代季峰团队Naive AI开源首个模型，探索AI研发AI新路径

代季峰团队开源首个模型，探索AI研发AI新路径

Naive AI 正式开源其首款模型 Naive-N0.5-Flash。该模型总参数量为 309B，激活参数量为 15.5B，原生支持百万 token 上下文，主要面向编程与 AI 研发。其核心特点是具有双重身份：既由 AI 参与研发，也被专门训练来承担 AI 研发工作。

AI 深度参与研发流程

Naive AI 摒弃了传统以人类为中心的研发体系，将写代码、跑实验、监控流程等工作交给 AI。研究员主要负责提出目标、设定约束与评价标准及最终决策。技术报告显示，AI 参与了注意力架构的探索以及训练、推理和部署系统的优化。例如，在推理运行时 NaiveRT 的优化中，研究员与 AI 用六天推进 151 轮实验，将投机解码耗时从 12.3 毫秒降至 3.4 毫秒。此外，模型还接手世界模型研究工作，经过 400 小时实验得到 AutoWM，跻身 WorldArena 第一梯队。

核心评测成绩亮眼

在考察论文复现能力的 PaperBench 中，Naive-N0.5-Flash 取得 63.2 分，高于 Claude Opus 4.7 和 GPT-5.5 等模型。在机器学习工程 MLE-bench-30 上取得 73.7% 的成绩。在语言模型后训练 PostTrainBench 上取得 37.5 分。在 NanoGPT SpeedRun 任务中，将成绩提升至 73.8 秒。此外，在编程能力 NL2Repo 和长程任务 ALE-CLI 上也展现出强竞争力。

架构改造与训练优化

为解决百万 token 上下文的效率问题，团队以 MiMo-V2.5 base 为起点，用 DeepSeek 稀疏注意力（DSA）替换全局注意力，构建 SWA-DSA 混合稀疏注意力架构。在累计 3.25T token 的多阶段训练中，AI 承担了关键验证工作，如分析索引器召回情况并修复数值稳定性问题。在训练系统层面，AI 提出混合序列并行方案，将 SWA 部分的通信复杂度大幅降低，并细化了显存管理策略。

Naive-N0.5-Flash 的模型权重与推理代码采用 MIT 许可，并提供 API 服务，为研究者和开发者提供了新的部署选择。