梦瑶 发自 凹非寺

量子位 | 公众号 QbitAI

国产大模型，又杀出一匹黑马！

而且这回，还是被硅谷超火的硬核AI技术媒体Latent Space亲自实测出来的。

就在11月10日，Latent Space推出全新模型测评栏目，专门做「不带立场」的新模型实测。

而栏目首期，其就把目光投向了中国公司NaiveAI的开源模型Naive-N0.5-Flash。

Latent Space选的对手还是OpenRouter上最热门的两款Flash模型：DeepSeek V4.1 Flash 1017和GLM 5.3 Flash。

没想到，这次被拉来和两个头部模型同台较量的Naive-N0.5-Flash，还真交出了一份颇有竞争力的成绩单——

• 综合能力：介于DeepSeek V4.1 Flash与GLM 5.3 Flash之间，跻身国产主流模型第一梯队。
• 编程能力：整体表现介于两者之间，单项评测实现反超；3D太阳系应用表现最佳，3D生长树与DeepSeek并列。
• 推理速度：极速模式下单秒峰值高达2100 Token/s，思考与作答阶段分别达到984、1816 Token/s，中位响应时间仅3.1秒，成绩亮眼。

说起NaiveAI，这个玩家背后的创始人大家也并不陌生——清华大学电子工程系副教授代季峰。

而且这模型还有个相当特别的出身：模型架构、训练系统和推理优化，都由AI亲自参与研发。

显而易见的是，NaiveAI这匹新锐黑马，如今已在一众头部选手中跑出自己的位置。

Latent Space亲测：中国大模型黑马杀进头部梯队

先说说，这次测评为什么值得关注。

在海外AI工程师圈子里，Latent Space这个名字，应该有不少朋友听说过。

它是一家专注AI工程领域的独立技术媒体，长期追踪大模型、AI Agent以及AI基础设施等方向。

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

而且，Latent Space的内容向来以专业、硬核、贴近「真实工程实践」见长——

从AI工程实践，到大模型底层架构，再到Agent如何投入真实生产环境，它关注的都是开发者正在解决的问题。

换句话说，这家媒体的测评，直接面向一群真正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也值得说说。

从技术路线来看，NaiveAI把不少精力放在了推理效率上——

一方面，让AI参与优化自研NaiveRT系统，将生成速度推至最高2000 Token/s。

另一方面，通过稀疏注意力等技术，在支持百万Token上下文的同时，尽可能降低计算开销。

从产品定位来看，NaiveAI显然瞄准了当前开发者最关注的两个方向：

复杂编程任务的完成质量，以及高频调用场景下的推理效率。

但真正让这次测评有分量的地方，还在于Latent Space选择的参照对象。

其直接把DeepSeek V4.1 Flash 1017和GLM 5.3 Flash拉了出来，这两款都是OpenRouter上极受欢迎的Flash模型。

所以这场较量的含金量就出来了，NaiveAI这次面对的，是两款在真实开发者市场上已经跑出一定规模的选手。

问题来了，这模型到底能打到什么程度？

Latent Space先将三款模型的「公开」评测成绩摆在了一起。

从综合表现来看，Naive-N0.5-Flash介于DeepSeek V4.1 Flash（1017）与GLM 5.3 Flash之间，跻身国产主流模型的头部竞争区间。

