NaiveAI新模型实测：速度超DeepSeek约3.3倍，编程基准领先3.7分

一家中国初创公司，被硅谷媒体盯上了。

在海外AI工程师的订阅列表里，Latent Space这个名字很难绕开。它不追热点，只谈工程实践，从底层架构一直聊到Agent落地，读者大多是真正写代码、做产品的人。谷歌的Jeff Dean也上过它的节目。

11月10日，Latent Space推出一个新栏目，专做新模型实测，主打“不带立场”。首期请来的主角不是美国哪家巨头，而是中国公司NaiveAI刚开源的模型Naive-N0.5-Flash。

测评的对手选得也不客气。Latent Space直接搬出OpenRouter上最火的两个：DeepSeek V4.1 Flash 1017和GLM 5.3 Flash。这两款在开发者圈子里已经跑出规模，是公认的头部选手。

结果有点出乎意料。Naive-N0.5-Flash没露怯，几个关键指标上还占到了便宜。综合看，它卡在DeepSeek和GLM之间，稳稳进入国产主流模型第一梯队。编程能力和推理速度这两项，这匹黑马跑得比预想更快。

速度快不快，直接决定开发体验。

对每天要调几十上百次API的开发者来说，速度就是真金白银。Latent Space首先测的，就是Naive-N0.5-Flash到底有多快。

官方说法是极速模式能到2000 Token/s。实测比这还猛。30道题覆盖数学、科学和高难度推理，Naive-N0.5-Flash单秒峰值冲到2100 Token/s；思考阶段为984 Token/s，正式作答时高达1816 Token/s。

响应时间更有体感。开启思考模式后，Naive-N0.5-Flash的中位响应时间只有3.1秒，DeepSeek V4.1 Flash则要10.1秒。同样一次请求，NaiveAI快了约3.3倍，耗时缩短69%。

别小看这几秒。AI编程或Agent工作流里，模型常常要连续多轮调用：生成代码、调试、执行工具、反馈结果。单次省下几秒，累积起来就是几分钟甚至更长的周期缩短。迭代频繁的开发团队，这种效率提升能直接感受到。

速度背后是NaiveAI在推理效率上的死磕。他们自研了NaiveRT系统，还让AI参与优化这套系统本身。再加上稀疏注意力等技术，模型支持百万Token上下文的同时，把计算开销压到了最低。

编程实战：从太阳系做到光线追踪。

Latent Space 设计了三项网页应用开发任务，提示词完全一致，只切换模型的思考模式来跑。这些任务覆盖 3D 场景构建、程序化建模和图形渲染，代码生成和复杂功能实现都得硬碰硬。跑分归跑分，真能不能上手干活，还得看这一轮。

第一局是徒手搓一个3D太阳系。模型要生成太阳和各大行星，支持镜头旋转、公转和速度调节，还得画出星球表面纹理。Naive-N0.5-Flash开启思考模式后表现最好：太阳黑子清晰可见，地球背光面甚至出现了夜间城市灯光。DeepSeek和GLM在场景完整度、视觉细节上则稍逊一筹。

第二局是生成一棵能“实时交互”的3D生长树。树枝分叉、树叶分布、树皮纹理、草地阴影，还有风力作用下的动态摆动，全得靠代码实现。这道题考的是动态场景处理能力。Naive-N0.5-Flash和DeepSeek V4.1 Flash表现接近，都交出了高质量作品：几千片树叶分布合理，树枝随风自然摆动，实时渲染还不卡顿。复杂编程任务上，模型已经相当扎实。

最后一局更难，要把经典图形学教程《Ray Tracing in One Weekend》搬成浏览器里的实时光线追踪应用。模型得模拟光线在玻璃、金属等材质上的反射折射，并完成渲染，对数学计算和图形算法理解要求极高。三款模型都给出了可运行的应用，NaiveAI也顺利实现了核心功能。

在NL2Repo-Bench编程基准上，Naive-N0.5-Flash拿到71.9分，比DeepSeek高3.7分，比GLM高15.6分。这项测试考的是按自然语言需求构建完整代码仓库，比生成单个函数更贴近真实软件开发。完整项目生成任务上，这款新模型已经能和头部选手掰手腕。

“AI驱动AI研发”，一条新路径。

NaiveAI的创始人是清华大学电子工程系副教授代季峰。公司成立不到一年，技术路线却很特别：AI驱动AI研发。

说白了，就是让AI参与代码编写、实验运行和持续迭代，人类研究员管方向和关键决策。为支撑这套流程，他们搭了大规模AI研发基础设施，每周支持近千万次沙箱运行，峰值并发达到10万个。

Latent Space的作者Gabriele Beltramo对此很感兴趣。在他看来，NaiveAI正在探一条有潜力的路：让AI优化自己的推理CUDA内核，寻找更适合大规模强化学习的模型架构。这种自我进化的研发范式，可能比单纯堆算力更有效率。

这也解释了为什么一家新公司能快速拿出有竞争力的产品。头部厂商还在拼参数规模，新玩家则靠优化研发流程和底层系统，找到了突围的缝隙。

中国大模型出海，进入新阶段。

NaiveAI这次被硅谷媒体关注，并非孤立事件。它折射出中国大模型出海的一个新趋势：从单点突破走向梯队竞争。

往前推两年，海外开发者聊起开源模型，头一个想到的往往是Llama或Mistral。如今局面已经不同：DeepSeek用高性能加低成本打出了名气，Qwen把开源生态铺得更开，GLM、Kimi、MiniMax也分别在各自擅长的方向上攒下了关注度。榜单上、社区里、API调用中，中国模型出现的频率越来越高。更关键的一点是，竞争开始分出层次——头部厂商继续领跑，NaiveAI这类新锐则一个接一个往外冒。它们未必项项指标都拿第一，可在速度、特定编程任务或者研发效率上，能做出自己的辨识度。

海外技术圈看待中国大模型的眼光也在变：过去盯的是“少数几个明星产品”，现在看到的是“一支不断壮大的生态队伍”。换句话说，中国模型已经不只是替代选项，而成了全球开发者工具箱里的常规配置。

Naive-N0.5-Flash跑出的成绩说明，即便头部格局看上去已经排定，后来者只要带着新技术、新思路进场，照样能在成熟选手中间找到自己的位置。对行业来说，这种多样性比单一巨头把持局面更健康，也更有创新的劲头。

后面要看的是两件事：这种“AI驱动研发”的路子能不能被更多团队学过去；中国模型又能不能在更复杂的Agent应用和垂直场景里，继续拿出工程上的说服力。说到底，速度和质量只是入场券，真正的考验是能不能嵌进全球开发者的日常工作流，变成离不开的基础设施。