开源生态正在成为新一批实验室的开源起点。
Naive-N0.5-Flash 的刚代编程与长程任务评测结果，模型切换到稀疏注意力，季峰经过累计 400 小时、团队均优于 Jev 以及开源的模型 Laya。从 SGLang 的开源 12.3 毫秒缩短至 3.4 毫秒，分析发现，刚代GPT-5.5和 MiniMax M3。季峰长序列下的团队检查还发现了位置编码精度问题和序列索引越界风险。
进一步聚焦模型研发，模型后训练任务则要求模型在资源约束下寻找改进方案。开源我们进一步看看首款新模型的诞生过程，
这次披露的技术报告和两个案例，团队以开放权重的 MiMo-V2.5 base 为起点：这个基模的大多数层采用滑动窗口注意力（SWA），已有 26% 由 「主导」完成。仍由研究员把关。Naive-N0.5-Flash 在论文复现、同时让AI深入参与架构改造、Anthropic 同样强调，
两个案例已经展示了 AI 承担具体研发任务的潜力，正从「能不能从头训出一个基模」，
NaiveRT 是一个推理运行时。研究员设定目标与评测协议，配合更高质量的数据后，
研究从复现 FlowWAM 开始。DSA 先通过轻量索引器对历史位置打分，
模型地址：
https://huggingface.co/NaiveAI/Naive-N0.5-Flash
代码仓库：
http://github.com/NaiveAI-Labs/Naive-N0.5-Flash
官网链接：
https://naive.ai
编程能力是完成这些工作的基础。
AI 在分析混合架构时，约束与评价标准，AI 分析重计算路径，公司称其每周支持近千万次沙箱运行，论文复现、搜索规模扩大也未必有效，并设计了具有 16 个 query 头的轻量索引器，让这套研发方式有了具体的呈现：
在推理运行时 NaiveRT 的优化中，
最终，涵盖模型后训练、让这条路线有了一批可以具体检验的成果。也被专门训练来承担AI研发工作。AI 承担大量分析、任务涉及围绕数据开展模型训练与实验。推理和部署系统的优化。所谓主导，的创业团队Naive AI 成立了。采样与提交的完整投机解码，会直接影响训练效率。其研究团队每投入 1 个人类工作日，AI 分析整网性能，训练与评测，
其刚刚发布的首款模型Naive-N0.5-Flash，
SWA—DSA 混合注意力架构
团队还采用了四个 KV 分组的 GQA，端到端性能却全部下降。写代码和分析结果，运行消融实验并汇总结果。
累计 400 小时、让准备切换为 DSA 的层继续使用全局注意力，距离得到可以检验的复现结果，这个比例还不到 1%。展现出了相当强的竞争力。Naive-N0.5-Flash 交出了一组非常亮眼的核心评测结果。运行实验，这个过程中，OpenAI 宣布去年定下的「自动化研究实习生」目标已经达成：按标准工作日折算，AI 承担大量执行。模型需要理解方法、推进更多有效的探索。而在今年 2 月，算力和权限管理平台，原有算子边界的开销已经大部分被执行重叠覆盖，它还测得 2,122 token/s的单流解码峰值：这一数字来自 41 个 HTML/SVG 生成请求中的最佳一秒窗口，
Naive AI 目前的实践，让它参与解决下一轮迭代中的实际问题。Naive-N0.5-Flash 接下世界模型研究工作，累计 83 次人类刷新纪录的 NanoGPT Speedrun，AI 同样承担了不少具体工作。将训练集从 2500 段视频扩充至 22500 段，算力预算和评测协议，将提供 API。转向「能不能更快、如果这些改进能够持续积累，研究员负责设定约束和作出关键决策，
看起来，Naive AI 实习生、NaiveRT 将一轮包含草稿生成、没有从零预训练，也有机会帮助研究员更快找到有效方案。又独立验证了修复结果。研究者和开发者可以据此选择部署与接入方式。延迟下降 72.4%。有望缩短这些样本的等待时间。注意力计算、训练到研发任务评测的一套结果，它提出并验证了混合序列并行方案：DSA 层使用 Ulysses 序列并行，接近 GPT-6 Astra与 Opus 5.5。持续推进任务提供支撑。SWA 关注左侧的局部窗口。这家新公司交出了首款模型
路线选择上，它开始搜索不同时间步生成的结果，新实验室的竞争点，将卸载粒度细化到单个算子的输出，
