梦瑶 发自 凹非寺

量子位 | 公众号 QbitAI

国产大模型阵营里，又冒出一匹黑马。

这一回，它是由硅谷人气颇高的硬核AI技术媒体Latent Space亲手实测出来的。

11月10日，Latent Space上线了一个全新的模型测评栏目，主打「不带立场」的新模型实测。

栏目首期的主角，就是中国公司NaiveAI旗下开源模型Naive-N0.5-Flash。

对标的选手，则是OpenRouter上最热门的两款Flash模型：DeepSeek V4.1 Flash 1017和GLM 5.3 Flash。

被拉来和两个头部模型同台较量的Naive-N0.5-Flash，交出的成绩单还挺有竞争力——

• 综合能力上，它夹在DeepSeek V4.1 Flash与GLM 5.3 Flash之间，稳在国产主流模型第一梯队。

• 编程能力整体同样处于两者之间，单项评测还实现了反超；3D太阳系应用表现最好，3D生长树与DeepSeek并列。

• 推理速度方面，极速模式下单秒峰值冲到2100 Token/s，思考阶段984 Token/s、作答阶段1816 Token/s，中位响应时间只有3.1秒，成绩相当亮眼。

提到NaiveAI，其创始人很多人都熟悉——代季峰。

这个模型的出身也颇为特别：架构、训练系统、推理优化，全程都有AI参与研发。

看得出来，NaiveAI这匹新锐黑马，已经在一众头部选手中站住了位置。

Latent Space亲测：中国大模型黑马杀进头部梯队

先说清楚，这次测评为什么值得一看。

在海外AI工程师圈子里，Latent Space这个名字听说过的人不少。

它是一家盯着AI工程领域的独立技术媒体，长期跟大模型、AI Agent和AI基础设施这些方向。

谷歌传奇工程师Jeff Dean等业界重量级人物，也曾受邀做客，聊大模型架构与工程优化等话题。

而且，Latent Space的内容一向以专业、硬核、贴近「真实工程实践」著称——

AI工程实践、大模型底层架构、Agent如何进入真实生产环境，它关心的都是开发者手头正在解决的问题。

换句话说，这家媒体的测评，直接面对的就是那群真会把模型拿去写代码、做产品的人。

作为Latent Space全新测评栏目的首期主角，中国公司NaiveAI的开源模型Naive-N0.5-Flash本身也值得一说。

技术路线上，NaiveAI在推理效率上下了不少功夫——

一边让AI帮着调优自研的NaiveRT系统，把生成速度最高推到2000 Token/s。

另一边用上稀疏注意力等办法，在撑起百万Token上下文的同时，尽量把计算开销压下去。

从产品定位看，NaiveAI盯准的正是眼下开发者最在意的两件事：

一是复杂编程任务能不能做得好，二是高频调用时推理够不够快。

不过这次测评真正有分量的地方，还在Latent Space挑的参照对象。

它直接把DeepSeek V4.1 Flash 1017和GLM 5.3 Flash拉了出来，这两款在OpenRouter上都很受欢迎。

这么一来较量就有看头了：NaiveAI面对的是两个已经在真实开发者市场跑出规模的对手。

那问题就来了，这模型究竟能打到什么程度？

Latent Space先把三款模型的「公开」评测成绩摆到了一起。

综合看下来，Naive-N0.5-Flash处在DeepSeek V4.1 Flash（1017）与GLM 5.3 Flash之间，已经挤进国产主流模型的头部竞争区间。

编程基准测试NL2Repo-Bench上，它更是直接超过了DeepSeek和GLM——

Naive-N0.5-Flash拿到71.9分，比DeepSeek和GLM分别高出3.7分、15.6分。

这项测试考的是模型能不能按自然语言需求搭出完整代码仓库，比生成单个函数更贴近真实的软件开发任务。

也就是说，在完整项目生成这类任务上，Naive-N0.5-Flash的公开评测成绩已经和两款头部Flash模型不相上下。

编程硬刚DeepSeek，速度冲到2100 Token/s

公开跑分当然只是一面，模型到底行不行，还得看实测。

Latent Space这次最先盯上的，就是Naive-N0.5-Flash最擅长的「速度表现」。

官方数据是：标准模式下单用户输出速度约50 Token/s，切到极速模式最高能到2000 Token/s。

结果Latent Space测出来的数字，比官方给的还要猛。

实测里，Latent Space挑了30道题，覆盖数学、科学知识和高难度推理三个层级。

三个模型回答难度相同的问题，同时测Token生成速度、输出长度和整次请求的耗时。

结果Naive-N0.5-Flash把速度优势直接打了出来——

单秒峰值约2100 Token/s，思考阶段约984 Token/s，正式作答时达到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是10.1秒。

