Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Назад к блогу
العربيةDeutschEnglishEspañolFrançais日本語한국어LatinaBahasa MelayuPortuguês (Brasil)РусскийไทยTiếng Việt繁體中文中文

Naive-N0.5-Flash: MoE на 309B, нативный контекст 1M и до ~2000 токенов/с. Открытая модель от китайской команды с опытом Цинхуа

Naive-N0.5-FlashNaiveAIкитайская открытая LLMконтекст 1M2000 токенов/с

309B параметров всего, на каждый токен активны лишь 15.5B. Нативный контекст 1M. До ~2000 токенов/с на уровне Ultrafast. Лицензия MIT, веса опубликованы полностью.

Четыре числа и один вывод: китайские открытые модели перевели слово «быстро» в другую весовую категорию.

27 сентября 2026 года NaiveAI, китайская ИИ-компания, основанная командой с опытом Цинхуа, выпустила Naive-N0.5-Flash. В NL2Repo-Bench официальная карточка модели приводит 71.9. В сводке Latent Space у DeepSeek V4.1 Flash 68.2, у GLM 5.3 Flash 56.3. Модель работает только с текстом и кодом, и в этой полосе идёт глубоко и быстро.

Это не очередная история о том, что «параметров стало больше». Это история о скорости ответа. Когда модель выдаёт тысячи токенов в секунду, написание кода, работа Agent и чтение репозитория перестают быть «ожиданием, пока она подумает» и становятся «она уже ответила».

Главное

  • Разработчик: NaiveAI (naive.ai), официальный аккаунт в X — @naiveailab, дата выпуска 2026-09-27.
  • Лицензия: MIT, открытые веса. Порог для коммерческого использования и доработки очень низкий.
  • Масштаб: MoE на 309B параметров, на каждый токен активируется 15.5B.
  • Контекст: нативный 1M.
  • Скорость: на официальном уровне Standard около 50 токенов/с, на уровне Ultrafast до ~2000 токенов/с. Работает на собственном движке инференса NaiveRT.
  • Границы возможностей: только текст и код, ввод изображений не поддерживается.
  • Бенчмарк: NL2Repo-Bench 71.9, выше, чем у DeepSeek V4.1 Flash (68.2) и GLM 5.3 Flash (56.3). Данные официальной карточки модели, сводка Latent Space.

Кто сделал: NaiveAI, основанная командой с опытом Цинхуа

NaiveAI — китайская ИИ-компания, основанная командой с опытом Цинхуа. По сообщениям СМИ, основатель Дай Цзифэн (代季峰) — доцент факультета электронной инженерии Университета Цинхуа. Naive-N0.5-Flash — продукт компании NaiveAI.

Команда с академической глубиной решила полностью опубликовать веса под лицензией MIT, а скорость довести до предела собственным движком инференса. Среди китайских больших моделей такой путь заметно выделяется.

На плечах открытых гигантов, со скоростью на пределе

Naive-N0.5-Flash не скрывает, откуда он вышел, и говорит об этом с гордостью.

Официально подтверждено, что модель построена на базе Xiaomi MiMo-V2.5 и опирается на разреженное внимание DSA от DeepSeek. К этому добавлен собственный движок инференса NaiveAI — NaiveRT. Складываются три вещи:

  1. MiMo-V2.5 даёт прочную основу. Предыдущий этап китайских открытых моделей уже заложил фундамент.
  2. Разреженное внимание DSA даёт подход к длинному контексту. DeepSeek опубликовала метод, и последователи могут встать прямо на него.
  3. NaiveRT выжимает максимум из инженерии. Два официальных уровня, Standard около 50 токенов/с и Ultrafast до ~2000 токенов/с, показывают, что одни и те же возможности модели можно раскрывать в разных формах сервиса. Движок, рвущийся к верхнему уровню, — это NaiveRT.

В этом сила эстафеты открытого кода. Xiaomi пробежала первый этап, DeepSeek передала метод, NaiveAI приняла эстафету и рванула к «предельной скорости». Никто не изобретает колесо заново, каждый несёт чужой результат дальше. Так выглядит лучшая версия открытой экосистемы: каждый следующий этап быстрее предыдущего.