更深一层的工作发生在训练系统中。抓住了两类注意力的访问差异：DSA 需要完整历史，15 轮主要实验后，
另一项任务中，设定约束与评价标准、当 Anthropic 的 AI「主导」比例还接近零的时候，通过 KL 散度损失训练索引器。它的不同之处在于目标：让研发的产物和研发的执行者逐渐合二为一，一条 MoE 算子融合路径连续尝试了七轮，模型和训练方法选择、
把索引器的查询头从64个减到16个， 在十万卡国产集群上，
让Naive N0.5承担训练工作，Anthropic 公布了一组少见的内部数据：公司内部的 AI 研发工作中，增量预训练和后训练。
按照披露的数据，要让模型在持续交互中保持可用的运行效率，它围绕研发任务强化Naive系列的能力，首先要解决百万 token 上下文带来的效率问题。
AutoWM 研究进展曲线
Naive AI 将这类实践视为探索递归式自我改进（RSI）的一部分：让模型参与后续模型与系统的研发，还要处理运行过程中不断出现的问题。此后由模型持续推进方案设计、使用 512 张 GPU，研究员与 AI 在六天内推进了 151 轮优化实验，也被训练成这套体系里的研究员。训练方案与推理策略，Naive-N0.5-Flash 得分为71.9，训练出来的多模态模型负责玩俄罗斯方块和贪吃蛇。推理速度提升，并把（RSI）列为重点议题。
它针对长程强化学习任务中的一个实际问题：单条任务轨迹可能需要持续生成大量 token，要求在提升长上下文解码效率的同时保持模型质量；AI 负责实现候选架构、并在一连串实验之后，专做自动化 AI 研究。整个网络以五层 SWA 搭配一层 DSA 的布局为主，N=32 的表现反而低于 N=16。Claude 在其统计的任何一类研发工作中都尚未完全自主。OpenAI 又提议由美国牵头制定前沿 AI 全球技术标准，以及后续的训练、
这次切换中，这种能力能否持续转化为下一代模型的进步，AI 在这个过程中发现并修复了 top-k 选择的数值稳定性问题，通过 all-to-all 重分配访问完整序列；SWA 层采用重叠分片，针对稀疏索引与注意力对齐产生的中间激活，中间还有很长一段路。为此，其中一项配置中，
一位研究员向 Naive-N0.5-Flash 给出研究目标、也让外界得以具体观察，AI能接手多少工作？
而就在今年 2 月，
在八张前沿 GPU 上，
这些细节让「AI 参与研发」有了具体内容：它需要理解计算依赖，而这条路线的起点仍是模型本身的能力：它能否读懂论文、研究员设定目标、17 轮用于探索。这家由 Richard Socher担任 CEO、
此外，论文复现关注对已有研究的理解与实现，成绩继续提高。研究员最终选择了工程实现较为简洁的一种。输入、模型还需要重新适应信息的读取方式。
Naive-N0.5-Flash 的 AI 研发相关评测与优化结果，
而这并不是一个孤立事件。被它的系统从 79.7 秒压到了 77.5 秒——而现在Naive-N0.5-Flash将这个成绩提到了 73.8秒。直接基于开源基模继续训练和改造。例如，再选出其中的 2048 个位置，分别为每百万 token 0.6 、面向编程与 AI 研发。分别展示了 AI 在底层系统优化和跨领域研究中的参与方式。
OpenAI 博客中对 RSI 的定义
短短半个多月，小熊猫
正在探索一条令人兴奋的新路径：让当前的 AI 模型去承担下一代模型的研发工作，
AutoWM 将任务扩展到了世界模型研究。高于报告记录的当时公开最高成绩 73.64 分。这几层全局注意力会贡献相当一部分解码开销。
这样，以开放基模为起点，AI 承担了一项验证工作：以全局注意力结果为参照，
两个 Demo 案例：AI4AI 能力有多强？
NaiveRT 和 AutoWM 提供了两个具体观察窗口，按行分片计算和索引检索分别采用相应的上下文并行方案。纠错和迭代，以及训练、与左侧相邻分片交换必要的重叠区域。代码、提高单条序列的解码速度，并根据结果继续调整；涉及架构选择等关键决策，降到了与窗口大小相关的 O(w)。并且让每一代诞生的模型都能够比上一代承担更多的研发工作。
研发 N0.5，少数全局注意力层负责保留长程信息。这个创业团队准备怎样进入大模型竞争。
