基元律动韩凯：以模型调度与反馈闭环推进 Agent 持续进化
基元律动提出用模型调度降本、再用 Agent 运行反馈反哺模型训练的闭环思路，并用 NeoHorse-1 做了初步验证。
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 韩凯介绍了从 Harness（支撑 Agent 执行任务的运行框架）到 RSI（递归式自我改进，用场景反馈反向优化模型的闭环）的路径，包括模型调度带来的成本优势与 NeoHorse-1 的后训练结果。
正文摘录
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》。他认为，多模型长期异构并存、算力资源多元供给，将成为大模型产业的长期结构。随着 Agent 承担越来越复杂的任务，如何组织不同模型，并将应用中的反馈转化为模型改进的依据，正在成为新的技术课题。 据国家数据局披露，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。韩凯在分享中指出，一次复杂 Agent 任务往往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，模型路由是其中的一项关键能力。在韩凯看来，不同模型在能力、成本和响应速度上各有特点，复杂任务需要根据每一步的需求选择合适的模型。模型异构适配与算力异构调度，也需要相应的专业能力支撑。 基元律动以开源项目 OpenSquilla 探索这一方向。据公司公布的端到端 Agent 评测结果，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。这些结果展示了模型调度在特定任务中的成本与效果优势。 在模型调度之外，韩凯进一步介绍了面向 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。这一机制将模型应用、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。