Naive-N0.5-Flash : MoE de 309B, 1M de contexte natif et jusqu’à ~2000 tok/s. Le modèle chinois à poids ouverts d’une équipe issue de Tsinghua

309B de paramètres au total, 15,5B seulement activés par token. 1M de contexte natif. Jusqu’à ~2000 tok/s au niveau Ultrafast. Licence MIT, poids intégralement publiés.

Quatre chiffres, une idée : les modèles ouverts chinois viennent de faire passer la vitesse à un autre ordre de grandeur.

Le 27 septembre 2026, NaiveAI, entreprise chinoise d’IA fondée par une équipe issue de Tsinghua, a publié Naive-N0.5-Flash. Sur NL2Repo-Bench, la fiche officielle du modèle affiche 71,9. Dans la comparaison compilée par Latent Space, DeepSeek V4.1 Flash obtient 68,2 et GLM 5.3 Flash 56,3. Un modèle limité au texte et au code, qui va loin et vite sur son terrain.

Ce n’est pas une nouvelle histoire de « plus de paramètres ». C’est une histoire de temps de réponse. Quand un modèle sort des milliers de tokens par seconde, écrire du code, faire tourner des agents ou lire un dépôt ne veut plus dire « attendre qu’il réfléchisse », mais « la réponse est déjà là ».

L’essentiel d’abord

• Éditeur : NaiveAI (naive.ai), compte X officiel @naiveailab, date de sortie 2026-09-27.
• Licence : MIT, poids ouverts. Très peu d’obstacles pour un usage commercial et des travaux dérivés.
• Taille : MoE de 309B de paramètres au total, 15,5B activés par token.
• Contexte : 1M natif.
• Vitesse : selon l’éditeur, ~50 tok/s au niveau Standard et jusqu’à ~2000 tok/s en Ultrafast, grâce au moteur d’inférence maison NaiveRT.
• Périmètre : texte et code uniquement, pas d’entrée image.
• Benchmark : 71,9 sur NL2Repo-Bench, devant DeepSeek V4.1 Flash (68,2) et GLM 5.3 Flash (56,3). Données de la fiche officielle, compilées par Latent Space.

Qui l’a fait : NaiveAI, fondée par une équipe issue de Tsinghua

NaiveAI est une entreprise chinoise d’IA fondée par une équipe issue de Tsinghua. D’après la presse, son fondateur, Dai Jifeng, est professeur associé au département de génie électronique de l’université Tsinghua. Naive-N0.5-Flash est un produit de l’entreprise NaiveAI.

Une équipe à la profondeur académique qui publie ses poids en entier sous licence MIT, puis pousse la vitesse à l’extrême avec son propre moteur d’inférence. Cette voie se remarque parmi les modèles chinois.

Sur des épaules ouvertes, vers la vitesse maximale

Naive-N0.5-Flash ne cache pas d’où il vient, et le dit avec fierté.

L’éditeur confirme qu’il prend Xiaomi MiMo-V2.5 pour base et s’inspire de l’attention parcimonieuse DSA de DeepSeek. S’y ajoute le moteur maison NaiveRT. Trois éléments empilés :

1. MiMo-V2.5 fournit une base solide. Le relayeur précédent des modèles ouverts chinois avait déjà posé les fondations.
2. L’attention parcimonieuse DSA apporte l’idée pour le contexte long. DeepSeek a rendu la méthode publique, et ceux qui suivent peuvent s’y appuyer.
3. NaiveRT pousse l’ingénierie à la limite. Les deux niveaux officiels, Standard à ~50 tok/s et Ultrafast jusqu’à ~2000 tok/s, montrent qu’une même capacité de modèle peut se libérer sous des formes de service différentes. NaiveRT est le moteur qui tire vers le niveau le plus haut.

C’est la force d’un relais ouvert : Xiaomi a couru le premier relais, DeepSeek a transmis la méthode, NaiveAI a repris le témoin pour sprinter vers la vitesse extrême. Personne ne réinvente la roue, chacun porte le travail des autres un peu plus loin. Un écosystème ouvert à son meilleur ressemble à cela : chaque relais plus rapide que le précédent.

