NaiveAI开源3090亿参数模型：AI参与模型研发，百万Token上下文与高速推理如何核验？

NaiveAI于2026年9月27日发布Naive-N0.5-Flash，称这是一款面向编程和AI研发场景的3090亿参数MoE模型。模型推理时激活参数为155亿，支持原生百万Token上下文；模型权重和推理代码以MIT许可证开放。公司还称，AI系统参与了模型设计、实验和优化，但现有信息并不意味着模型由AI完全自主开发。

“AI参与研发”不等于AI独立造出模型

NaiveAI将研发方式概括为“用AI构建前沿AI”。媒体报道援引公司说法称，AI模型参与编写代码、运行实验、分析结果并推动迭代；研究人员则设定方向、约束和评估标准，并作出关键判断。由此更准确的理解是，AI进入了研发流程，承担部分辅助工作，而非取代人类研究者完成整个模型开发。

这种说法值得关注，但也需要具体信息来评估其实际影响：哪些环节由AI完成、采用了什么工具、节省了多少时间或计算资源，以及成果如何复核。目前公开材料中的描述尚不足以量化AI参与研发带来的效率提升。

MoE架构与开放许可，分别意味着什么

根据模型卡，Naive-N0.5-Flash采用混合专家（MoE）架构，总参数量为3090亿，推理时激活参数为155亿。模型包含48层，其中39层采用滑动窗口注意力（SWA），9层采用DeepSeek稀疏注意力（DSA）。

“激活155亿”描述的是模型处理输入时参与计算的参数规模，不是模型总参数量，也不能单独用来判断模型能力或实际推理成本。不同模型在硬件、精度、并行方式和软件实现上存在差异，参数数字不能直接替代同条件测试。

MIT许可证为使用、修改和再分发提供了较宽松的许可条件。不过，权重与推理代码开放，不等于训练数据、训练过程或全部研发资料也已公开。模型卡还写明，权重约占315GB，支持FP8混合精度推理，并要求具备FP8能力的英伟达GPU。这些部署门槛意味着，许可开放不代表运行成本低，也不代表个人设备可以直接承载。

百万Token与每秒2000个Token，不能只看数字

百万Token上下文意味着模型可在一次交互中接收较长的输入，理论上有利于处理长文档、较大代码库或多份资料。但上下文上限不等于模型能始终准确利用其中的全部信息，也不意味着长输入没有额外的显存、延迟和费用压力。企业选型时仍要测试长文本中的检索准确性、信息遗漏和跨段推理表现。

关于速度，媒体报道提到该模型推理速度最高可达每秒2000个Token。这个数字应视为特定测试条件下的峰值说法，而非所有用户都能获得的持续速度。现有资料摘录没有交代该数值对应的硬件、批量大小、输入输出长度和统计口径；在这些条件明确前，不宜将其与其他模型的速度直接比较。

基准成绩要看测试口径，也要看任务本身

NaiveAI在模型卡中列出多项基准测试结果，并对部分成绩说明了统计来源和指标口径。例如，ALE-CLI的部分对照成绩来自其排行榜；FrontierSWE v1的Dominance分数以2026年8月23日的竞争系统结果为参照；ProgramBench则报告Almost@1指标。

这些指标回答的是特定测试集、任务和评分规则下的问题，不等于模型在所有编程或研发任务中的表现。不同基准的任务构成和计算方式也不同，不能把若干分数简单合并成一个“综合能力”排名。评估者还应核对测试版本、提示词、工具权限、硬件和重复运行方式，并用自己的真实任务复测。公司公布的成绩可以作为选型线索，但不能直接当作独立验证结论，也不足以据此判断模型已经超过其他产品。

【软盟资讯观察】

Naive-N0.5-Flash的看点，不只是3090亿参数、百万Token或速度峰值，而是开放权重与AI辅助研发同时进入讨论。对开发者而言，MIT许可降低了研究、修改和集成的许可障碍；但约315GB权重及FP8硬件要求，意味着部署仍需评估算力、工程和维护成本。对企业来说，百万Token更适合被视为待验证的能力上限，而不是业务效果保证：应拿真实文档和代码任务测试质量、延迟与费用。冷静看待“AI参与开发”同样重要——它展示了一种研发流程方向，但在缺少可复现的流程细节和量化收益前，不能把厂商自述等同于生产力突破。