Naive AIが初のモデルNaive-N0.5-Flashを公開：総パラメータ309B、ネイティブ100万コンテキスト、MITライセンスの重み
機械之心の2026年9月28日の報道によると、代季峰氏率いるNaive AIは初のモデルNaive-N0.5-Flashを公開した。総パラメータ309B、活性化パラメータ15.5B、ネイティブで100万トークンのコンテキストをサポートし、プログラミングとAI研究開発に焦点を当てている。報道では、重みと推論コードはMITライセンスで提供され、APIの提供も計画されているとされ、PaperBenchやMLE-bench-30などの評価結果も開示されている。
主な変更
機械之心の2026年9月28日の報道によると、代季峰氏が設立したNaive AIは初のモデルNaive-N0.5-Flashを公開・オープンソース化した。総パラメータ数は309B、活性化パラメータ数は15.5Bで、ネイティブで100万トークンのコンテキストをサポートし、プログラミングとAI研究開発向けに位置付けられている。報道によれば、このモデルはオープンウェイトのMiMo-V2.5 baseを起点とし、一部のグローバルアテンション層をDeepSeekのスパースアテンションに置き換え、5層のスライディングウィンドウアテンションと1層のスパースアテンションを組み合わせたハイブリッド構造を採用し、1Mコンテキスト設定で累計3.25Tトークンの多段階トレーニングを完了した。報告で開示されたオープン化の方針は、モデルの重みと推論コードをMITライセンスで提供し、APIの提供も計画しているというもので、報道では入力・出力・キャッシュ読み取りの100万トークンあたりの単価も示されている。評価に関しては、PaperBenchで63.2点、MLE-bench-30で73.7%、NL2Repoで71.9、ALE-CLIで32.4点を取得したとされ、推論ランタイムNaiveRTとワールドモデル研究AutoWMの2つの事例も挙げられている。これらの数値はすべて提供元の技術報告に基づく報道であり、独立した検証は受けていない。
開発者への影響
開発者にとっての直接的な意味は3層ある。第一に、MITライセンスの方針が事実であれば、重みはダウンロード可能で、セルフホスト可能で、商用改変も可能であり、ホスト型APIのみのクローズドモデル路線とは異なる。ただし、重みが利用可能であることはライセンスが無制限であることを意味しないため、リポジトリに実際に添付されているライセンスファイルと第三者コンポーネントの条項を確認する必要がある。第二に、総パラメータ309B、活性化15.5Bは比較的大きなスパース専門家規模であり、活性化パラメータが低くても、完全な重みのロードとVRAM消費は同じ活性化パラメータ規模の密なモデルよりはるかに大きいため、ローカル展開では活性化パラメータではなく総パラメータでハードウェアを見積もる必要がある。第三に、ネイティブ1Mコンテキストとハイブリッドスパースアテンションの組み合わせでは、スパース層でも完全なKVキャッシュが必要で、インデクサも完全な履歴をスキャンする必要があるため、長コンテキストはゼロコストではない。推論フレームワークがこのハイブリッドアテンション構造をサポートしているかどうかが、公式の推論コードを再利用できるかを直接左右する。報告で開示された評価は論文再現、機械学習エンジニアリング、固定予算の事後トレーニングをカバーしており、汎用対話ではなく実験の実装と反復をモデルに担わせることを指向している。選定時にはこの位置付けに沿って評価すべきである。
導入と評価の提案
実行可能な意思決定の提案が2つあり、いずれも報道事実ではなく条件付き分析である。第一に、展開形態について。報道では重みと推論コードはMITライセンスでAPI提供も計画されているとされるため、開発者はまずセルフホストかAPI経由かを決める必要がある。ワークロードに大量の実験ログ、コード、ツールの戻り値など外部に出しにくい内容が含まれるなら、309Bの総パラメータを収容できるVRAMまたは量子化方式があることを前提にセルフホストが適している。長コンテキストのコーディング支援のみであれば、API開放後に呼び出し量に応じて接続すればよい。検証可能な指標は、自社リポジトリのタスクで両形態の出力の一貫性と初回トークン遅延を比較することである。第二に、長コンテキストの使い方について。報道ではモデルはネイティブで100万トークンをサポートし、SWAとスパースアテンションのハイブリッド構造を採用しているため、全履歴を単一リクエストに詰め込むことをデフォルトにすべきではない。まず128K、256K、512Kの3段階の入力で、検索や要約圧縮を組み合わせたタスク完了率と単一リクエストコストを測定し、圧縮後に完了率が大きく低下しないなら、分割と検索を組み合わせた手法を採用し、長コンテキストは実験記録間の関連付けが本当に必要な少数のタスクに留める。検証可能な指標は、同じタスクセットで圧縮入力と全量入力の合格率の差とVRAMピークである。
制限と未確認事項
まず明確にすべき点として、今回のカタログ確認時点で、Naive-N0.5-FlashというバージョンはKimiSeekのモデルカタログには存在しない。報道で言及されたAPI可用性はNaive AI自身のオープン方針を指し、本サイトに掲載済みという意味ではない。次に、報道中の評価スコア、トレーニング設定、NaiveRTとAutoWMの事例結果は、いずれもベンダーの技術報告とメディアの伝聞に基づくもので、第三者による独立再現はなされていない。一部の比較対象の名称は新しく、ベンチマークのバージョンやテスト条件が一致しているか判断できないため、報告間の横比較には特に慎重さが必要である。第三に、MITライセンスは報道による伝聞であり、実際の許諾範囲はリポジトリに添付されたライセンスファイルに従うべきで、重みがダウンロード可能であることはすべてのコンポーネントが自由に商用利用できることを意味しない。第四に、報道で開示された入力・出力・キャッシュの単価は公開時のベンダー価格であり、価格は変更される可能性があるため、読者は公式の価格ページを参照すべきで、古い価格で予算を組んではならない。第五に、100万コンテキストの実際の有効長、サードパーティ推論フレームワーク上でのハイブリッドアテンションの互換性、サンドボックスや計算プラットフォームなどの付帯サービスが外部に開放されるかどうかは、報道では説明されていない。