也就是说，同一次请求，Naive-N0.5-Flash花的时间比DeepSeek少了大约69%，速度快了约3.3倍。

把这个结果放进真实的开发环境里看，分量会更清楚。

AI编程、Agent工作流这类场景，通常要一轮接一轮地调模型，中间穿插代码生成、调试、工具执行和结果回传。

一次请求省下几秒，调用次数一多就会叠加起来，最终可能变成更短的任务周期、更高的迭代效率。

但光快不够，「编程能力」还得在实战里站得住。

为此，Latent Space给三款模型喂了同样的提示词，让它们在不同思考模式下做三组网页应用开发任务——

内容涉及3D场景搭建、程序化建模、物理效果模拟和图形渲染，对代码生成和复杂功能落地都有不低的要求。

第一局：从零手搓一个完整的3D太阳系。

模型得独立做出太阳和各大行星，支持镜头旋转、行星公转、速度调节，星球表面纹理也要用代码写出来。

结果是，Naive-N0.5-Flash开启思考模式后，直接拿了全场最佳。

太阳表面的黑子看得清清楚楚，地球背光那面还出现了夜间城市灯光，整个场景的细节和完整度都比较突出。

对面站着DeepSeek、GLM这两位头部选手，它在场景完整度、视觉细节和交互实现上照样打出了自己的优势：

△左：Naive-N0.5-Flash (thinking) 右：DeepSeek V4.1 Flash 1017（high）

第二项任务，是生成一棵能「实时交互」的3D生长树。

树枝怎么分叉、树叶怎么分布、树皮纹理、草地阴影，再到风力作用下的动态变化，全都要模型用代码实现。

这一轮，Naive-N0.5-Flash (thinking)和DeepSeek V4.1 Flash 1017（high）表现接近，两者开启思考模式后都交出了质量较高的作品。

和太阳系那道题比，这一题更考验模型处理动态场景的本事。

成千上万片树叶要分布得合理，树枝在风里要摆得自然，同时实时渲染性能也不能掉。

Naive-N0.5-Flash能跟DeepSeek保持相近的完成质量，说明它在场景建模、动态效果和交互逻辑这类更复杂的编程任务上，实现能力已经相当扎实：

△左：Naive-N0.5-Flash (thinking) 右：DeepSeek V4.1 Flash 1017（high）

最后一项任务，把考验推到了「图形编程」上。

Latent Space要求三款模型把经典图形学教程《Ray Tracing in One Weekend》做成浏览器里能实时跑的光线追踪应用。

模型要模拟光线在玻璃、金属等不同材质上的反射与折射，并把场景渲染出来。

这类任务对数学计算、图形算法和代码执行效率要求都高，尤其需要模型吃透不同材质的光学特性，再把它变成能跑起来的渲染程序。

三款模型最后都交出了能跑起来的应用，NaiveAI的核心功能也顺利落地。

三组测试当然说明不了模型的全部本事，但至少给了一个直观信号：碰上不同类型的任务，Naive-N0.5-Flash这款新锐模型已经能和DeepSeek等头部模型同台过招。

中国大模型出海，正走进群雄并起的阶段。

这回NaiveAI被硅谷知名AI媒体Latent Space盯上，背后其实藏着一个更值得琢磨的行业变化——中国大模型正在海外技术圈加速冒头。往前数几年，海外开发者聊起开源模型和API调用，头一个想到的还是Llama、Mistral这些欧美选手。

可这两年，全球大模型的竞争格局已经明显变了样。DeepSeek靠高性能、低成本在全球打出名气，Qwen不断把开源生态做大，GLM、Kimi、MiniMax等中国模型也接连进入海外开发者的视线，在编程、推理和Agent这些方向上各自攒下了关注。

模型榜单上有它们，开源社区里有它们，实际的API调用中也越来越多地出现中国模型的身影。海外技术圈对中国大模型的印象，眼下正从少数几个明星产品，扩展成一支不断壮大的中国模型生态队伍。

△AI生成

更值得留意的是，中国大模型的出海竞争正在形成新的梯队：头部厂商继续领跑，新锐力量接连突围。NaiveAI就是个挺有代表性的例子。

行业里越来越多人感慨头部牌桌可能已经坐满、新玩家想挤进去越来越难，可就在这样的环境里，一家成立不到一年的公司，还是靠高速推理、底层优化和AI参与模型研发这些前沿技术，拿出了能和头部模型同台较量的成果。

另外，NaiveAI打成立之初就选定了「AI驱动AI研发」的技术路线：让AI参与代码编写、实验运行和持续迭代，人类研究员负责把握方向与关键决策，摸索一条用AI提升模型研发效率的新路子。为此，公司搭起了大规模AI研发基础设施，每周支持近千万次沙箱运行，峰值并发达10万个。

这个思路也引起了Latent Space作者Gabriele Beltramo的注意。在他看来，NaiveAI正在探索一条颇具潜力的路径：让AI优化自己的推理CUDA内核，并寻找更适合大规模强化学习的模型架构。

从头部模型的单点突破，走到头部领跑、黑马接力的梯队竞争，中国大模型如今正在形成一个更有厚度、也更能持续创新的产业生态。

而NaiveAI这次在海外实测中的表现，恰好给这一趋势添了一个鲜活的注脚——

头部格局虽然越来越明朗，但中国黑马仍在陆续进场。它们带着新技术、新思路，在成熟选手中间跑出了自己的位置。

参考链接：

[1]https://latent.space/p/naiveai/