其中在编程基准测试NL2Repo-Bench上，更是一口气超过了DeepSeek和GLM——

Naive-N0.5-Flash拿下了71.9分，分别领先DeepSeek和GLM 3.7分、15.6分。

这项测试考验的是模型根据自然语言需求，构建完整代码仓库的能力，比生成单个函数更接近真实的软件开发任务。

这也意味着在完整项目生成任务上，Naive-N0.5-Flash取得了和两款头部Flash模型的公开评测不相上下的成绩。

编程硬刚DeepSeek，速度冲到2100 Token/s

当然，公开跑分只是一方面，模型的真实表现，还得靠实测成绩说话。

这次，Latent Space首先盯上的，就是Naive-N0.5-Flash最拿手的「速度表现」。

按照官方数据，模型标准模式下单用户输出速度约为50 Token/s，切换到极速模式，最高可达2000 Token/s。

结果，Latent Space测出来的成绩，比官方还要更猛一些。

在实测上，Latent Space专门挑选了30道问题，覆盖数学、科学知识和高难度推理三个层级。

三个模型分别回答相同难度的问题，测量Token生成速度、输出长度以及完成整次请求所花费的时间。

结果，Naive-N0.5-Flash直接把速度优势打了出来——

单秒峰值约2100 Token/s，思考阶段约984 Token/s，正式作答时更是达到了1816 Token/s。

更有体感的是响应时间：开启思考模式后，Naive-N0.5-Flash的中位响应时间仅3.1秒，DeepSeek为10.1秒。

换句话说，同样一次请求，Naive-N0.5-Flash的耗时比DeepSeek缩短约69%，响应快了约3.3倍。

这一成绩放到实际开发场景中，意义就更具体了。

AI编程和Agent工作流，往往需要连续多轮调用模型，完成代码生成、调试、工具执行和结果反馈。

单次请求节省的几秒钟，随着调用次数不断累积，就有机会转化为更短的任务执行周期和更高的开发迭代效率。

速度够快是一回事，「编程能力」也要经得起实战检验。

为此，Latent Space让三款模型使用相同提示词，在不同思考模式下完成三组网页应用开发任务——

涵盖3D场景构建、程序化建模、物理效果模拟和图形渲染，对模型的代码生成与复杂功能实现能力都有一定要求。

先看第一局：徒手搓出整个3D太阳系。

模型需要独立生成太阳及各大行星，支持镜头旋转、行星公转和速度调节，同时通过代码实现星球表面纹理。

结果，Naive-N0.5-Flash开启思考模式后，直接拿下全场最佳。

太阳表面的黑子清晰可见，地球背光一侧甚至呈现出夜间城市灯光，整体场景的细节和完整度都较为突出。

哪怕是面对DeepSeek、GLM两位头部选手，依然能在场景完整度、视觉细节和交互实现上打出自己的优势：

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

第二项任务，是生成能够「实时交互」的3D生长树。

从树枝分叉、树叶分布，到树皮纹理、草地阴影，再到风力作用下的动态变化，都需要模型通过代码实现。

这一轮，Naive-N0.5-Flash (thinking)与DeepSeek V4.1 Flash 1017（high）表现接近，两者开启思考模式后均生成了质量较高的作品。

相比太阳系，这道题进一步考验了模型处理动态场景的能力。

数以千计的树叶需要合理分布，树枝在风力作用下要呈现自然的摆动，同时还得兼顾实时渲染性能。

而Naive-N0.5-Flash能够与DeepSeek保持相近的完成质量，也说明其在场景建模、动态效果和交互逻辑等更复杂的编程任务中，已经具备了相当扎实的实现能力：

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

最后一项任务，进一步考验模型的「图形编程」能力。

Latent Space要求三款模型将经典图形学教程《Ray Tracing in One Weekend》转化为浏览器中的实时光线追踪应用。

模型需要模拟光线在玻璃、金属等不同材质上的反射与折射，并完成场景渲染。

这类任务对数学计算、图形算法和代码执行效率都有较高要求，尤其需要模型理解不同材质的光学特性，并将其转化为能够运行的渲染程序。

最终，三款模型都交付了可运行的应用，NaiveAI也顺利实现了核心功能。

当然，三组测试还不足以代表模型的全部能力水平，但至少提供了一个直观信号——

面对不同类型的任务需求，Naive-N0.5-Flash这款新锐模型已经具备了能够与DeepSeek等头部模型同台较量的实力。

中国大模型出海迎来群雄时代

NaiveAI这次受到硅谷知名AI媒体Latent Space关注，背后其实折射出一个更值得关注的行业变化——

中国大模型，正在海外技术圈加速崭露头角。

曾几何时，海外开发者谈起开源模型和API调用，最先想到的还是Llama、Mistral等欧美选手。

但这两年，全球大模型的竞争格局已经发生了明显变化。

从DeepSeek凭借高性能、低成本打响全球知名度，到Qwen持续扩大开源生态。

再到GLM、Kimi、MiniMax等中国模型接连进入海外开发者的视野，各自在编程、推理和Agent等领域积累关注。

从模型榜单到开源社区，再到实际的API调用，中国模型的身影越来越密集。

海外技术圈对中国大模型的认知，如今正在从少数明星产品，扩展成一个不断壮大的中国模型生态队伍。

△AI生成

更值得关注的是，中国大模型的出海竞争，正在形成新的梯队格局：头部厂商持续领跑，新锐力量接连突围。

NaiveAI就是一个颇具代表性的例子。

在行业愈发感叹头部牌桌可能已成定局、新玩家突围愈发艰难的环境背景下——

一家成立不到一年的公司，依然凭借高速推理、底层优化和AI参与模型研发等前沿技术，拿出了能与头部模型同台较量的成果。

此外，NaiveAI从成立之初就选择了「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，人类研究员负责方向与关键决策，探索以AI提升模型研发效率的新范式。

为此，公司搭建了大规模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。

这一思路也引起了Latent Space作者Gabriele Beltramo的关注，在其看来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，到头部领跑、黑马接力的梯队竞争。

中国大模型，如今正在形成更有厚度、也更具持续创新能力的产业生态。

而NaiveAI这次在海外实测中的表现，恰好为这一趋势增添了一个鲜活的注脚——

即便头部格局日渐清晰，仍有带着新技术、新思路入场的中国黑马，在一众成熟选手之间跑出属于自己的位置。

参考链接：

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