NeoHorse-1 Faoliyat yuritmoqda

NeoHorse-1 — Jiyuan Rhythm tomonidan Wuwen Core, Tsinghua universiteti, Pekin universiteti, Gonkong Xitoy universiteti, Alibaba va boshqalar bilan hamkorlikda chiqarilgan, 4B va 9B versiyalariga ega ochiq manbali Agent modeli. Model Agent-Native post-treningidan foydalanadi: Routing Harness’ning real ijro trayektoriyalari o‘quv ma’lumotlari sifatida qo‘llanadi, marshrutlash signallari esa o‘quv kurslarini tartiblash mezoniga aylantiriladi. Shu tariqa baholash fikri → ma’lumotlar nisbati → model yangilanishi yopiq sikli amalga oshiriladi. Model vositalardan foydalanish, vazifalarni rejalashtirish, chuqur qidiruv va kod yaratishni qamrab oladi. 9B versiyasining o‘rtacha bali 69.04 bo‘lib, bazaviy modeldan 3.44 ball yuqori; u 260 ming tokenli kontekstni tabiiy ravishda qo‘llab-quvvatlaydi va mahalliy joylashtirilishi mumkin.

Vositalardan foydalanish: vazifa talablariga ko‘ra tashqi vositalarni avtomatik tanlaydi va chaqiradi, ko‘p bosqichli amallarni bajaradi.
Vazifalarni rejalashtirish: murakkab vazifalarni bajariladigan kichik bosqichlarga ajratadi hamda uzoq muddatli rejalashtirish va muvofiqlashtirishni amalga oshiradi.
Chuqur qidiruv: ko‘p bosqichli muloqot davomida ma’lumotlarni faol izlaydi va birlashtiradi, xulosalar uchun dalillar zanjirini ta’minlaydi.
Kod yaratish: ishlaydigan kod yaratadi va muhit fikri asosida uni vazifa bajarilguncha sozlaydi hamda tuzatadi.

WeChat’da kuzatib boring va “开源” deb javob yuborib, AI ochiq manbali loyihalar guruhiga qo‘shiling
Harness trayektoriyalariga asoslangan Agent-Native treningi: o‘quv korpusi Routing Harness tomonidan real ijro davomida yaratilgan tuzilmaviy trayektoriyalarga tayanadi. U so‘rov, marshrutlash, vositalardan foydalanish, muhit fikri va xatolardan tiklanishni qamrab oladi. An’anaviy savol-javob korpuslariga nisbatan unga qobiliyat talabi, ijro qarori va muhit natijasi kabi uchta o‘lcham qo‘shiladi. Muvaffaqiyatli va muvaffaqiyatsiz trayektoriyalar saqlab qolinadi; tuzilma tekshiruvi va olti o‘lchovli sifat baholashidan so‘ng tanlab olinadi. Bu o‘quv maqsadini bevosita vazifani bajarishga yo‘naltiradi.
Qobiliyatga yo‘naltirilgan ma’lumotlar nisbati: marshrutizator vazifalarni talab qilinadigan qobiliyatlar bo‘yicha C0–C3 darajalariga ajratadi va signallar oflayn tarzda trening mezoniga aylantiriladi. Marshrutlash yozuvlari “bashorat — harakat — natija” uch qismiga bo‘linadi: bashorat qismi o‘quv kurslarini tartiblaydi, natija qismi esa qobiliyatdagi kamchiliklarni aniqlaydi. Shu asosda keyingi bosqich ma’lumotlar nisbati moslashtirilib, baholash fikri → ma’lumotlar nisbati → model yangilanishi yopiq sikli shakllantiriladi.
Rekursiv o‘zini takomillashtirish (RSI)ning bir martalik tekshiruvi: u Data-RSI va Model-RSI qismlaridan iborat. Birinchisi model tomonidan doimiy ijro davomida yangi trayektoriyalar yaratilishi, saralanganidan so‘ng esa keyingi trening materiallari sifatida tabiiy to‘planishini anglatadi; ikkinchisi baholashdagi kamchiliklarga ko‘ra modelni yangilab, uni Harness modellar havzasiga qaytarishni anglatadi. Hozircha faqat bitta yopiq sikl tekshirilgan, signallar va mukofotlar dizayni hanuz insonlar tomonidan belgilanadi.

