Naive AI lança primeiro modelo aberto Naive-N0.5-Flash: 309B de parâmetros totais, contexto nativo de um milhão e pesos MIT
Segundo o Machine Heart em 28 de setembro de 2026, a Naive AI, equipe de Dai Jifeng, lançou seu primeiro modelo, Naive-N0.5-Flash, com 309B de parâmetros totais e 15,5B ativados, suporte nativo a contexto de um milhão de tokens e foco em programação e P&D de IA. O relatório afirma que os pesos e o código de inferência usam licença MIT e planeja oferecer API, além de divulgar resultados em PaperBench, MLE-bench-30 e outras avaliações.
O que mudou
Segundo o Machine Heart em 28 de setembro de 2026, a Naive AI, fundada por Dai Jifeng, lançou e abriu o primeiro modelo Naive-N0.5-Flash, com 309B de parâmetros totais e 15,5B de parâmetros ativados, suporte nativo a contexto de um milhão de tokens, voltado para programação e P&D de IA. O relatório diz que o modelo parte de uma base MiMo-V2.5 de pesos abertos, substitui parte das camadas de atenção global por atenção esparsa do DeepSeek, formando uma estrutura híbrida de cinco camadas de atenção de janela deslizante combinadas com uma camada de atenção esparsa, e completa treinamento multifásico acumulando 3,25T tokens na configuração de contexto de 1M. O esquema aberto divulgado é que os pesos do modelo e o código de inferência usam licença MIT e há planos de oferecer API; a reportagem também apresenta preços por milhão de tokens de entrada, saída e leitura de cache. Na avaliação, a reportagem afirma que ele obteve 63,2 pontos no PaperBench, 73,7% no MLE-bench-30, 71,9 no NL2Repo e 32,4 pontos no ALE-CLI, além de apresentar dois casos: o runtime de inferência NaiveRT e a pesquisa de modelo de mundo AutoWM. Esses números são resultados de relatório técnico repercutidos pela fonte e não foram verificados de forma independente.
Impacto para desenvolvedores
Para desenvolvedores, há três implicações diretas. Primeiro, se o esquema de licença MIT se confirmar, os pesos podem ser baixados, auto-hospedados e modificados comercialmente, o que difere da rota de modelos fechados apenas com API hospedada; porém, pesos disponíveis não significam licença irrestrita, sendo necessário conferir os arquivos de licença efetivamente incluídos no repositório e os termos de componentes de terceiros. Segundo, 309B de parâmetros totais e 15,5B ativados configuram um tamanho de especialistas esparsos relativamente grande; mesmo com parâmetros ativados baixos, o carregamento completo dos pesos e o uso de memória de GPU ainda são muito maiores que os de um modelo denso de mesma ordem de ativação, e a implantação local deve ser avaliada pelos parâmetros totais, não pelos ativados. Terceiro, o contexto nativo de 1M combinado com atenção esparsa híbrida: as camadas esparsas ainda exigem cache KV completo e o indexador ainda precisa varrer todo o histórico, portanto contexto longo não é custo zero; se o framework de inferência suporta essa estrutura de atenção híbrida determina diretamente se o código oficial de inferência pode ser reutilizado. As avaliações divulgadas cobrem reprodução de artigos, engenharia de machine learning e pós-treinamento com orçamento fixo, apontando para fazer o modelo assumir implementação e iteração de experimentos, e não diálogo geral; a seleção deve considerar esse posicionamento.
Integração e avaliação
Duas recomendações operacionais, ambas análises condicionais e não fatos reportados. Primeiro, sobre a forma de implantação: a reportagem diz que pesos e código de inferência usam licença MIT e há planos de oferecer API, então o desenvolvedor precisa primeiro decidir entre auto-hospedagem e uso da API. Se a carga de trabalho inclui muitos logs de experimentos, códigos e retornos de ferramentas que não convém enviar para fora, a auto-hospedagem é mais adequada, desde que haja memória de GPU ou esquema de quantização capaz de acomodar 309B de parâmetros totais; se for apenas assistência de codificação com contexto longo, pode-se esperar a API abrir e integrar conforme o volume de chamadas. Métrica verificável: comparar a consistência das saídas e a latência do primeiro token entre as duas formas em tarefas do próprio repositório. Segundo, sobre o uso de contexto longo: a reportagem afirma suporte nativo a um milhão de tokens com estrutura híbrida de SWA e atenção esparsa, portanto não se deve presumir que todo o histórico caiba em uma única requisição. Meça primeiro, em entradas de 128K, 256K e 512K, a taxa de conclusão de tarefas e o custo por requisição após compressão por recuperação ou resumo; se a taxa de conclusão não cair significativamente após compressão, adote a abordagem de segmentação mais recuperação, reservando o contexto longo para as poucas tarefas que realmente precisam correlacionar registros de experimentos. Métrica verificável: diferença de taxa de aprovação e pico de memória de GPU no mesmo conjunto de tarefas com entrada comprimida e completa.
Limites e pontos a confirmar
Primeiro, é preciso deixar claro: até esta verificação de catálogo, a versão Naive-N0.5-Flash não aparece no catálogo de modelos do KimiSeek; a disponibilidade de API mencionada na reportagem refere-se ao esquema aberto da própria Naive AI, não a um modelo já listado neste site. Segundo, as pontuações de avaliação, configurações de treinamento e resultados dos casos NaiveRT e AutoWM na reportagem vêm de relatórios técnicos do fabricante e repercussão da mídia, sem reprodução independente por terceiros; alguns nomes de comparação são recentes e não permitem julgar se as versões de benchmark e condições de teste são consistentes, sendo necessária cautela especial em comparações transversais entre relatórios. Terceiro, a licença MIT é uma informação repercutida pela fonte; o escopo real de autorização deve se basear no arquivo de licença incluído no repositório, e pesos baixáveis não significam que todos os componentes possam ser usados comercialmente sem restrições. Quarto, os preços divulgados de entrada, saída e cache são cotações do fabricante no momento do lançamento e podem ser ajustados; o leitor deve consultar a página oficial de preços e não usar cotações antigas para orçamento. Quinto, a reportagem não esclarece o comprimento efetivo real do contexto de um milhão, a compatibilidade da atenção híbrida com frameworks de inferência de terceiros, nem se sandboxes e plataformas de computação complementares estarão abertos ao público.