多模型调度与反馈闭环：基元律动CTO谈Agent持续进化

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》。

他认为，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。

"路由层的价值，在于让每一步任务用对模型、用得起模型。"韩凯说。

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。