TokenRhythm presenta la versión de previsualización de NeoHorse-1.5-Flash, mejorando las capacidades del agente

TokenRhythm ha puesto a disposición la versión de previsualización de NeoHorse-1.5-Flash en un beta interno limitado. Este modelo nativo de agente, que se basa en Qwen3.8-Flash, cuenta con un total de 180 mil millones de parámetros, con 6 mil millones de parámetros activos, y está específicamente diseñado para mejorar la ingeniería de software y la ejecución de tareas de agentes. Las evaluaciones de rendimiento indican ganancias significativas en comparación con el modelo base, incluyendo un aumento de 9,23 puntos en Agents’ Last Exam, un aumento de 5,92 puntos en Natural Language to Repository, y mejoras superiores a los 20 puntos en tareas de ciencias físicas. El modelo también muestra mejoras en las herramientas de desarrollo, el desarrollo web y las certificaciones de seguridad. Este lanzamiento forma parte de la investigación continua de la serie NeoHorse sobre la auto-mejora recursiva (RSI), que TokenRhythm denomina la segunda fase de este proceso. Tras el lanzamiento de NeoHorse-1 en septiembre, la empresa reincorporó el modelo anterior al conjunto de entrenamiento para recopilar información sobre la ejecución, ampliando la escala de entrenamiento desde las primeras etapas de 4B y 9B hasta la capa Flash. Esta metodología aprovecha la plataforma multi-modelo de TokenRhythm y el producto de agente de código abierto OpenSquilla, que utiliza señales de enrutamiento para identificar las lagunas de capacidad. En paralelo al lanzamiento del modelo, OpenSquilla recibió una actualización que permite a los usuarios seleccionar niveles de modelo en función de la intención de la tarea y escalar los niveles durante los reintentos, todo ello sin necesidad de actualizar el cliente.