Fiche des paramètres

Élément	Information
Nom	Naive-N0.5-Flash
ID de modèle de l’API officielle (principal)	naive-n0.5-flash
ID de modèle de l’API officielle (sans réflexion)	naive-n0.5-lite (le même modèle, réflexion désactivée)
Éditeur	NaiveAI (naive.ai)
Date de sortie	2026-09-27
Licence	MIT, poids ouverts
Architecture	MoE, 309B au total, 15,5B actifs
Couches	48 couches : 39 d’attention à fenêtre glissante (SWA) + 9 d’attention parcimonieuse DSA
Contexte	1M natif
Vitesse (officielle)	Standard ~50 tok/s ; Ultrafast jusqu’à ~2000 tok/s
Moteur d’inférence	NaiveRT, développé en interne
Type d’entrée	Texte et code uniquement, pas d’image
Base	Xiaomi MiMo-V2.5

L’architecture : pourquoi il est grand, long et rapide

309B au total, 15,5B actifs : grande capacité, petit calcul

L’idée du MoE (mélange d’experts) est simple : le modèle peut être énorme, mais chaque token ne réveille qu’une petite partie des experts. Naive-N0.5-Flash compte 309B de paramètres au total et n’en active que 15,5B par token. Le savoir tient dans les 309B, le coût de chaque pas est celui de 15,5B. La culture d’un grand modèle avec l’allure d’un petit : c’est la base structurelle de ce haut débit.

39 couches SWA + 9 couches DSA : une répartition précise entre local et global

Sur les 48 couches, 39 utilisent l’attention à fenêtre glissante (SWA), qui ne regarde que le voisinage immédiat et dont le coût ne gonfle pas sans limite avec le contexte. 9 utilisent l’attention parcimonieuse DSA, qui sélectionne dans tout le texte les positions réellement décisives. L’essentiel du calcul revient à des couches locales légères, et quelques couches globales couvrent les dépendances à longue distance. Cette répartition fait du contexte natif de 1M une capacité réellement exploitable, et pas seulement un chiffre dans une fiche.

1M natif : tout le dépôt, d’une seule lecture

Que signifie 1M de contexte ? Un dépôt de code de taille moyenne, un ensemble de documentation technique, un très long historique de conversation peuvent entrer dans une même requête, sans découpage. Pour les tâches de code, cela évite la perte d’information du « d’abord récupérer, puis assembler ». Le modèle voit le contexte entier, pas des fragments recollés.

Jusqu’à ~2000 tok/s : la réponse de NaiveRT

L’éditeur propose deux niveaux : Standard à ~50 tok/s et Ultrafast jusqu’à ~2000 tok/s. Derrière Ultrafast, il y a NaiveRT, le moteur d’inférence maison de NaiveAI. L’architecture se charge de calculer moins, le moteur de calculer vite. Il faut réussir les deux pour atteindre ce chiffre.

Ce que la vitesse change

2000 tok/s ressemble à un simple chiffre. Placé dans un vrai contexte de développement, le tableau change.

Complétion en temps réel dans l’IDE. Vous tapez un commentaire et l’implémentation entière s’étale presque en même temps à l’écran. Pas de roue qui tourne, pas de « réflexion en cours » : le curseur s’arrête et le code est déjà écrit. La complétion cesse d’être une attente pour devenir une respiration. On l’appelle plus souvent, et la différence s’accumule sur une journée.

Les dizaines d’appels d’un agent. Un agent lit des fichiers, modifie du code, lance des tests, lit les résultats, modifie encore. Une tâche peut enchaîner des dizaines d’appels. Si chaque tour gagne quelques secondes, la tâche entière gagne des minutes. Avec des pas plus rapides, dans le même budget de temps, l’agent peut essayer et vérifier davantage, et le taux de réussite a plus de marge pour monter.

Un long dépôt, d’une seule lecture. 1M de contexte et un débit élevé permettent de confier toute la base de code au modèle et d’obtenir un plan de refonte complet, au lieu de découper sans cesse à cause de la limite de fenêtre. Tout lire, répondre vite : voilà ce que doit être le contexte long.

