基元律动韩凯：多模型调度加反馈闭环，让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》。他指出，多模型长期异构并存、算力资源多元供给将是大模型产业的长期结构。Agent承担的任务日趋复杂，如何组织不同模型、把应用反馈转化为模型改进依据，正成为新的技术课题。

国家数据局披露的数据显示，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。韩凯提到，一次复杂Agent任务通常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，模型路由是其中的关键能力之一。韩凯认为，不同模型在能力、成本和响应速度上各具特点，复杂任务需要针对每一步的需求选用合适模型；模型异构适配与算力异构调度同样需要专业能力支撑。

基元律动以开源项目OpenSquilla探索该方向。公司公布的端到端Agent评测结果显示，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。

“路由层的价值，在于让每一步任务用对模型、用得起模型。”韩凯表示。

除模型调度外，韩凯还介绍了面向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。该机制将模型应用、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是该路径的初步验证。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。

在合作层面，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。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。

基元律动与无问芯穹达成战略合作，推进高质量Token供给与应用

2026年9月15日，AI基础设施公司基元律动（TokenRhythm）与无问芯穹（Infinigence AI）签署战略合作协议。

基元律动累计融资数千万美元，推出“中国版OpenRouter”

近日，AI基础设施公司基元律动（TokenRhythm）宣布完成新一轮融资，融资额达数千万美元。