Naive AI ouvre son premier modèle Naive-N0.5-Flash : 309B de paramètres, contexte natif d'un million, poids sous licence MIT
Selon un article de Machine Heart (机器之心) du 28 septembre 2026, l'équipe de Dai Jifeng chez Naive AI a publié son premier modèle, Naive-N0.5-Flash : 309B de paramètres totaux, 15,5B activés, prise en charge native d'un contexte d'un million de tokens, axé sur la programmation et la R&D en IA. Le rapport indique que les poids et le code d'inférence sont sous licence MIT et qu'une API est prévue, avec des résultats d'évaluation sur PaperBench, MLE-bench-30, etc.
Ce qui change
Selon un article de Machine Heart (机器之心) du 28 septembre 2026, Naive AI, fondé par Dai Jifeng, a publié et ouvert son premier modèle, Naive-N0.5-Flash : 309B de paramètres totaux, 15,5B de paramètres activés, prise en charge native d'un contexte d'un million de tokens, positionné pour la programmation et la R&D en IA. Le rapport indique que le modèle part d'une base MiMo-V2.5 à poids ouverts, remplace certaines couches d'attention globale par l'attention sparse de DeepSeek, formant une structure hybride de cinq couches d'attention à fenêtre glissante pour une couche d'attention sparse, et achève un entraînement multi-étapes totalisant 3,25T de tokens dans une configuration de contexte de 1M. Le dispositif d'ouverture rapporté prévoit les poids du modèle et le code d'inférence sous licence MIT ainsi qu'une API à venir ; l'article donne aussi les prix par million de tokens en entrée, en sortie et en lecture de cache. Côté évaluation, le rapport annonce 63,2 points sur PaperBench, 73,7 % sur MLE-bench-30, 71,9 sur NL2Repo et 32,4 points sur ALE-CLI, et présente deux cas : le runtime d'inférence NaiveRT et la recherche sur les modèles du monde AutoWM. Ces chiffres sont des résultats de rapport technique relayés par la source, non vérifiés indépendamment.
Conséquences pour les développeurs
Pour les développeurs, l'implication directe se décompose en trois points. Premièrement, si le dispositif de licence MIT est exact, les poids sont téléchargeables, auto-hébergeables et modifiables à des fins commerciales, ce qui diffère de la voie des modèles fermés à API hébergée uniquement ; mais attention, la disponibilité des poids ne signifie pas une licence sans limites : il faut vérifier les fichiers de licence réellement joints au dépôt et les conditions des composants tiers. Deuxièmement, 309B de paramètres totaux pour 15,5B activés relève d'une taille d'experts sparses plutôt élevée : même avec peu de paramètres activés, le chargement complet des poids et l'occupation mémoire restent bien supérieurs à ceux d'un modèle dense de même ordre d'activation, et un déploiement local doit évaluer le matériel sur les paramètres totaux, non sur les paramètres activés. Troisièmement, le contexte natif de 1M associé à l'attention sparse hybride conserve un cache KV complet pour les couches sparses et un indexeur qui parcourt tout l'historique : le contexte long n'est donc pas gratuit, et la prise en charge de cette structure d'attention hybride par le framework d'inférence déterminera directement la possibilité de réutiliser le code d'inférence officiel. Les évaluations rapportées couvrent la reproduction d'articles, l'ingénierie du machine learning et le post-entraînement à budget fixe : elles visent à confier au modèle l'implémentation et l'itération d'expériences, non la conversation générale, et le choix doit s'évaluer selon ce positionnement.
Intégration et évaluation
Deux recommandations opérationnelles, qui relèvent d'une analyse conditionnelle et non de faits rapportés. Premièrement, sur la forme de déploiement : le rapport indique que les poids et le code d'inférence sont sous licence MIT et qu'une API est prévue ; le développeur doit d'abord décider entre auto-hébergement et API. Si la charge de travail contient beaucoup de journaux d'expériences, de code et de valeurs de retour d'outils qu'il n'est pas souhaitable d'envoyer à l'extérieur, l'auto-hébergement est plus adapté, à condition de disposer de la mémoire GPU ou d'une solution de quantification pour accueillir 309B de paramètres totaux ; s'il s'agit seulement d'une assistance au codage en contexte long, on peut attendre l'ouverture de l'API et s'y connecter selon le volume d'appels. Indicateur vérifiable : comparer, sur ses propres dépôts, la cohérence des sorties et la latence du premier token entre les deux formes. Deuxièmement, sur l'usage du contexte long : le rapport indique une prise en charge native d'un million de tokens et une structure hybride SWA plus attention sparse, il ne faut donc pas mettre tout l'historique dans une seule requête par défaut. Mesurer d'abord, sur des entrées de 128K, 256K et 512K, le taux d'achèvement des tâches et le coût par requête après compression par recherche ou résumé ; si le taux d'achèvement ne baisse pas nettement après compression, adopter une approche segmentée avec recherche et réserver le contexte long aux rares tâches nécessitant réellement de relier des enregistrements d'expériences. Indicateur vérifiable : l'écart de taux de réussite entre entrées compressées et complètes sur le même jeu de tâches, ainsi que le pic de mémoire.
Limites et points à confirmer
À préciser d'abord : lors de cette vérification du catalogue, la version Naive-N0.5-Flash n'apparaît pas dans le catalogue de modèles de KimiSeek ; la disponibilité d'API mentionnée dans le rapport renvoie au dispositif d'ouverture de Naive AI lui-même, et non à une mise en ligne sur ce site. Ensuite, les scores d'évaluation, les configurations d'entraînement et les résultats des cas NaiveRT et AutoWM proviennent de rapports techniques du fabricant et de reprises médiatiques, sans reproduction indépendante par un tiers ; certains noms d'objets de comparaison sont récents, ce qui ne permet pas de juger si les versions de référence et les conditions de test concordent, et les comparaisons transversales entre rapports demandent une prudence particulière. Troisièmement, la licence MIT est relayée par la source ; l'étendue réelle des droits doit se fonder sur les fichiers de licence joints au dépôt, et des poids téléchargeables ne signifient pas que tous les composants sont librement utilisables à des fins commerciales. Quatrièmement, les prix unitaires en entrée, en sortie et en lecture de cache rapportés sont les tarifs du fabricant au moment de la publication ; les prix pouvant évoluer, les lecteurs doivent se référer à la page de tarification officielle et ne pas établir de budget sur d'anciens tarifs. Cinquièmement, la longueur effective réelle du contexte de 1M, la compatibilité de l'attention hybride avec les frameworks d'inférence tiers, et l'ouverture éventuelle des dispositifs annexes comme le bac à sable et la plateforme de calcul ne sont pas précisées par le rapport.