基元律动CTO韩凯在2026杭州云栖大会企业级Agent实践峰会上介绍从Harness到RSI飞轮的路径：以模型路由调度多模型，再用评测反馈改进模型，9月发布的NeoHorse-1为初步验证。
AI解读：基元律动想做的是把两件事接起来：一是Agent执行任务时怎么选模型、怎么调度算力，二是任务跑完后积累的经验怎么反过来改进模型本身。韩凯把这条路径称为从Harness到RSI飞轮，Harness是支撑Agent执行任务的运行框架，模型路由是其中一项关键能力。
这个方向的现实依据是调用量。国家数据局披露，2026年3月我国日均Token调用量超过140万亿，较2024年初增长超千倍；韩凯指出一次复杂Agent任务往往涉及十余次乃至数十次模型调用。调用次数一多，每一步用哪个模型就从优化项变成主要成本项，这也是路由层被单独拿出来讲的原因。
基元律动公布的数据是：端到端Agent评测中，OpenSquilla在特定测试配置下保留固定旗舰模型基线99.96%的任务质量，成本降低88.9%；DRACO深度研究评测中，多模型协同配置得分超过该组实验中的最强单模型基线，成本约为其三分之一。这些是特定测试配置下的结果，不等于所有场景都能复制同样的成本降幅。
对使用Agent的团队来说，直接变化是模型选择从人工拍板变成系统按步调度，可省的成本取决于任务是否足够复杂、是否真的需要多模型。而RSI闭环要回答的是更长期的问题：任务中积累的评测数据能否成为下一版模型的训练依据。
NeoHorse-1是这条路径的初步验证。该系列基于通义Qwen3.5底座完成后训练，初版技术报告显示十项基准评测中4B版本宏平均得分由58.94提升至64.87，9B版本由65.60提升至69.04，其中4B后训练版本在五项评测中超过Qwen3.5-9B底座。这一结果支持用Agent运行经验改进模型的可行性，但仍是初步验证，尚未公开大规模落地数据。
9月22日，在2026杭州云栖大会企业级Agent实践峰会上，基元律动联合创始人兼CTO韩凯发表演讲《从Harness到RSI飞轮》。据其介绍，基元律动以开源项目OpenSquilla探索多模型调度，并尝试用场景反馈闭环推动模型迭代。
韩凯认为，多模型长期异构并存、算力资源多元供给，将成为大模型产业的长期结构。随着Agent承担越来越复杂的任务，如何组织不同模型，并将应用中的反馈转化为模型改进的依据，正在成为新的技术课题。
据国家数据局披露，2026年3月，我国日均Token调用量已超过140万亿，较2024年初增长超千倍。韩凯在分享中指出，一次复杂Agent任务往往涉及十余次乃至数十次模型调用；任务表现既取决于模型本身，也取决于支撑任务执行的系统能力，包括模型选择、工具调用与上下文管理等。
Harness与模型路由：让每一步任务用对模型
Harness是支撑Agent执行任务的运行框架，模型路由是其中的一项关键能力。在韩凯看来，不同模型在能力、成本和响应速度上各有特点，复杂任务需要根据每一步的需求选择合适的模型。模型异构适配与算力异构调度，也需要相应的专业能力支撑。
基元律动以开源项目OpenSquilla探索这一方向。据公司公布的端到端Agent评测结果，在特定测试配置下，OpenSquilla保留了固定旗舰模型基线99.96%的任务质量，同时将成本降低88.9%。在另一组DRACO深度研究评测中，多模型协同配置的得分超过该组实验中的最强单模型基线，成本约为其三分之一。
这些结果展示了模型调度在特定任务中的成本与效果优势。韩凯说：“路由层的价值，在于让每一步任务用对模型、用得起模型。”
- OpenSquilla为开源项目，用于探索多模型调度。
- 端到端Agent评测（特定测试配置）：保留固定旗舰模型基线99.96%的任务质量，成本降低88.9%。
- DRACO深度研究评测：多模型协同配置得分超过该组实验中的最强单模型基线，成本约为其三分之一。
RSI反馈闭环与NeoHorse-1初步验证
在模型调度之外，韩凯进一步介绍了面向RSI（递归式自我改进）的反馈闭环：以场景中的能力需求为牵引，通过评测识别模型与调度策略的改进方向，开展针对性优化，再将升级后的能力应用于场景中验证效果。这一机制将模型应用、能力评测与后续迭代连接起来，探索Agent在持续验证与优化中提升任务表现的路径。
9月发布的NeoHorse-1是这一路径的初步验证。该系列模型基于通义Qwen3.5底座完成后训练。根据其初版技术报告，在十项基准评测中，4B版本的宏平均得分由58.94提升至64.87，9B版本由65.60提升至69.04。
其中，4B后训练版本在VitaBench、τ²-Bench、PinchBench、QwenClawBench和HumanEval五项评测中超过Qwen3.5-9B底座模型，整体平均得分也进一步接近9B底座。这一结果初步展示了利用Agent运行经验改进模型的可行性。
在合作层面，据韩凯介绍，基元律动与阿里云围绕Qwen系列开展场景测试、评测和应用验证，在自身Harness与Agent产品中持续使用模型、积累反馈，并推动新版本接入TokenRhythm路由平台。同时，基础设施方面，阿里云为相关业务运行提供云服务支持，无问芯穹为NeoHorse-1的训练与推理提供算力支持及基础设施优化。
从Harness到RSI，基元律动希望将模型调度与模型迭代连接起来，一方面让已有模型在合适的任务中发挥能力；另一方面让任务执行过程中积累的经验进入后续训练与评测，逐步探索Agent持续进化的路径。本文由基元律动提供，量子位获授权转载，观点归原作者所有。
- NeoHorse-1于9月发布，基于通义Qwen3.5底座完成后训练，技术报告为初版。
- 十项基准评测宏平均得分：4B版本58.94→64.87，9B版本65.60→69.04。
- 4B后训练版本在VitaBench、τ²-Bench、PinchBench、QwenClawBench、HumanEval五项评测中超过Qwen3.5-9B底座模型。
- 合作方：阿里云围绕Qwen系列开展场景测试、评测与应用验证并提供云服务；无问芯穹为NeoHorse-1训练与推理提供算力及基础设施优化。