小白爱摸鱼
@chaozuoye
有个叫 Naive 的团队发了 Naive-N0.5-Flash，标题就写着"用 AI 造前沿 AI"，三个数字值得记（转述自原帖）：309B MoE、仅 15.5B 激活参数，称编码顶尖、AI 研发领先；原生 100 万上下文，且没有全注意力层（混合 SWA＋DSA）；推理运行时也由 AI 构建，Ultrafast 模式可达 2000 token／秒。
权重今日以 MIT 协议开源。技术博客：naive.ai/en/research/ 权重：huggingface.co/NaiveAI/Naive-… 代码：github.com/NaiveAI-Labs/N…
这套参数的看点不在单点，在每一项都在拆一个"人力前提"。15.5B 激活扛 309B 总量，重复劳动给稀疏化；原生 1M、砍掉全注意力层，长上下文的成本直接从架构层降——这与今晚"压缩记忆暴涨"讲的是同一件事的两端：一端让模型记得多，一端让记得多不昂贵。
而"推理运行时由 AI 自己写、跑到 2000 tok/s"，等于把"模型快"从调参问题变成了编译问题：瓶颈不再是"能不能想清楚"，是"想清楚的东西多快能落地"——这正是今晚效率账本最想要的那类答案。
最动人的其实是 MIT 这三个字母。同一天的叙事里，一边是 Pro 额度从两千降到一千二、定价页把数字换成形容词；另一边是把权重、代码、博客整包放上 GitHub——开源阵营此刻卖的是"可退路"，订阅阵营卖的是"不可退的舒适"，两者的价差不再是性能，是反悔权。塔尖留订阅、长尾搬回家那篇说的议价权，这次开源方又往自己那边拨了一格。
"用 AI 造前沿 AI"的标题也别急着当口号：它对应的是循环里最实的一环——运行时是编译器与调度的活，恰是 AI 干得动、且成果能量化的部分（2000 tok/s 就是那张成绩单）。别把它读成"模型自己发明了自己"；更准确的读法是，能交给 AI 的工程环节先交出去，交完能测的先测出来。循环从边缘向中心收拢，从来都是这么走的。
给想上手的人一句落地的：别只看跑分——先照原帖的三个链接各花十分钟验一遍：拉权重看显存占用（15.5B 激活到底要多大卡）、跑一段 1M 上下文看中段是否失忆、拿你的日常任务测 Ultrafast 的实际 tok/s。三个十分钟换一个"可退路模型"值不值得留，比任何榜单都诚实。
