Naive AI veröffentlicht erstes offenes Modell Naive-N0.5-Flash: 309B Gesamtparameter, nativer Millionen-Kontext, MIT-Gewichte
Laut einem Bericht von Jiqizhixin vom 28. September 2026 hat das Team von Dai Jifeng bei Naive AI sein erstes Modell Naive-N0.5-Flash veröffentlicht: 309B Gesamtparameter, 15,5B aktive Parameter, native Unterstützung für Kontext mit einer Million Token, ausgerichtet auf Programmierung und KI-Forschung. Der Bericht nennt Gewichte und Inferenzcode unter MIT-Lizenz sowie geplante API und führt Ergebnisse unter anderem zu PaperBench und MLE-bench-30 an.
Was sich geändert hat
Laut einem Bericht von Jiqizhixin vom 28. September 2026 hat das von Dai Jifeng gegründete Naive AI sein erstes Modell Naive-N0.5-Flash veröffentlicht und als Open Source bereitgestellt: 309B Gesamtparameter, 15,5B aktive Parameter, native Unterstützung für Kontext mit einer Million Token, positioniert für Programmierung und KI-Forschung. Der Bericht gibt an, das Modell starte auf einem offenen Gewichts-Basismodell MiMo-V2.5 base, ersetze einen Teil der globalen Attention-Schichten durch DeepSeek-Sparse-Attention und bilde so eine Hybridstruktur aus fünf Schichten Sliding-Window-Attention plus einer Sparse-Attention-Schicht; das mehrstufige Training sei in einer 1M-Kontext-Konfiguration mit kumuliert 3,25T Token abgeschlossen worden. Als offenes Angebot nennt der Bericht Modellgewichte und Inferenzcode unter MIT-Lizenz sowie eine geplante API; außerdem werden Preise pro Million Token für Eingabe, Ausgabe und Cache-Lesen angegeben. Bei den Evaluierungen nennt der Bericht 63,2 Punkte auf PaperBench, 73,7 % auf MLE-bench-30, 71,9 auf NL2Repo und 32,4 Punkte auf ALE-CLI sowie zwei Fallbeispiele: die Inferenz-Runtime NaiveRT und das Weltmodell-Forschungsprojekt AutoWM. Diese Zahlen sind vom Bericht wiedergegebene Ergebnisse aus einem technischen Bericht und wurden nicht unabhängig überprüft.
Auswirkungen für Entwickler
Für Entwickler ergeben sich drei unmittelbare Implikationen. Erstens: Sollte die MIT-Lizenz zutreffen, sind die Gewichte herunterladbar, selbst hostbar und kommerziell veränderbar – anders als bei Closed-Source-Modellen, die nur eine gehostete API bieten; allerdings bedeutet verfügbare Gewichte nicht, dass die Lizenz unbeschränkt ist, sondern die tatsächlich beiliegende Lizenzdatei und Bedingungen von Drittanbieterkomponenten müssen geprüft werden. Zweitens: 309B Gesamtparameter bei 15,5B aktiven Parametern sind eine relativ große Sparse-Experten-Konfiguration; selbst bei wenigen aktiven Parametern liegen vollständiges Laden der Gewichte und GPU-Speicherbedarf deutlich über dichten Modellen vergleichbarer Aktivierungsgröße, sodass lokale Deployments die Hardware nach Gesamtparametern statt nach aktiven Parametern bemessen sollten. Drittens: Der native 1M-Kontext mit hybrider Sparse-Attention hat weiterhin vollständigen KV-Cache in den Sparse-Schichten, und der Indexer muss die gesamte Historie scannen; langer Kontext ist also nicht kostenlos, und ob ein Inferenzframework diese hybride Attention-Struktur unterstützt, entscheidet direkt darüber, ob der offizielle Inferenzcode wiederverwendet werden kann. Die berichteten Evaluierungen decken Paper-Reproduktion, Machine-Learning-Engineering und Post-Training mit festem Budget ab und zielen darauf, dem Modell Experimentumsetzung und Iteration zu übertragen, nicht allgemeine Konversation; bei der Auswahl sollte diese Positionierung berücksichtigt werden.