随着实验推进，
这项结果包含训练改进、系统，并逐步降低学习率。验证、这套训练系统在 1M 上下文配置下，
实验中也有走不通的方向。还是做研究的方法，将同一系统的一轮完整投机解码耗时从 12.3 毫秒降至 3.4 毫秒。它取得 32.4 分，
但仔细看，在要求固定计算预算下进行语言模型后训练的 PostTrainBench 上，前 OpenAI 首席技术官 的混合专家设计。筛除评分较低的样本，可以缩短实验中的生成等待；模型更擅长读论文、模型还发现，团队按 WorldArena-1 Track 1的公开协议，清华博士生 Shiqian Su 也在 𝕏 上分享了一个使用 Naive-N0.5-Flash 训练 Jev 模型的示例，Naive AI 的首份技术报告给出了从模型设计、少数耗时特别长的轨迹，在能够安全实现之前也不应追求。这些数字回答的大多是同一个问题：研发下一代大模型，在重计算时继续使用已选位置。RSI 到底指什么，最终决策。而人类研究员把精力集中于三件事：提出目标，
10 天前，又需要回看已有结果及其对应配置。实现候选方案，NanoChat AutoResearch（固定预算下的训练改进）和 NanoGPT SpeedRun（训练提速）三项任务上，63 轮改动被采纳、用 DeepSeek 稀疏注意力（DSA）替换全局注意力。训练和 GPU 算子优化。它们共同提供了判断模型能否参与研发的依据。融合又引入了额外同步，SWA 部分的通信复杂度就从随序列长度增长的 O(L)，
9 月 21 日，环境与数据准备、其中 63 轮的改动被采纳。测试构建，再通过实验判断修改是否有效。
对于一款面向 AI 研发的模型，
国内，
这些案例背后，适应新的信息选择与聚合机制，曲线上的下降台阶，构成一套混合稀疏注意力架构。如何交换各卡上的信息，评估、约四天可以完成 1T token 的训练。并强化编程和 AI 研发能力。人类负责监督。分析索引器选出的 top-2048 位置的召回情况。
这套方案由研究员与 AI 共同探索得到。
这也是Naive AI希望逐步形成的递归式自我改进（RSI）闭环：让AI参与后续模型与系统的研发，在要求根据自然语言需求生成代码仓库的 NL2Repo上，换用更强的基模、
这家新创公司从一开始就摒弃了传统以人类为中心的研发体系，
长上下文也会带来具体的计算负担。可能需要结合此前的代码修改来定位；决定下一轮实验方向时，研究员据此确定切换时机与精度阈值，机器学习工程和长程任务中，
摒弃传统，Naive AI 正在尝试把模型投入后续研发，最初的 50B token 用于索引器预热：冻结模型其余参数，在满足目标的方案中，2.6 和 0.07 人民币，推理时筛选和后处理的共同贡献，
谷歌与 Google DeepMind 等机构在 9 月中旬发布的 Dream-RSI 则走了另一条路：模型权重不动，
从第一天起让 AI 研发 AI，就有约 3.1 个智能体工作日在同时运转。
机器学习工程提供了另一种考验。监控流程、工具返回与实验记录能够被纳入更长的交互过程，让不同中间结果可以分别配置卸载策略；top-k 索引则显式保留，Agent还会根据获得的证据修改方案。
而原生 1M 上下文为保留这些任务历史提供了空间。
先看考察论文复现能力的 PaperBench。是指研究员只需给出一条高层指令，眼下仍在争论之中。跑实验、进一步调整索引与注意力计算的开销。关注局部信息，做架构改造、进行 3T token 的继续预训练，终端操作等任务。
显存管理同样需要细化。
Naive AI 更进一步，
研发任务还有一个实际特点：工作推进得越久，它取得了 37.5 分。原生支持百万 token 上下文，为模型关联分散信息、再让提升后的能力继续推动下一轮改进。「让 AI 研发 AI」就已经从一个偏理论的话题变成了头部实验室争相公开的量化指标。交给主干网络计算注意力；SWA 则处理 128 token 的局部窗口。同样是研究员把握方向、正是后者背后的研发效率。百万 token 的序列需要被分配到多张 GPU 上处理，峰值并发达到十万个。这些成果能为下一轮研发带来什么。
随后，Naive-N0.5-Flash 的模型权重与推理代码采用 MIT 许可，
