智能体框架ModelScope上手难度 🔧 进阶#Agent#Agent-Native#工具调用#国产开源#ModelScope
NeoHorse-1 · 基元律动 Agent-Native 开源模型
首个 Agent-Native 模型：从 Harness 执行轨迹训练出的 Agent 专用模型，4B/9B 同规模 SOTA
指标同步中，请稍后刷新查看 在 ModelScope 查看
5 分钟上手
4B 量化版 4GB 显存可跑，9B 版建议 8GB+# 从 ModelScope 下载模型
pip install modelscope
python -c "from modelscope import snapshot_download; snapshot_download('TokenRhythm/NeoHorse-1-4B')"
# 配合 Ollama 或 vLLM 运行项目速览
NeoHorse-1 是基元律动（TokenRhythm）联合无问芯穹、清华、北大、阿里巴巴发布的首个 Agent-Native 语言模型。与传统「先训练通用基座、再适配 Agent 场景」不同，NeoHorse-1 的训练数据直接来自 Routing Harness 的执行轨迹——工具调用、规划、反馈、纠错全过程都被结构化记录并用于训练，因此模型自训练之初就面向「完成任务」，而不只是「回答问题」。
能做什么
- 工具调用、任务规划、深度搜索、代码生成四大 Agent 核心能力
- 4B 版 Agent 任务超过多个参数量显著更大的通用模型
- 9B 版在复杂推理与长程规划上表现更优
怎么部署
ModelScope 下载权重，配合 vLLM / Ollama 部署。国内开发者首选魔搭源，下载速度快。
适合谁
构建 Agent 应用的开发者，以及关注 Agent-Native 训练范式的研究者。
✅ 优点
- •Agent-Native 训练范式，天生适合 Agent 场景
- •4B/9B 双版本在 Agent 基准同规模 SOTA
- •ModelScope 国内下载零门槛
⚠️ 局限与坑
- •通用对话能力弱于同参数通用模型
- •Agent 领域的评测标准尚不稳定
- •RSI 闭环效果需要更长时间验证
💼 典型应用场景
- 1.Agent 工具调用与任务规划场景
- 2.端侧智能体应用（4B 版手机/PC 可跑）
- 3.RSI 递归自改进技术路线研究
🔗 资源直达
智能体框架· 同类项目推荐
返回全部开源项目指标每周自动更新