Tâches par lots, en parallèle. Revue de code, génération de documentation, complétion de tests : pour ce travail parallélisable, un débit plus haut réduit directement le temps total.

Échanger du temps contre de la qualité. Avec assez de vitesse, il reste de la marge pour allonger la chaîne de réflexion. Réfléchir longtemps était un luxe et peut devenir un choix ordinaire.

La vitesse n’est pas un but en soi. Elle change le rythme de la collaboration entre l’humain et le modèle : de « soumettre, puis attendre » à « dialoguer, puis continuer ».

Pourquoi c’est important pour l’open source chinois

Quand on parle des modèles ouverts chinois, la discussion s’arrête souvent à « combien de paramètres » et « quel rang au classement ». Naive-N0.5-Flash ouvre un autre angle : parmi des modèles tout aussi ouverts, lequel atteint une vitesse d’inférence qui étonne les développeurs.

Cet angle a trois sens.

Premièrement, ouvrir ne se limite pas à publier des poids. La licence MIT permet de déployer, d’affiner et d’intégrer soi-même, sans craindre des couches de restrictions de licence. Avec les poids en main, le choix revient aux développeurs.

Deuxièmement, la capacité d’ingénierie devient un avantage concurrentiel. La base vient de MiMo-V2.5 et l’idée d’attention parcimonieuse du DSA de DeepSeek, des briques publiques de l’écosystème ouvert. NaiveAI a mis beaucoup d’énergie dans le moteur NaiveRT et fait de « les mêmes briques, assemblées pour aller plus vite » sa signature. À l’ère de l’open source, l’excellence d’ingénierie est elle-même un rempart.

Troisièmement, l’open source chinois forme un relais. Le résultat de l’un devient le point de départ d’un autre, la méthode de l’un est validée, améliorée puis republiée par un autre. Ce cycle tourne de plus en plus vite, et ce sont tous les utilisateurs qui en profitent : plus de modèles au choix, un seuil d’essai plus bas, des itérations plus rapides.

Lire ce bilan technique : quatre mots-clés

Si vous ne voulez retenir que l’essentiel technique de ce modèle, ces quatre mots suffisent.

MoE. Les 309B de paramètres au total sont l’« entrepôt de connaissances », les 15,5B activés sont la « puissance réelle de chaque pas ». Un grand entrepôt donne de la capacité. Ne bouger qu’une petite partie à chaque pas donne de la vitesse.

SWA. Attention à fenêtre glissante, 39 couches sur 48. La plupart des couches ne regardent que ce qui est proche, et le coût reste maîtrisé.

DSA. Attention parcimonieuse, sur les 9 couches restantes. Elle repère les positions clés dans l’ensemble et rapatrie l’information lointaine vraiment utile.

NaiveRT. Le moteur d’inférence maison, le maillon qui transforme l’avantage d’architecture en « tokens par seconde ».

Les quatre mots forment une logique claire : MoE pour calculer moins, SWA pour contenir le coût du contexte long, DSA pour garder la vue d’ensemble, NaiveRT pour concrétiser la vitesse.

Quelques usages à imaginer

Ce qui suit relève de scénarios construits à partir des paramètres et du périmètre officiels. Ils ne représentent aucun cas réel.

• Pipeline de revue de code : charger tout le dépôt dans le contexte et obtenir des suggestions de modification entre fichiers. C’est là que l’intérêt du 1M natif est le plus visible.
• Assistant d’IDE : complétion, explications et suggestions de refactorisation presque instantanées, sans que l’attente ne coupe la concentration du développeur.
• Agents multi-étapes : lire, modifier, tester, faire le bilan, en boucle. Plus chaque pas est rapide, plus la chaîne est fluide.
• Synchronisation documentation et code : documents longs et base de code dans le même contexte, pour vérifier que la description des interfaces correspond à l’implémentation.

