11月5日、基元律動(TokenRhythm)はAgentネイティブモデル「NeoHorse-1.5-Flash Preview」を正式にリリースしました。本モデルはQwen3.8-Flashをベースにトレーニングされており、総パラメータ数は180B、アクティブパラメータ数は6Bです。Agentのタスク実行能力およびソフトウェアエンジニアリング能力の強化に重点が置かれており、現在は限定クローズドベータテストが開始されています。

公式に発表された比較ベンチマークデータによると、ベースモデルと比較して、新モデルは「Agents’ Last Exam」の総合スコアで9.23点向上し、「Natural Language to Repository」ベンチマークの全体スコアで5.92点向上しました。中でも、物理科学系タスクのスコアは20点以上向上したほか、開発ツールとテスト、Web開発、セキュリティ認証・暗号化などの技術分野においても、パフォーマンスの大幅な改善が見られました。
今回のリリースは、NeoHorseシリーズが取り組んできた再帰的自己改善(Recursive Self-Improvement: RSI)のアプローチをさらに推し進めたものであり、TokenRhythmはこのメカニズムの進化における「第2サイクル」と位置づけています。9月のNeoHorse-1発表に続き、開発チームは前世代モデルをモデルプールに再投入し、実際のタスク実行において継続的に動的フィードバックを収集。そこで蓄積された知見をその後のトレーニングに還元しました。また、モデルのトレーニングスケールもこれまでの4Bや9BからFlashクラスへと拡大されています。
この進化プロセスは、TokenRhythmのマルチモデルプラットフォームとオープンソースのAgentプロダクト「OpenSquilla」に支えられています。ルーティングシステムがタスクに求められる能力のシグナルを提供し、マルチモデル統合メカニズムによって複数の最先端モデルが同一タスクを協調して処理することで、横断的に比較可能な実行結果を生成します。NeoHorseとこれらの結果との差分を活用して能力の弱点を正確に特定し、今後のトレーニングの方向性を定めた上で、モデルの自律的イテレーションを促す学習シグナルへと変換しています。
モデルのリリース翌日、TokenRhythmはOpenSquillaのアップデートを同時に実施し、この実行基盤を一段と強化しました。新バージョンでは、タスクの意図に応じてモデルのグレードを動的にマッチングできるようになりました。タスクの継続時には元のグレードを引き継ぎ、タスクをやり直す際には段階的にグレードをアップ(スケールアップ)させます。また、TokenRhythmおよびOpenRouterの推奨設定プランを個別に更新可能となり、ユーザーはクライアントをアップデートすることなく設定の差分をプレビューし、適用を確定できます。さらに、今回の推奨設定は11月の最新モデルランキングに基づいて調整されており、実行時のモデル呼び出しが業界のベンチマーク動向と常に同期するよう配慮されています。
RSIトレーニングパラダイムを軸に、チームは「マルチモデル差分診断」「敵対的環境進化」「群知能オンライン学習」という3つの重要技術を提案しました。これらはそれぞれ、能力診断、分布の崩壊(distribution collapse)、イテレーション効率の課題に対応しています。そのうち、環境進化エンジンは新たなタスクを自律的かつ継続的に生成・選別し、群知能オンライン学習は単一モデルの出力とマルチモデル統合結果との差分を利用して強化学習を行うことで、実行フレームワークに蓄積された比較情報をモデル最適化の原動力へと効率的に変換します。
公開デモでは、具体的な実務タスクにおける新モデルの大幅な能力向上が示されました。スプレッドシートWeb開発の事例では、ベースモデルが生成した一部の計算セルで数式エラーが発生したのに対し、新モデルは数式の入力と計算結果を完全に実装しただけでなく、より豊富なインタラクティブ機能も追加しました。公式発表資料では、チャート生成、量子物理計算、ロボット組み立てパラメータの算出などのユースケースも紹介されており、計算、検証、エンドツーエンドの納品に至る各工程におけるモデルの実装力が包括的に検証されています。
現在、NeoHorse-1.5-Flash PreviewはTokenRhythmの公式WeChatアカウント(公众号)にてクローズドベータテストの申請受付を開始しています。