Основные параметры

Параметр Сведения
Отображаемое имя Naive-N0.5-Flash
Официальный ID модели в API (основной) naive-n0.5-flash
Официальный ID модели в API (без мышления) naive-n0.5-lite (та же модель с отключённым мышлением)
Разработчик NaiveAI (naive.ai)
Дата выпуска 2026-09-27
Лицензия MIT, открытые веса
Архитектура MoE, всего 309B параметров, активных 15.5B
Слои 48 слоёв: 39 слоёв внимания со скользящим окном (SWA) + 9 слоёв разреженного внимания DSA
Контекст Нативный 1M
Скорость (официально) Standard около 50 токенов/с; Ultrafast до ~2000 токенов/с
Движок инференса Собственный NaiveRT
Типы ввода Только текст и код, изображения не поддерживаются
Базовая модель Xiaomi MiMo-V2.5

Архитектура: почему она большая, длинная и быстрая

309B всего, 15.5B активных: большая ёмкость, малый расчёт

Идея MoE (Mixture of Experts) проста. Модель может быть огромной, но на каждый токен просыпается лишь небольшая часть экспертов. У Naive-N0.5-Flash 309B параметров всего, а на токен активируется только 15.5B. Ёмкость знаний определяют 309B, а объём вычислений на шаг соответствует лишь 15.5B. Кругозор большой модели и скорость шага маленькой — вот структурная основа высокой пропускной способности.

39 слоёв SWA + 9 слоёв DSA: точное разделение локального и глобального

Из 48 слоёв 39 используют внимание со скользящим окном (SWA): они смотрят только на ближнее окружение, и их стоимость не растёт безгранично вместе с контекстом. 9 слоёв используют разреженное внимание DSA, которое выбирает по всему контексту действительно важные позиции. Основная часть вычислений достаётся лёгким локальным слоям, а несколько глобальных удерживают дальние зависимости. Благодаря такому распределению нативный контекст 1M становится способностью, которой можно пользоваться, а не просто числом в таблице параметров.

Нативный 1M: весь репозиторий за один проход

Что значит контекст 1M? Репозиторий среднего размера, целый комплект технической документации, очень длинная история диалога помещаются в один запрос без нарезки. В задачах с кодом это на один слой потерь информации меньше, чем в схеме «сначала найти, потом склеить». Модель видит полный контекст, а не собранные фрагменты.

До ~2000 токенов/с: ответ NaiveRT

Официально сервис делится на два уровня: Standard около 50 токенов/с, Ultrafast до ~2000 токенов/с. За Ultrafast стоит собственный движок инференса NaiveAI — NaiveRT. Архитектура модели отвечает за то, чтобы «считать меньше», движок инференса — за то, чтобы «считать быстро». Такое число получается, только если сделаны правильно обе части.

Что меняет скорость

2000 токенов/с звучит как просто число. В реальной разработке картина меняется.

Автодополнение в IDE в реальном времени. Вы пишете комментарий, и вся реализация почти синхронно заполняет экран. Без индикатора загрузки и без «думаю». Курсор остановился, а код уже на месте. Дополнение из «ожидания» превращается в «дыхание», разработчики вызывают его чаще, и за день разница накапливается.

Десятки вызовов Agent. Agent читает файлы, правит код, запускает тесты, читает результат и правит снова. Одна задача может пройти десятки итераций. Сэкономьте несколько секунд на каждой, и вся задача станет короче на минуты. Чем быстрее шаг, тем больше попыток и проверок Agent успевает сделать за тот же бюджет времени, и тем больше простора для роста доли успешных запусков.

Длинный репозиторий за один проход. Контекст 1M и высокая пропускная способность позволяют отдать модели всю кодовую базу и получить цельный план переработки, не нарезая её снова и снова под ограничения окна. Прочитать всё и быстро ответить — так и должен выглядеть длинный контекст.

Пакетные задачи, запущенные параллельно. Ревью кода, генерация документации, дописывание тестов хорошо распараллеливаются. Чем выше пропускная способность, тем напрямую меньше общее время.

Время в обмен на качество. Когда модель достаточно быстра, появляется запас, чтобы удлинить цепочку рассуждений. Раньше «думать долго» было роскошью, теперь это может быть обычным вариантом.

Скорость не самоцель. Она меняет ритм работы человека с моделью: вместо «отправил и жди» получается «говори и продолжай».

Почему это важно для китайского открытого кода

Раньше разговор о китайских открытых моделях часто останавливался на вопросах «сколько параметров» и «какое место в рейтинге». Naive-N0.5-Flash открывает новый ракурс: среди открытых моделей, кто сумел сделать инференс настолько быстрым, чтобы удивить разработчиков.

У этого ракурса три смысла.

Первый: открытый код — это не только публикация весов. Лицензия MIT означает, что команда может сама развернуть, дообучить и встроить модель, не опасаясь многослойных лицензионных ограничений. Когда веса на руках, выбор остаётся за разработчиком.

