NaiveAI 发布 Naive-N0.5-Flash 开放权重编程模型
先了解這件事
NaiveAI 发布了 Naive-N0.5-Flash，这是一款开放权重的编程模型，衍生自小米的 MiMo-V2.5，并搭配其 NaiveRT 推理引擎，调校目标是尽可能快地生成 token。NaiveAI 的目标定价为每百万输入 token 0.10 美元、每百万输出 token 0.40 美元、每百万缓存读取 token 0.01 美元。 Latent Space 将其与 DeepSeek V4.1 Flash 1017 和 GLM 5.3 Flash 进行了对比测试。在作者的测试运行中，其峰值接近每秒 2,000 个 token，在思考密集型任务上持续约为每秒 1,000 个 token，响应时间中位数为 3.1 秒，而对比模型分别为 5.3 秒和 10.1 秒。在困难的 HLE 问题上，开启思考时其平均完成 token 数约为 108,500，大约是 GLM 5.3 Flash 的九倍、DeepSeek V4.1 Flash 1017 的 11 倍。作者指出，样本为每个难度级别 10 道题，且未进行准确性评分。 所报告的解码速度是在单个八 GPU Blackwell 节点上运行 NaiveRT 中的推测解码测得的，来源将其描述为上限而非典型速率。
AI 依報導生成 · 1 天前更新
報導時間線
沿著報導，了解事件的不同側面。
- Latent SpaceNaiveAI 的 Naive-N0.5-Flash 宣稱每秒 2,100 個 token：它的程式碼能力如何？
Latent Space 測試了 NaiveAI 的開放權重模型 Naive-N0.5-Flash，這是一個源自小米 MiMo-V2.5 的程式碼模型，搭配 NaiveRT 推論引擎，並與 DeepSeek V4.1 Flash 1017 及 GLM 5.3 Flash 對比。在作者的執行中，它峰值接近每秒 2,000 個 token，在思考密集的任務中維持約每秒 1,000 個 token，中位回應時間為 3.1 秒，而兩個對比模型分別為 5.3 秒和 10.1 秒。在困難的 HLE 問題上，開啟思考時它平均產生約 108,500 個完成 token，約為 GLM 5.3 Flash 的九倍、DeepSeek V4.1 Flash 1017 的 11 倍；作者指出樣本為每個難度級別 10 題，且未進行準確度評分。
本事件熱度走勢
還沒有足夠的連續觀測資料，暫不繪製趨勢。