Ces scénarios ont un point commun : ils amplifient les deux atouts, vitesse et longueur de contexte, et restent dans le périmètre du texte et du code, qui est celui du modèle.

Ce qu’en disent des tiers : l’évaluation de Latent Space

Le 10 novembre 2026, Latent Space a publié une évaluation rédigée par Gabriele Beltramo. Toutes les données ci-dessous viennent de cet article et ne sont pas des mesures de Guishu Intelligence.

Résultats de benchmark

Résultats sur NL2Repo-Bench (données de la fiche officielle, compilées par Latent Space) :

Modèle	NL2Repo-Bench
Naive-N0.5-Flash	71,9
DeepSeek V4.1 Flash	68,2
GLM 5.3 Flash	56,3

Vitesse mesurée

L’évaluation de Latent Space indique :

• un pic mesuré d’environ 2100 tok/s, un peu au-dessus des 2000 tok/s annoncés par l’éditeur ;
• environ 984 tok/s pendant la phase de réflexion et environ 1816 tok/s pendant la réponse ;
• un temps médian de bout en bout de 3,1 secondes, contre 10,1 secondes pour DeepSeek.

Cas d’application

Dans le cas « générer une application du système solaire », Naive-N0.5-Flash obtient le meilleur résultat. Sur les tâches de structures en arbre, il reste proche de DeepSeek.

Lire les données avec recul

En lisant ces chiffres, gardez en tête les trois conditions données par l’article original :

• la vitesse de Naive a été mesurée sur le serveur officiel, alors que les autres modèles passaient par OpenRouter : les chemins de requête diffèrent ;
• les temps moyens des deux sont proches : 45,3 secondes et 45,0 secondes ;
• sur les problèmes difficiles, le temps moyen est de 89,8 secondes contre 79,7 secondes, à cause d’une chaîne de réflexion plus longue.

Les médias chinois suivent aussi ce modèle. Qbitai (量子位) l’a relayé dans un article de son compte WeChat du 13 novembre 2026. Il s’agit d’une compilation de seconde main, et pour les chiffres, c’est l’article original de Latent Space qui fait foi.

Pour qui, pour quoi

Très adapté pour :

• la complétion de code interactive et les questions-réponses dans l’IDE, sensibles à la latence ;
• la compréhension et la réécriture à l’échelle du dépôt, qui demandent un grand contexte ;
• les équipes qui ont besoin d’un déploiement privé et d’une licence permissive (MIT) ;
• les boucles d’agents à appels fréquents, où chaque attente est multipliée.

Limites à connaître d’avance :

• il ne traite que le texte et le code. Pour les tâches avec images, il faut un autre modèle ;
• les scores officiels sont une référence, et le résultat réel doit se juger sur vos propres tâches.

Comment intégrer un tel modèle via une API compatible

Pour les modèles proposés par API dans le style Chat Completions, l’intégration suit presque toujours le même schéma : configurer l’endpoint, la clé et l’ID du modèle, puis envoyer la requête en streaming. Voici un exemple générique. L’endpoint et la clé sont des marqueurs, et il faut se fier à la documentation officielle de l’API et aux indications du service que vous utilisez.

curl -N "https://<votre fournisseur ou l’endpoint officiel>/v1/chat/completions" \
  -H "Authorization: Bearer <votre clé API>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "naive-n0.5-flash",
    "stream": true,
    "messages": [{"role": "user", "content": "Écris en Python un cache LRU sûr en concurrence"}]
  }'

Avant d’intégrer, il est conseillé de vérifier point par point :

1. ID du modèle : le principal officiel est naive-n0.5-flash, la version sans réflexion est naive-n0.5-lite ;
2. Sortie en streaming : pour un modèle à haut débit, utilisez le streaming, sinon la vitesse ne se voit pas ;
3. Type d’entrée : n’envoyez que du texte, pas d’images ;
4. Timeouts et nouvelles tentatives : les requêtes à long contexte et les longues chaînes de réflexion demandent des timeouts plus larges ;
5. Votre propre jeu d’évaluation : faites un essai sur des tâches réelles avant de décider de basculer.