Второй: инженерное мастерство становится конкурентным преимуществом. База взята из MiMo-V2.5, идея разреженного внимания — из DSA от DeepSeek. Всё это общедоступные кирпичики открытой экосистемы. NaiveAI вложила основные силы в движок инференса NaiveRT и сделала «ту же сборку из тех же кирпичиков, но быстрее» своей фирменной чертой. В эпоху открытого кода инженерное совершенство само по себе — барьер для конкурентов.

Третий: у китайского открытого кода сложилась эстафета. Результат одной команды становится отправной точкой для другой, метод одной команды проверяется, улучшается и публикуется снова другой. Этот цикл раскручивается всё быстрее, а выигрывают все пользователи: больше моделей на выбор, ниже порог для экспериментов, быстрее темп итераций.

Четыре ключевых слова технического отчёта

Если запомнить только технические основы модели, хватит четырёх слов.

MoE. 309B параметров всего — это «склад знаний», 15.5B активных — «реальные вычисления на каждом шаге». Большой склад означает достаточную ёмкость, а то, что на шаге задействована лишь малая часть, означает скорость.

SWA. Внимание со скользящим окном, 39 слоёв из 48. Большинство слоёв смотрят только на близкое содержимое, и стоимость остаётся под контролем.

DSA. Разреженное внимание, остальные 9 слоёв. Оно выбирает ключевые позиции по всему контексту и возвращает действительно полезную информацию издалека.

NaiveRT. Собственный движок инференса, звено, которое превращает архитектурное преимущество в «токены в секунду».

Вместе они образуют ясную логику: MoE позволяет считать меньше, SWA удерживает стоимость длинного контекста, DSA сохраняет глобальный обзор, NaiveRT реализует скорость.

Сценарии, которые стоит представить

Ниже приведены идеи применения, основанные на официальных параметрах и границах возможностей. Они не описывают реально произошедшие случаи.

  • Конвейер ревью кода: целый репозиторий за один раз в контексте, предложения по изменениям сразу по нескольким файлам. Здесь ценность нативного 1M проявляется нагляднее всего.
  • Помощник в IDE: дополнение, объяснение и предложения по рефакторингу возвращаются почти синхронно, и ожидание не отвлекает разработчика.
  • Многошаговый Agent: чтение, правка, тест и разбор результатов по кругу. Чем быстрее шаг, тем плавнее вся цепочка.
  • Синхронизация документации и кода: длинные документы и кодовая база попадают в контекст вместе, и можно сверить, совпадает ли описание интерфейсов с реализацией.

У этих сценариев есть общая черта: они усиливают два преимущества, скорость и длину контекста, и все остаются в рамках текста и кода, что полностью совпадает с границами возможностей модели.

Что говорят третьи стороны: обзор Latent Space

10 ноября 2026 года Latent Space опубликовал обзор, написанный Gabriele Beltramo. Все приведённые ниже данные взяты из этой статьи и не являются тестами Guishu Intelligence.

Результаты бенчмарка

Результаты NL2Repo-Bench (данные официальной карточки модели, сводка Latent Space):

Модель NL2Repo-Bench
Naive-N0.5-Flash 71.9
DeepSeek V4.1 Flash 68.2
GLM 5.3 Flash 56.3

Измеренная скорость

Обзор Latent Space показывает:

  • измеренный пик около 2100 токенов/с, что немного выше официальных 2000 токенов/с;
  • в фазе мышления около 984 токенов/с, в фазе ответа около 1816 токенов/с;
  • медианное время от начала до конца — 3.1 секунды против 10.1 секунды у DeepSeek.

Пример применения

В задаче «сгенерировать приложение о Солнечной системе» Naive-N0.5-Flash показала лучший результат. В задачах со структурой дерева она близка к DeepSeek.

Спокойный взгляд на цифры

Читая эти числа, учитывайте три условия, которые указаны в оригинале обзора:

  • скорость Naive измерена на официальном сервере, а остальные модели шли через OpenRouter, так что цепочки у них разные;
  • среднее время у двух моделей близко: 45.3 секунды и 45.0 секунды;
  • на сложных задачах среднее время составило 89.8 секунды против 79.7 секунды из-за более длинной цепочки рассуждений.

Китайские СМИ тоже следят за этой моделью: 量子位 (QbitAI) пересказал её 13 ноября 2026 года в статье в WeChat. Эта статья — вторичная подборка, поэтому за точными числами обращайтесь к оригиналу Latent Space.

Кому и для чего подходит

Очень подходит:

  • интерактивное автодополнение кода и вопросы-ответы в IDE, чувствительные к задержке;
  • понимание и переписывание на уровне репозитория, где нужен большой контекст;
  • команды, которым нужно приватное развёртывание и свободная лицензия (MIT);
  • циклы Agent с частыми вызовами, где ожидание на каждом шаге многократно усиливается.

