NeoHorse 是什么?TokenRhythm 开源的智能体模型家族，含 NeoHorse-1 与 NeoHorse-Jev
中文导读
NeoHorse 是开源项目,站内分类为 大模型。简介:TokenRhythm 开源的智能体模型家族，含 NeoHorse-1 与 NeoHorse-Jev。项目说明中列出的主要功能包括:NeoHorse-1 提供 4B 与 9B 因果语言模型，面向工具调用、代码与指令跟随；routing harness 将任务分配到异构模型池并记录工具交互与结果；routing-guided curriculum SFT 与 on-policy distillation 的 agentic 后训练框架。适合需要为 agent 工作流选型或部署开放权重模型的开发者，以及关注结构化决策、工具调用与后训练方法的研究人员。
根据 GitHub 公开数据,该项目的编程语言为 Python,开源协议为 Apache-2.0,创建于 2026-09-04,最近更新于 2026-09-26,目前有 1,733 个 Star。
项目介绍
NeoHorse 是 TokenRhythm 推出的开放权重模型家族，面向 agent 工作流。NeoHorse-1 包含 4B 和 9B 两个规模，基于 Qwen3.5 后训练，用于工具调用、代码和指令跟随。它配套一个 routing harness，把任务分配给异构模型池，记录工具交互与结果，估计能力需求，并把能力级反馈送入下一轮训练混合，形成评估—选择—更新的原型循环。
NeoHorse-Jev 建立在 NeoHorse-1-4B 之上，通过 prefill-only 推理做结构化决策：用 Choice 选择动作、用 Noul 检查条件、用 Score 打分。应用方定义问题和候选答案，再用结果做请求路由、工具选择或工作流控制。模型以 Apache-2.0 许可发布，提供 GGUF、量化版本和 Apple silicon 的 MLX 版本。
主要功能
- NeoHorse-1 提供 4B 与 9B 因果语言模型，面向工具调用、代码与指令跟随
- routing harness 将任务分配到异构模型池并记录工具交互与结果
- routing-guided curriculum SFT 与 on-policy distillation 的 agentic 后训练框架
- NeoHorse-Jev-4B 以 prefill-only 推理输出 Choice、Noul、Score 三类结构化决策
- 提供 GGUF、8/5/4-bit 量化版本以及 Apple silicon 的 MLX 版本
- 模型以 Apache-2.0 许可发布，可在 Hugging Face 与 ModelScope 获取
适合谁用
适合需要为 agent 工作流选型或部署开放权重模型的开发者，以及关注结构化决策、工具调用与后训练方法的研究人员。