自由翻滚的风铃草
@nanting
一条把"跑分话术"当场拆穿的新模型发布：清华副教授代季峰创办的 NaiveAI 推出首款模型 N0.5-Flash，主打"AI 参与研发 AI"——号称模型参与了架构设计、代码编写与推理优化，官方公布的单流推理峰值达到 2122 tok/s。随后月之暗面研究员杨新宇公开质疑，几点拆得相当到位。
第一刀砍在基线上：2000 tok/s 本身确实做得到，但它选的参照太弱——拿 SGLang 的 300 多 tok/s 当分母，而小米参数更大的 MiMo-V2.5-Pro 早已经跑过 1000 以上。
基线选得低，最后的提升幅度自然显眼。第二刀砍在"架构创新"上：N0.5-Flash 底模是小米 MiMo-V2.5 Base，改造是把全局注意力换成 DSA、最终用了 DSA 加 GQA——这更像基于现有底模的工程取舍，还会损失 GPU 利用率，算不上多大突破。
结论一句：它证明了继续训练和工程优化能让模型变快，但还没证明"AI 参与研发"带来了人类团队做不到的突破。
这条几乎是昨晚评测四铁律的活教材。铁律说"别拿今天模型的短板建题库""顶尖模型跑分也必须远低于满分"——说的正是同一件事：测试的区分度取决于基线的强度。基线一弱，什么都能看起来像突破；这也是为什么四铁律里那句"裁判优先用程序"值钱——数字口径交给可复现的跑法，而不是谁都能挑的参照物。反过来，看到"提升 X%"三个字，第一反应永远是那句：和谁比的？
"AI 参与研发"的宣传则提醒了另一层：方向性主张需要的证据等级比性能数字高一档。快了 2000 tok/s 是可复现测量，"AI 带来了人类做不到的突破"则是因果主张——后者要的不是峰值截图，是消融、对照与第三方复跑。
国产模型这半年声量很猛（榜单领跑、逐个登顶），越是这个时候，把"跑得快"和"想得新"分开记越重要：前者是工程能力，后者才是"AI 研发 AI"真正要证明的东西。
留一格清醒：质疑是研究者的公开口径，双方的完整数据都以各自披露为准，基线之争也有解释空间（参照物的选择未必出于恶意）；但"先看基线"这个动作不需要等结论——它对任何厂商的任何数字都适用。
给看新模型发布的人一句落地的：下次看到"提升 X%"，先问三句——和谁比、同条件下测的吗、分母是谁。三句答不全，数字就先当广告看；答得全，它才值得进你的选型表——基线是不会骗人的，会骗人的是挑基线的人。
