NeoHorse-1 NEW

NeoHorse-1 是什么？

NeoHorse-1 是基元律动（TokenRhythm）联合无问芯穹、清华大学、北京大学、香港中文大学与阿里巴巴于 2026 年 9 月 8 日发布的 Agent 原生开源大模型，提供 4B 与 9B 两个版本。它专门面向工具调用、任务规划、深度搜索与代码生成四类 Agent 核心能力训练，权重在 HuggingFace、ModelScope 与 GitHub 三平台同步开源，采用 Apache-2.0 许可。

核心功能

• Agent 原生训练目标：模型从训练阶段就围绕 Agent 场景设计，而不是通用对话模型的后续微调，工具调用与多步规划是第一公民。
• 工具调用能力：针对函数调用格式与多工具编排做了强化训练，调用准确率与格式稳定性优于同规模通用模型，这对依赖多工具串联的 Agent 流水线尤其关键，一处格式错误就可能导致整条链路中断。
• 任务规划与长程执行：面向多步任务分解与长程规划优化，9B 版本在长程规划类任务上表现更优。
• 深度搜索能力：适配需要多轮检索、信息聚合的深度搜索场景，适合搭建搜索型 Agent，在需要实时信息的问答与研究类应用中可直接复用。
• 代码生成：针对编程场景做了专项训练，可作为编码 Agent 的底层模型。
• 双版本灵活部署：4B 轻量版在 Agent 任务上超过多个更大参数的通用模型，9B 版能力更全，可按算力预算选择，从消费级显卡到小型服务器都有合适的落点。

版本/套餐对比

NeoHorse-1 完全开源免费，采用 Apache-2.0 许可，允许商用，权重在 HuggingFace、ModelScope、GitHub 三平台均可下载。提供 4B 与 9B 两个规格：4B 版主打端侧与低成本部署，在 Agent 任务上以小博大；9B 版面向追求更强长程规划能力的场景。使用成本主要是自建推理的算力开销，官方未提供托管 API，如需在线服务需自行部署或通过第三方推理平台，具体以各平台为准。对想快速验证效果的用户，也可以先在 HuggingFace 的在线推理空间里试用，再决定是否自建。

值不值得用？

NeoHorse-1 的价值在于「专」：同为小参数模型，它把训练预算集中砸在工具调用、规划、搜索、代码四件 Agent 的核心能力上，4B 版能超过更大参数的通用模型，对算力有限的团队非常有吸引力，Apache-2.0 也让商用没有后顾之忧。局限同样清楚：它不是通用对话模型，闲聊、写作等通用能力不是强项；9B 的绝对能力上限与百亿级以上旗舰模型仍有差距，复杂长程任务可能还要靠更大模型；背靠多机构联合发布，社区生态与工具链适配需要时间沉淀。适合把 Agent 能力内化到自家产品、又有部署能力的团队认真评估。另外，发布方公开了配套论文与技术报告，训练配方可查，这对需要在其基础上继续微调的团队是重要加分项。

使用建议

• 算力有限先试 4B 版，用它替换现有 Agent 流水线中的工具调用环节，对比成功率变化，同一任务至少跑三轮取平均，避免单次波动误导判断。
• 需要长程规划的任务直接上 9B 版，两者在同一基准上跑分后再定。
• 部署优先走 vLLM 等主流推理框架，配合 Function Calling 模板验证格式稳定性。
• 关注 HuggingFace 集合页与 GitHub 仓库的更新，跟进后续微调与量化版本。

适合谁用？

推荐：需要自建 Agent 并控制推理成本的工程团队、做 Agent 研究的高校实验室。 可考虑：想用开源模型替代闭源 API 做工具调用的开发者。 不推荐：需要强通用对话与创作能力的终端产品，或无自建推理条件的个人用户。