但未来值得期待。