你玩过贪吃蛇吗？
游戏刚开始时，怎么走都不容易出错。但随着蛇身越来越长，留给自己的活动空间被不断压缩，任何一次错误转向，都可能让整局游戏瞬间结束。
如果让一个 AI 模型来玩贪吃蛇，它要做的并不只是简单的“去找食物”，而是每走一步都要重新审视盘面，在上、下、左、右四个方向之间快速比较，并把判断实时转化为下一次转向。
最近，有一个 AI 完成了一场这样的测试：3000 步，89 个目标，蛇还活着。
这意味着，在数千次连续决策中，它不仅要做对眼前这一步，还要尽可能避免前面的选择把后续空间一步步“走死”。
图 1｜贪吃蛇演示：3,000 步、89 个目标、蛇身长度 95，存活到回合结束。右侧同步展示候选方向、概率与最终选择。
做出这个表现的，是创业公司基元律动（tokenrhythm.ai）最新发布的轻量级模型 NeoHorse-Jev-4B。
这家由华为诺亚方舟实验室前主任、盘古大模型负责人王云鹤创办的团队，将研发重点放在了实时决策上。作为一款仅 4B（40亿）参数规模的模型，NeoHorse-Jev-4B 主打毫秒级的响应速度。在包含六组评测的本轮基准测试中，它最终凭借 77.70 的综合 AVG 分数，拿下了成绩完整的开源参评模型第一名。目前，基元律动已同步开源了该模型的权重、推理源码以及部署示例，方便开发者直接上手使用。
小身材大能量：用更少的参数，实现毫秒级“极速决策”
凭借更小的参数体积，NeoHorse-Jev-4B 展现出了极为出色的综合性能。
在本轮六组涵盖决策、迁移、知识与语义判断的基准测试中，NeoHorse-Jev-4B 取得了 77.70 的综合 AVG 分数，一举超越参数规模更大的 Open-Jev-9B（领先 2.03 分），在成绩完整的开源参评模型中位居第一。
尤其是在 Nimble、VitaminC、MASSIVE 这三项核心测试中，NeoHorse-Jev-4B 的平均得分高达 83.26 分，相比对应原始模型的 71.76 分大幅提升了 11.50 分。这种显著的跨越，得益于团队针对决策场景进行的专门优化，让模型从基础的语言理解力成功转化为可直接调用的“判断力”。
评测数据与说明：
- 数据源自 9 月 24 日评测汇总及同目录下的三项成绩截图；汇总报告中本模型采用 vLLM 推理后端。
- “第一”限定为本轮六组评测结果完整的参评开源模型，并不代表各单项成绩均为第一；此外，本轮评测尚未覆盖市场上全部开源 Jev 类模型。
除了性能上的突破，NeoHorse-Jev-4B 在实用性上也做了针对性设计——让开发者能够像调用传统程序函数一样，轻松接入模型的决策能力。
开发者只需用自然语言定义好具体任务，模型就能直接返回软件系统可识别的概率分布与量化分数。这种设计省去了原本需要手动编写复杂逻辑规则的繁琐过程，直接把模型的“理解力”转换成了标准化的能力接口。
目前，模型针对常见的业务场景提供了三种核心调用方式：
- Choice（单选）： “这条请求应该路由给哪一个下游工具？”
- Noul（是非判断）： “这段用户生成内容（UGC）是否符合合规规则？”
- Score（打分评价）： “这个搜索结果与用户意图的相关度有多高？”
开发者只需要用自然语言定义问题和候选项，模型便可以直接返回概率或分数，应用随后按照结果继续执行。
换句话说，过去很多依赖 if-else、规则引擎甚至额外分类模型完成的“判断层”，被重新封装成可以直接调用的模型能力。这也是 Jev 类模型和传统生成式模型最核心的差异之一：不直接把答案“说出来”，而是尽快完成一次决策。
这种差异也直接反映在推理链路上。
传统生成式模型通常要经历：理解输入 → 逐 Token 生成答案 → 解析答案 → 执行而 NeoHorse-Jev-4B 的路径被缩短为：理解输入 → 返回候选概率 → 执行