Comment évaluer de façon convaincante ? Choisissez de 20 à 50 tâches réelles issues de votre propre base de code, enregistrez séparément le délai avant le premier token et le temps total, comparez naive-n0.5-flash et naive-n0.5-lite, lancez directement les tests pour les tâches de code afin d’obtenir le taux de réussite, puis faites un essai à part en plaçant un vrai dépôt dans la fenêtre de 1M. Ces conclusions-là pourront figurer dans votre propre document de choix technique.

Guishu Intelligence suit l’évolution de ce type de modèle ouvert à haute vitesse. Elle est pour l’instant en phase d’évaluation et ne s’engage sur aucune date de disponibilité.

Questions fréquentes

Qui a fait Naive-N0.5-Flash ? Il a été publié par NaiveAI, entreprise chinoise d’IA fondée par une équipe issue de Tsinghua. D’après la presse, son fondateur, Dai Jifeng, est professeur associé au département de génie électronique de l’université Tsinghua. Naive-N0.5-Flash est un produit de l’entreprise NaiveAI, sorti le 27 septembre 2026.

A-t-il été entraîné à partir de zéro ? L’éditeur confirme qu’il prend Xiaomi MiMo-V2.5 pour base et s’inspire de l’attention parcimonieuse DSA de DeepSeek. Avec le moteur d’inférence maison NaiveRT, l’effort porte sur l’optimisation extrême de la vitesse d’inférence.

Est-il open source ? Quelle licence ? Les poids sont ouverts, sous licence MIT.

Quel est l’ID de modèle de l’API ? Le principal est naive-n0.5-flash. naive-n0.5-lite est le même modèle avec la réflexion désactivée.

D’où viennent les 2000 tok/s ? Selon l’éditeur, le niveau Ultrafast atteint jusqu’à ~2000 tok/s, grâce au moteur maison NaiveRT. Le pic mesuré par Latent Space est d’environ 2100 tok/s.

Prend-il en charge 1M de contexte ? Oui, 1M de contexte natif. Côté architecture, il est obtenu par 39 couches d’attention à fenêtre glissante et 9 couches d’attention parcimonieuse DSA.

Prend-il en charge les images ? Non. Il se concentre sur le texte et le code.

À quoi sert ce modèle ? Génération de code, compréhension à l’échelle du dépôt, boucles d’agents et développement interactif sensible à la latence.

En résumé

Open source MIT, MoE de 309B n’activant que 15,5B, 39 couches SWA et 9 couches DSA qui portent un contexte natif de 1M, moteur maison NaiveRT qui pousse la vitesse officielle jusqu’à ~2000 tok/s, et 71,9 sur NL2Repo-Bench.

Xiaomi MiMo-V2.5 pour la base, le DSA de DeepSeek pour l’idée, NaiveAI pour l’ingénierie poussée à l’extrême. C’est un beau relais de l’open source chinois, et une nouvelle réponse à la question « à quelle vitesse un modèle de code peut-il aller ».

Les mots-clés de ce modèle : poids ouverts, contexte long, vitesse de réponse. Quand les trois se retrouvent dans un même modèle, toute équipe qui construit des outils de code, des agents ou des plateformes pour développeurs devrait y regarder de près.

Pour les développeurs, la meilleure réponse est d’essayer : lire la documentation officielle, faire un essai sur ses propres tâches et laisser les données parler.

Références

• Page de recherche officielle de NaiveAI : https://naive.ai/en/research/
• Page du modèle sur Hugging Face : https://huggingface.co/NaiveAI/Naive-N0.5-Flash
• Démarrage rapide de l’API NaiveAI : https://platform.naive.ai/docs/api-quick-start
• X officiel de NaiveAI (@naiveailab) : https://x.com/naiveailab/status/2104247060186951725
• Évaluation Latent Space (Gabriele Beltramo, 2026-11-10) : https://latent.space/p/naiveai/
• Article Qbitai sur WeChat (2026-11-13, relais de seconde main) : https://mp.weixin.qq.com/s/d2PycGL_WwpYgcdB9dssMQ