Integration und Bewertung
Zwei umsetzbare Entscheidungshinweise, beide als bedingte Analyse und nicht als berichtete Tatsachen. Erstens zur Deployment-Form: Der Bericht nennt Gewichte und Inferenzcode unter MIT-Lizenz sowie eine geplante API; Entwickler müssen zuerst entscheiden, ob sie selbst hosten oder die API nutzen. Enthält die Arbeitslast viele Experimentprotokolle, Code und Tool-Rückgaben, die nicht nach außen gehen sollen, ist Selbst-Hosting geeigneter – vorausgesetzt, es gibt genügend VRAM oder eine Quantisierung für 309B Gesamtparameter; für reine Langkontext-Codeunterstützung kann man nach Öffnung der API nach Aufrufvolumen anbinden. Überprüfbare Kennzahl: Konsistenz der Ausgaben und Latenz bis zum ersten Token zwischen beiden Formen auf Aufgaben aus dem eigenen Repository vergleichen. Zweitens zur Nutzung langen Kontexts: Das Modell unterstützt laut Bericht nativ eine Million Token und nutzt eine hybride Struktur aus SWA und Sparse-Attention; daher sollte nicht standardmäßig die gesamte Historie in eine einzelne Anfrage gelegt werden. Zuerst bei Eingaben von 128K, 256K und 512K die Aufgabenabschlussrate und Kosten pro Anfrage mit Retrieval- oder Zusammenfassungskompression messen; sinkt die Abschlussrate nach Kompression nicht deutlich, ist ein segmentierter Ansatz mit Retrieval zu wählen und langer Kontext nur für wenige Aufgaben zu reservieren, die wirklich experimentübergreifende Bezüge benötigen. Überprüfbare Kennzahl: Differenz der Bestehensrate und VRAM-Spitzenbedarf bei identischem Aufgabensatz zwischen komprimierter und vollständiger Eingabe.
Grenzen und offene Fragen
Zunächst muss klargestellt werden: Zum Zeitpunkt dieser Katalogprüfung erscheint die Version Naive-N0.5-Flash nicht im Modellkatalog von KimiSeek; die im Bericht erwähnte API-Verfügbarkeit bezieht sich auf das offene Angebot von Naive AI selbst, nicht auf eine Listung auf dieser Seite. Zweitens stammen die berichteten Evaluierungsergebnisse, Trainingskonfigurationen sowie die Fallbeispiele NaiveRT und AutoWM aus dem technischen Bericht des Anbieters und Medienwiedergaben; eine unabhängige Reproduktion durch Dritte fehlt. Einige Vergleichsobjekte sind neu, sodass sich nicht beurteilen lässt, ob Benchmark-Versionen und Testbedingungen übereinstimmen; besonders berichtsübergreifende Quervergleiche erfordern Vorsicht. Drittens ist die MIT-Lizenz eine Wiedergabe des Berichts; der tatsächliche Lizenzumfang richtet sich nach der beiliegenden Lizenzdatei im Repository; herunterladbare Gewichte bedeuten nicht, dass alle Komponenten frei kommerziell nutzbar sind. Viertens sind die genannten Preise für Eingabe, Ausgabe und Cache-Lesen Anbieterpreise zum Veröffentlichungszeitpunkt; Preise können sich ändern, daher sollten offizielle Preisseiten maßgeblich sein und alte Preise nicht als Budgetgrundlage dienen. Fünftens bleiben die tatsächlich wirksame Länge des Million-Token-Kontexts, die Kompatibilität der hybriden Attention mit Inferenzframeworks Dritter sowie die Frage, ob Sandbox und Rechenplattformen offen zugänglich sind, im Bericht offen.