NeoHorse-Jev-4B 使用 prefill-only 推理，直接计算不同候选项的概率，而不需要逐字生成自然语言答案，相当于省掉了生成阶段最主要的一段延迟。
在一组由 1158 个真实文本请求构成的混合负载测试中，32 并发情况下，服务端记录的平均决策耗时为 74.3 ms，也就是一次判断平均不到 0.1 秒；客户端完整请求的平均耗时为 273.3 ms。
尤其当并发提高到 256 时，系统每秒可以成功处理 347.05 个请求，该档测试中的 6,948 次请求全部成功。
需要说明的是，这里的流程对比并不是传统生成模型与 NeoHorse 在完全相同条件下的模型测速。74.3 ms 指的是服务端返回的 Decision 计时，273.3 ms 则包含完整客户端请求链路；74.3 ms 和 347.05 请求/秒也分别对应 32 并发和 256 并发两个不同测试档位。
这些数字说明了一件事：Jev 模型优化的不是“写话有多快”，而是“做一次判断够不够便宜、够不够快”，以至于可以被高频嵌入软件执行链路”。
这也正是 4B 规模的意义所在。大模型负责深思熟虑，而软件内部海量的高频细碎决策——工具路由、意图识别、内容过滤、搜索排序——并不需要百亿参数的模型每次都完整做一遍大题。真正有价值的，是用毫秒级的成本，完成成千上万次“足够好”的判断。
从游戏到具身智能：让每一次判断，都直接变成行动
开场的贪吃蛇，只是 NeoHorse-Jev-4B 展示能力的第一步。从俄罗斯方块、Flappy Bird，到四方麻将与炸弹人竞技，甚至跨越到自动驾驶和机械臂具身仿真——同一套标准化决策接口，正在被快速接入越来越多的复杂场景：输入当前状态 -> 实时比较候选选项 -> 返回概率与得分 -> 驱动动作执行。每一次毫秒级的判断，都在直接推动具体业务场景向前运转。
1. 俄罗斯方块：一局消除 59 行
每一个方块落下前，NeoHorse-Jev-4B 都要在极短时间内对“不同落点 x 不同朝向”的所有候选组合进行概率评估。随着棋盘局面的实时变化，模型的决策策略随之动态更新。
这段演示的结果面板记录了 190 次落子、59 行消除、6,500 分。
图 2｜一局游戏的加速回放。右侧展示候选落点与朝向、对应概率及最终选择，结尾展示本局结果。
2. Flappy Bird：把握起落，连续穿越管道
何时振翅，何时滑行，模型来判断。 NeoHorse-Jev-4B 根据小鸟的实时高度、飞行速度以及前方管道的结构化文本状态，持续输出下一步动作策略，精准穿过狭窄的管道间隙。
在完整的回合测试中，模型单次成功穿越了 28 根管道，而在同组 6 个回合的综合测试中，平均通过管道数达到了 27.67 根。
图 3｜Flappy Bird 的 12 秒回放节选，以 2 倍速播放。模型接收文字状态输入，右侧展示判断分数与动作；完整回合成绩见画面底部。
3. 麻将：从逐手选择到自摸胡牌
摸到一张牌，该留下什么、打出什么？如何根据场上已出现的公开牌型调整策略？
基于本家手牌与公共盘面信息，NeoHorse-Jev-4B 在每一个回合的候选动作中进行概率筛选。在简化为 108 张牌规则的四方对局演示中，模型一路推演并最终以 “NEO 自摸胡牌” 完成收官。
图 4｜简化 108 张规则的四方麻将演示。右侧显示候选动作概率；模型使用本家手牌、公开信息与牌型辅助。
4. 四方炸弹竞技：在动态对抗中赢下本局
走位避险，还是原地放置炸弹？面对三名不断行动的对手以及随时间收缩的安全区域，NeoHorse-Jev-4B 必须在博弈中持续做出下一步选择。
在一局包含“三个 AI 模型 + 一个规则机器人”的混战展示局中，模型成功应对了复杂的动态对抗，坚持到最后并锁定胜局（NEO WINS）。