Yuklab olish vositasini o‘rnating: ModelScope buyruq qatori vositasini o‘rnatish uchun pip install -U modelscope buyrug‘ini bajaring.
Modelni yuklab oling: og‘irliklarni yuklab olish uchun modelscope download --model TokenRhythm/NeoHorse-1-9B --local_dir ./NeoHorse-1-9B buyrug‘ini ishga tushiring. 4B versiyasi uchun ham xuddi shu usuldan foydalaning va kerakli versiyani tanlang.
Xizmatni joylashtiring: inferens xizmatini ishga tushirish uchun SGLang (pip install "sglang==0.5.17") yoki vLLM’dan foydalaning, --context-length 262144, --reasoning-parser qwen3 va --tool-call-parser qwen3_coder parametrlarini sozlang.
API chaqiruvi: OpenAI SDK orqali base_url manzilini mahalliy xizmat manziliga, masalan http://localhost:8000/v1 ga yo‘naltirsangiz, so‘rovlarni OpenAI API’siga yuborgandek jo‘natishingiz mumkin.
Resurslarga e’tibor bering: amalda foydalanish mumkin bo‘lgan kontekst GPU video xotirasiga bog‘liq. Xotira yetarli bo‘lmasa, joylashtirishdan oldin kontekst uzunligini kamaytiring.

Agent-Native treningi: o‘quv ma’lumotlari an’anaviy savol-javob korpuslaridan emas, bevosita real ijro trayektoriyalaridan olinadi; maqsad umumiy modelni keyin moslashtirish emas, vazifani bajarishga qaratilgan.
Muvaffaqiyatsiz trayektoriyalardan foydalanish: o‘quv to‘plamida muvaffaqiyatli va almashtirilgan muvaffaqiyatsiz yozuvlar birgalikda saqlanadi, bu modelga “qayerda xato yuz berishi mumkinligi va xatodan keyin qanday tiklanish”ni o‘rgatadi.
Marshrutlash signallaridan qayta foydalanish: onlayn marshrutlashdagi C0–C3 qobiliyat darajalari signallari oflayn tarzda trening mezoniga aylantirilib, “baholash fikri → ma’lumotlar nisbati → model yangilanishi” yopiq sikli amalga oshiriladi.
Kichik hajm, yuqori unumdorlik: 4B versiyasining Agent ko‘rsatkichlari parametrlari ko‘proq bo‘lgan bir nechta umumiy modellardan yuqori; 9B versiyasining o‘rtacha bali 69.04 bo‘lib, bazaviy modeldan 3.44 ball yuqori. Joylashtirish xarajati ham pastroq.
Juda uzun kontekst: tabiiy ravishda 262,144 tokenni qo‘llab-quvvatlaydi va taxminan 1.01 million tokengacha kengaytirilishi mumkin, bu uzoq muddatli Agent vazifalariga mos keladi.

GitHub ombori: https://github.com/TokenRhythm/NeoHorse
HuggingFace model kutubxonasi: https://huggingface.co/collections/TokenRhythm/neohorse-1
arXiv texnik maqolasi: https://arxiv.org/pdf/2609.08183

Agent vazifalarini bajarish: OpenClaw kabi Harness tizimlarida ijro modeli sifatida ishlaydi, fayl amallari va dasturlardan foydalanish kabi real kompyuter vazifalarini avtomatik bajaradi hamda xatodan keyin mustaqil tiklanadi.
Vositalardan foydalanish va API orkestratsiyasi: ko‘p vositali muhitda tashqi API’larni avtomatik tanlaydi, birlashtiradi va chaqiradi; avtomatlashtirilgan ish jarayoni yordamchilarini yaratish uchun mos.
Chuqur qidiruv va tadqiqot yordamchisi: bir necha bosqichda faol qidiruv o‘tkazadi, ma’lumotlarni o‘zaro tekshiradi va dalillar zanjirini biriktiradi, havolali tadqiqot hisobotlarini yaratishni qo‘llab-quvvatlaydi.
Korxona ofis avtomatlashtirishi: WorkBuddy Bench kabi turli kasbiy vaziyatlarda jadvalni o‘zgartirish, ma’lumotlarni tartibga solish va hisobot yaratish kabi uzoq muddatli, ko‘p bosqichli vazifalarni bajaradi.