Границы, о которых стоит знать заранее:

  • модель работает только с текстом и кодом, для задач с вводом изображений нужна другая модель;
  • официальные результаты бенчмарков служат ориентиром, а реальный эффект для бизнеса всё равно нужно оценивать на ваших задачах.

Как разработчику подключить такую модель через совместимый API

Для моделей, доступных через API в стиле Chat Completions, подход в целом одинаков: настройте эндпоинт, ключ и ID модели и отправляйте запрос в потоковом режиме. Ниже общий пример. Эндпоинт и ключ — заглушки, ориентируйтесь на официальную документацию API и инструкции используемого вами сервиса.

curl -N "https://<ваш провайдер или официальный эндпоинт>/v1/chat/completions" \
  -H "Authorization: Bearer <ваш API-ключ>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "naive-n0.5-flash",
    "stream": true,
    "messages": [{"role": "user", "content": "Напиши потокобезопасный LRU-кэш на Python"}]
  }'

Перед подключением рекомендуется проверить по пунктам:

  1. ID модели: официальный основной — naive-n0.5-flash, версия без мышления — naive-n0.5-lite;
  2. Потоковый вывод: для модели с высокой пропускной способностью стриминг особенно важен, иначе скорость не будет заметна;
  3. Тип ввода: отправляйте только текст, без изображений;
  4. Таймауты и повторы: запросы с длинным контекстом и длинными цепочками рассуждений требуют более широких таймаутов;
  5. Собственный набор для оценки: прогоните реальные задачи и только потом решайте, переходить ли на модель.

Как сделать оценку убедительной? Выберите от 20 до 50 реальных задач из своей кодовой базы. Записывайте время до первого токена и общее время отдельно, сравните naive-n0.5-flash и naive-n0.5-lite, для задач с кодом запускайте тесты и смотрите долю успешных прохождений. Затем отдельным раундом проверьте реальный репозиторий в окне 1M. Полученные выводы — это данные, которые можно положить в собственный документ о выборе технологии.

Guishu Intelligence следит за развитием таких быстрых открытых моделей. Сейчас идёт этап оценки, и никаких обещаний по срокам доступности мы не даём.

Частые вопросы (FAQ)

Кто создал Naive-N0.5-Flash? Модель выпустила NaiveAI, китайская ИИ-компания, основанная командой с опытом Цинхуа. По сообщениям СМИ, основатель Дай Цзифэн (代季峰) — доцент факультета электронной инженерии Университета Цинхуа. Naive-N0.5-Flash — продукт компании NaiveAI, выпущенный 27 сентября 2026 года.

Обучена ли она с нуля? Официально подтверждено, что в основе лежит Xiaomi MiMo-V2.5, а также использовано разреженное внимание DSA от DeepSeek. Вместе с собственным движком инференса NaiveRT акцент сделан на предельной оптимизации скорости инференса.

Она открытая? Какая лицензия? Веса открыты, лицензия — MIT.

Какой ID модели в API? Основной — naive-n0.5-flash; naive-n0.5-lite — та же модель с отключённым мышлением.

Откуда взялись 2000 токенов/с? Официально заявлено до ~2000 токенов/с на уровне Ultrafast, это обеспечивает собственный движок инференса NaiveRT. Измеренный Latent Space пик — около 2100 токенов/с.

Поддерживается ли контекст 1M? Да, нативный контекст 1M. В архитектуре он обеспечивается совместной работой 39 слоёв внимания со скользящим окном и 9 слоёв разреженного внимания DSA.

Поддерживается ли ввод изображений? Нет, модель сосредоточена на тексте и коде.

Для чего подходит модель? Для генерации кода, понимания на уровне репозитория, циклов Agent и интерактивной разработки, чувствительной к задержке.

Итоги

Открытый код под MIT. MoE на 309B, из которых активны только 15.5B. 39 слоёв SWA и 9 слоёв DSA держат нативный контекст 1M. Собственный NaiveRT поднимает скорость до официального пика около 2000 токенов/с. 71.9 в NL2Repo-Bench.

Xiaomi MiMo-V2.5 стала базой, DSA от DeepSeek подсказал идею, NaiveAI довела инженерию до предела. Это удачная эстафета китайских открытых моделей, и она даёт новый ответ на вопрос, насколько быстрой может быть модель для кода.

Ключевые слова этой модели: открытые веса, длинный контекст, скорость ответа. Когда все три сошлись в одной модели, на неё стоит серьёзно взглянуть каждой команде, которая делает инструменты для кода, Agent или платформы для разработчиков.

Лучший ответ для разработчика — попробовать самому: прочитать официальную документацию, прогнать свои задачи и дать слово данным.

Источники