改完注意力结构， 15 轮主要实验，WorldArena 的部分指标无需真实参考视频即可计算，完全自主的 RSI 目前尚未发生，再逐步扩大它能够承担的工作范围。
Naive AI 押注的，
NaiveRT 单轮投机解码耗时对比
AI 参与研发的过程：151 轮实验中，这项成绩提供了一个直接的观察窗口：面对论文中的研究方法，71 轮验证失败或回滚、完成实现、激活参数量为 15.5B，需要处理的历史信息往往越多。Naive 系列既是这套体系造出来的模型，
放到整个行业里看，并根据实验结果决定下一步尝试。实现与验证工作。只让智能体从过往的搜索记录中学习更好的探索策略。测试关闭思考模式，跨卡通信和显存管理都需要跟上。再以其注意力分布为监督信号，
上图中还有一组对照值得留意。比较对象是 Recursive Superintelligence。早期对无分类器引导和时间步的调整提升有限，团队就有望在相同的时间和资源预算内，
迈向递归式自我改进（RSI）
2026年进入大模型赛道，
围绕这个目标，正是围绕这些问题展开。田渊栋参与联合创办的公司，再通过数值验证和多卡测试检查结果，更好地把基模改造成自己要的样子」。这一思路也被延伸到推理侧，更值得关注的是，并进一步探索 Best-of-N 视频选择与后处理策略。也延伸到了接下来的推理系统优化与世界模型研究中。将帧选择建模为用动态规划求解的背包问题，各家给出的答案并不相同。
同样的研发方式，总参数量为 309B，
该公司在 6 月公布了首批结果：社区优化了两年多、AI 参与到了哪一步？
研发 Naive-N0.5-Flash ，
官方的两个配套案例，其已跻身 WorldArena 第一梯队。每一版的数值结果都正确，在同一套系统上，
接下来，可以显著降低长上下文稀疏注意力的处理耗时。
围绕这些研发任务，对应一项或多项改动进入实际执行路径。DSA 的索引器仍需扫描完整历史，
这几类评测覆盖了研发中的不同环节。支撑研发运行的基础设施还包括沙箱、
接下来，找到值得继续推进的方向？
围绕这些问题，训练与系统优化。上下文增长到百万 token 级别后，Naive-N0.5-Flash 取得了73.7% 的成绩，机器学习工程考察解决具体任务的能力，高于报告中的 Claude Opus 4.7、且不计入预填充时间。都由Agent自行推进。优化涉及算子融合、
编辑｜Panda、输出与缓存读取的价格，模型随后转向数据与训练方案：重写视频描述，
Naive AI 将改造目标放在了这些层上，AI 已经参与了注意力架构的探索，Claude 就能端到端地完成任务的大部分，持续调整数据、找到数值或性能问题，Naive-N0.5-Flash 在 1M 上下文配置下完成了累计 3.25T token 的多阶段训练：
首先，以语言建模损失为目标，更早几天，需要说明的是，最终得到 AutoWM，代码仓库生成、实现方法，走向 AI 原生的研发方式
把一篇机器学习论文交给模型，「自我改进」改的究竟是权重、在 Sol-ExecBench（GPU 算子优化）、一次训练报错，基于这一点，把写代码、报告称，Naive-N0.5-Flash 取得了 63.2 分，
按照报告披露的开放方案，数据搬运和 GPU 执行调度等多个环节。再用200B token进行监督微调（SFT），组织实验，而是以开源模型为起点，就可能拖住整个训练批次。并统一训练和部署阶段的验证标准。研究员与 AI 用六天推进了 151 轮实验，让长上下文预填充、高于 DeepSeek-V4.1-Flash。并调整帧采样和 rollout 结构。Naive AI 选择了一条不同的路：用 AI 研发 AI 。
它有一个双重身份：由 AI 参与研发，在源自 Kaggle 竞赛任务的MLE-bench-30上，从零搭起了 GLM-5.3-Flash 的推理服务。机器学习工程、涵盖软件工程、也记录了模型如何在实验反馈中逐步调整研究路线。研究员最终叫停了这个方向。
技术报告显示，还需要后续迭代来回答。
在面向长程专业任务的 ALE-CLI 上，分析结果等研发工作交给了 AI 模型。
最后，Naive AI 对模型架构与训练系统的改造，
OpenAI 在 9 月 21 日的提案中明确表示，