معرفی NeoHorse-1-9B، مدل کوچیک ولی قدرتمند برای کارهای ایجنتی
هوش مصنوعیClaude Sonnet 5خلاصهٔ کامل‌تر
شرکت TokenRhythm یه مدل زبانی تازه به اسم NeoHorse-1-9B منتشر کرده؛ این مدل با فاین‌تیون کردن Qwen3.5-9B ساخته شده و برخلاف مدل‌های چت عمومی، مخصوص کارهای ابزارمحور، کدنویسی و اجرا شدن تو محیط‌های ایجنتیه. طبق مدل‌کارت منتشرشده، این مدل تو میانگین ده بنچمارک نمره ۶۹.۰۴ گرفته که نسبت به مدل پایه‌ش ۳.۴۴ نمره بهتره. این مدل با لایسنس آزاد Apache-2.0 عرضه شده، یعنی می‌تونی بدون دردسر لایسنسی تو پروژه‌های تجاری هم ازش استفاده کنی.
ایده اصلی پشت این مدل یه روش تازه به اسم «روتینگ هارنس» (harness یعنی یه چارچوب هدایت‌کننده) ـه. به‌جای اینکه مدل رو فقط یه بار روی یه دیتاست ثابت فاین‌تیون کنن، این هارنس هر تسک ایجنتی که میاد رو بین چند مدل مختلف تقسیم می‌کنه، نحوه استفاده هر مدل از ابزارها و نتیجه کارش رو ثبت می‌کنه و از همینجا تشخیص می‌ده کدوم مهارت‌ها ضعیف‌ترن. این سیگنال بعد تعیین می‌کنه دور بعدی آموزش، بیشتر روی چه نوع داده‌ای تمرکز کنه.
تو این پایپ‌لاین دو تکنیک اصلی به کار رفته: «کوریکولوم اس‌اف‌تی هدایت‌شده با روتینگ» و «دیستیلیشن آن-پالیسی هدایت‌شده با روتینگ» (دیستیلیشن یعنی یاد گرفتن مدل از رفتار واقعی خودش تو شرایط مشابه استقرار، نه از یه معلم نامرتبط). قبل از هر آموزشی هم یه پایپ‌لاین پاکسازی داده اجرا شده: حذف نمونه‌های تکراری، جداکردن داده‌های بنچمارک از داده آموزشی تا نمره‌ها واقعی بمونن، و برچسب‌گذاری معنایی شش‌بعدی برای هر صحنه، هدف و نتیجه کار ایجنت.
تو مقایسه با پنج مدل دیگه (از جمله Granite-4.2-8B، خود Qwen3.5-9B، و حتی مدل ۳۰میلیاردی Muse-Glimmer-30B)، مدل‌کارت می‌گه NeoHorse-1-9B تو بنچمارک QwenClawBench نمره ۴۸.۷۳ و تو PinchBench نمره ۸۲.۲۵ گرفته که تو هر دو، بالاترین نمره بین همه رقباست؛ حتی از مدل ۳۰میلیاردی هم جلوتره، با اینکه حجمش تقریباً یک‌سوم اونه. رو BFCL v4 که یه بنچمارک معروف برای فانکشن‌کالینگه، این مدل نمره ۶۷.۴۳ گرفته و از Ornith-1.5-9B هم بهتر عمل کرده.
TokenRhythm این پروژه رو یه قدم اولیه به سمت «بهبود بازگشتی خودکار» (RSI) معرفی کرده؛ یعنی حلقه‌ای که توش مدل‌ها ارزیابی می‌شن، نقطه‌ضعف‌هاشون پیدا میشه و همین اطلاعات برای آموزش نسخه بعدی استفاده میشه، و مدل جدید دوباره وارد همون حلقه میشه. با این حال، خود شرکت هم تاکید می‌کنه این فقط یه پروتوتایپه که چرخه رو چند بار نشون داده، نه یه سیستم کاملاً خودبهبودده و بی‌پایان.
یه نکته دیگه هم مهمه: چون این بنچمارک‌ها رو خود سازنده مدل انتخاب و اجرا کرده، برای اینکه بفهمی این برتری تو کار واقعی خودت هم تکرار میشه یا نه، بهتره جداگونه تستش کنی. پنجره زمینه این مدل هم پیش‌فرض ۲۶۲هزار توکنه که تا یک میلیون توکن هم قابل گسترشه.
نکات کلیدی:
- NeoHorse-1-9B فاین‌تیون‌شده روی Qwen3.5-9B با لایسنس Apache-2.0
- میانگین نمره ۶۹.۰۴ روی ده بنچمارک، ۳.۴۴ نمره بالاتر از مدل پایه
- تو چند بنچمارک ایجنتی از مدل ۳۰میلیاردی Muse-Glimmer-30B هم جلوتره
- پنجره زمینه ۲۶۲هزار توکن، قابل گسترش تا یک میلیون توکن
- طبق ادعای TokenRhythm، این مدل یه پروتوتایپ اولیه برای مسیر بهبود بازگشتی خودکار (RSI)ـه
