代季峰创办的 Naive AI 开源首款模型：309B 参数、原生 1M 上下文

代季峰（清华大学副教授）创办的 Naive AI 9 月 28 日开源了公司首款模型 Naive-N0.5-Flash：一个 309B 总参数、15.5B 激活的 MoE 模型，原生支持 1M token 上下文，权重与推理代码以 MIT 许可发布在 Hugging Face。它的卖点是「用 AI 造模型」：官方技术报告称架构探索、实验运行与系统优化大部分由 AI 完成，人类负责定目标与最终决策。

事实部分

• 规格：309B 总参数、15.5B 激活，基于小米开源的 MiMo-V2.5 底座做后训练；注意力结构为 5 层 SWA 加 1 层 DSA（DeepSeek 稀疏注意力，取 top-2048 位置），不含全注意力。
• 许可与价格：MIT 许可开源权重与推理代码；API 定价为每百万 token 输入 0.6 元、输出 2.6 元、缓存读取 0.07 元。
• 官方自报基准：PaperBench 63.2、MLE-bench-30 73.7%、NL2Repo 71.9，NanoGPT SpeedRun 73.8 秒（此前纪录 77.5 秒）——均为厂商自报，未经独立验证。
• AI 参与研发：NaiveRT 系统优化 6 天跑完 151 组实验，投机解码延迟从 12.3 毫秒降到 3.4 毫秒；另有 AI 产出的世界模型 AutoWM。
• 公司背景：Naive AI 成立于 2026 年 2 月，据报道估值已达 14 亿美元。

编辑判断

这条新闻的看点是流程而不是单个跑分：如果「AI 做实验、人做决策」的分工属实且可复现，中小团队追赶前沿的成本结构会不一样——实验瓶颈从人力变成算力预算。两个保留意见：模型是在开源底座上做后训练，不是从零训练；「用 AI 造」的部分官方报告自证成分高。想验证的话，权重就在 Hugging Face，MIT 许可可以直接拿去跑；对比对象可以看同样走开源路线、主打 Agent 跑分的 Nex-N2.5。