NaiveAI发布309B MoE开源模型Naive-N0.5-Flash

2026年9月27日，北京实验室NaiveAI发布309B MoE开源模型Naive-N0.5-Flash，激活参数15.5B，支持1M上下文，采用MIT许可完全开源，推理速度最高达2000 tok/s。

事实还原

该模型由北京实验室NaiveAI于2026年9月27日推出。模型总参数309B，激活参数15.5B，原生支持1M上下文。架构上无全局注意力层，采用滑动窗口注意力与DeepSeek稀疏注意力混合设计，基于小米MiMo-V2.5改造并续训3.25T tokens。权重与推理代码以MIT许可开源，定位编码与AI研发任务。

机制拆解

模型训练过程采用AI参与优化研发的方式。AI模型负责探索混合注意力架构，同时优化训练、推理和部署系统。人类研究员提供方向指导和关键决策。推理系统NaiveRT结合mega-kernel fusion、Programmatic Dependent Launch和speculative decoding，在Standard模式下提供50 tokens/s每用户，在Ultrafast模式下最高达2000 tokens/s。

API定价为输入每百万tokens 0.10美元、输出0.40美元、缓存读取0.01美元。模型同时面向开发者提供开放权重。

产业影响

对开发者而言，MIT许可允许直接下载权重并修改代码，1M上下文和2000 tok/s峰值速度降低了长文本处理和快速迭代的门槛。对企业用户，API定价提供了一种可量化的调用成本选项。

对竞争格局而言，该模型的混合注意力设计与现有全注意力模型形成区别，开发者可据此测试本地或稀疏计算在编码任务中的实际表现。对上下游工具链，NaiveRT的优化路径可能影响后续推理框架的kernel融合和调度策略。

对照与先例

模型续训数据量为3.25T tokens，架构改造自小米MiMo-V2.5。评估中提及的对比模型包括GLM-5.3、Kimi-K3、Qwen-3.8-Max等，但具体分数需参考各模型官方博客。

战略判断

基于现有事实，接下来最可能出现的情况是开发者社区围绕MIT权重开展微调和工具集成，观察信号包括GitHub提交数量、实际推理延迟报告以及API调用量变化。

开发者选型时，可先在本地环境部署权重测试1M上下文下的编码任务，再对比API成本与自建推理的性价比。企业用户可通过小规模API调用验证Ultrafast模式在生产负载下的稳定性，再决定是否扩大使用。

模型宣称的递归自改进路径仍处于早期阶段。优势则在于完全开源的权重与代码，以及针对AI研发任务的训练定位。