图 5｜三个模型与一个规则机器人同场竞技的展示局。画面保留各方动作、概率面板及运行配置标注。
5. 自动驾驶仿真：152 次决策，到达终点
在城镇道路的仿真环境里，NeoHorse-Jev-4B 负责持续输出车辆的下一步驾驶动作，驱动车辆沿着预定路线行驶。如果说前面的几类 demo 主要展示了模型在规则环境中的连续决策能力，那么更有行业意义的，是它开始进入更接近真实应用的仿真任务。
在自动驾驶仿真中，NeoHorse-Jev-4B 需要根据结构化状态输入，持续选择下一步驾驶动作，推动车辆沿既定路线前进。界面会同步显示候选动作概率、当前速度、剩余距离以及决策进度。
这段回放共记录 152 次决策，最终车辆到达终点，并实现 0 次碰撞、0 次违规。这意味着，模型的判断不再只是“过关”或“得分”，而开始具备与安全约束、路径执行相关的任务属性。
图 6｜城镇路线驾驶仿真回放。模型使用结构化状态输入，场景提供原生规划与安全辅助；上述结果对应本次演示。
6. 机械臂：84 次决策，打开仿真保险柜
在机械臂仿真任务中，NeoHorse-Jev-4B 则把判断力进一步带进了具身场景。
在 Meta-World 的 door-open-v3 任务中，模型结合多模态输入理解环境状态，逐步完成接近柜门、调整位置和开门等动作。整个过程中，它一共进行了 84 次决策，最终任务状态显示 “SUCCESS”。
图 7｜Meta-World 的 door-open-v3 任务。84 次决策后，画面亮起“SUCCESS”。
更值得注意的是，这款模型并未针对具身数据进行专门训练。也就是说，这一结果更多体现的是，基于 NeoHorse-1-4B 的通用能力，决策接口本身已经具备了一定的跨场景迁移潜力。
把这些演示连起来看，NeoHorse-Jev-4B 想传递的重点，其实并不只是几个游戏或仿真项目里的单点成绩，而是同一种调用范式正在跨场景复用。从屏幕里的小游戏，到多主体对抗，再到自动驾驶和机械臂仿真，这条路径所展示的，是模型能力从“回答问题”向“驱动动作”延伸的可能性。
全量开源：让每个应用都能接入“极速判断力”
相比只发布一个模型分数，基元律动这次更强调的是可用性。
NeoHorse-Jev-4B 同步开放了模型权重、推理源码与调用示例，支持 Python、命令行、HTTP 等接入方式，并兼容 vLLM、SGLang 部署。模型按 Apache-2.0 协议发布，开发者可以直接在自己的环境中完成测试、集成和二次开发。
除了文本输入，NeoHorse-Jev-4B 还支持单张图片与文本联合输入。这意味着，同一套“输入状态—返回判断—执行动作”的接口，不再只处理抽象文本，也开始具备连接可见环境状态的能力。
目前，模型与相关文件已经上线 Huggingface/ModelScope，代码与部署示例同步发布在 GitHub，Hugging Face 也开放了对应社区入口。
ModelScope：
https://www.modelscope.cn/collections/TokenRhythm/NeoHorse-Jev
HuggingFace：
https://huggingface.co/collections/TokenRhythm/neohorse-jev
GitHub：
https://github.com/TokenRhythm/NeoHorse
当这种判断能力被压缩进更小的模型、以更低延迟被频繁调用，AI 进入软件和真实环境的方式，也可能随之发生变化。
最后，NeoHorse-Jev 还被安排完成了一次“奔月”——带着嫦娥飞向月宫，也给这场偏工程和技术向的发布，留了一点中秋节的彩蛋。
