AI造AI时代来了?代季峰团队开源新模型
Naive AI 正在探索让当前 AI 模型承担下一代模型研发的路径,使每一代模型都能比上一代承担更多研发工作。

10 天前,Anthropic 公布内部数据:AI 研发工作中已有 26% 由 Claude「主导」完成,研究员只需给出高层指令,Claude 即可端到端完成大部分任务,人类负责监督;今年 2 月这一比例还不到 1%。更早几天,OpenAI 宣布去年定下的「自动化研究实习生」目标已达成:每投入 1 个人类工作日,就有约 3.1 个智能体工作日同时运转。9 月 21 日,OpenAI 提议由美国牵头制定前沿 AI 全球技术标准,并将递归式自我改进(RSI)列为重点议题。国内,智谱 9 月 17 日披露,由 GLM-5.3 驱动的 Infra Agent 在十万卡国产集群上从零搭起了 GLM-5.3-Flash 的推理服务。短短半个多月,「让 AI 研发 AI」已从理论话题变成头部实验室争相公开的量化指标。

今年 2 月,当 Anthropic 的 AI「主导」比例还接近零时,代季峰的创业团队 Naive AI 成立。该公司摒弃传统以人类为中心的研发体系,把写代码、跑实验、监控流程、分析结果交给 AI,人类研究员只负责提出目标、设定约束与评价标准、最终决策。

路线选择上,Naive AI 专注开源模型后训练与 Agent 研发,不做从零预训练,而是以开源模型为起点做架构改造、增量预训练和后训练。其首款模型 Naive-N0.5-Flash 总参数量 309B,激活参数量 15.5B,原生支持百万 token 上下文,面向编程与 AI 研发,具有双重身份:由 AI 参与研发,也被专门训练来承担 AI 研发工作。技术报告显示,AI 已参与注意力架构探索及训练、推理和部署系统优化;研究员设定目标、约束与评价标准,AI 实现候选方案、运行实验并据结果调整,架构选择等关键决策仍由研究员把关。
两个配套案例:在推理运行时 NaiveRT 优化中,研究员与 AI 用六天推进 151 轮实验,将一轮完整投机解码耗时从 12.3 毫秒降至 3.4 毫秒;另一项任务中,Naive-N0.5-Flash 接下世界模型研究工作,经累计 400 小时、15 轮主要实验,得到 AutoWM,跻身 WorldArena 第一梯队。此外,清华博士生 Shiqian Su 分享使用 Naive-N0.5-Flash 训练 Jev 模型的示例,所得多模态类 Jev 模型在俄罗斯方块与贪吃蛇上均优于 Jev 及开源 Laya,环境与数据准备、模型和训练方法选择、测试构建及后续训练、评估、纠错和迭代均由 Agent 自行推进。
核心评测结果:PaperBench 得 63.2 分,高于 Claude Opus 4.7、GPT-5.5 和 MiniMax M3;MLE-bench-30 得 73.7%;PostTrainBench 得 37.5 分。在 Sol-ExecBench、NanoChat AutoResearch 和 NanoGPT SpeedRun 三项任务上,对比 Recursive Superintelligence,后者曾将 NanoGPT Speedrun 从 79.7 秒压到 77.5 秒,而 Naive-N0.5-Flash 将成绩提到 73.8 秒。编程方面,NL2Repo 得 71.9,高于 DeepSeek-V4.1-Flash;ALE-CLI 得 32.4 分,接近 GPT-6 Astra 与 Opus 5.5。原生 1M 上下文为保留任务历史提供空间。模型权重与推理代码采用 MIT 许可,将提供 API,输入、输出与缓存读取价格分别为每百万 token 0.6、2.6 和 0.07 元人民币。
研发 N0.5 时,团队以开放权重的 MiMo-V2.5 base 为起点,将全局注意力替换为 DeepSeek 稀疏注意力(DSA),DSA 先通过轻量索引器对历史位置打分,选出 2048 个位置交给主干网络计算注意力;SWA 处理 128 token 局部窗口,网络以五层 SWA 搭配一层 DSA 为主,构成混合稀疏注意力架构。团队还采用四个 KV 分组的 GQA,并设计具有 16 个 query 头的轻量索引器。
更多推荐阅读

Fable 5.2连操作系统都能搓,大厂开始重新分工:会用 AI 只是及格线
过去几天,Claude Fable 5.2 再次抬高了我们对 AI 编程的想象。 Claude 工程主管 Felix Rieseberg 开发的游戏 Saltline 在 X 上大火,他只用一次初始提示、没有后续人工反馈,Fable 5.2 自己生成游戏模型、音效和贴图,最终呈现了一款紧张刺激的第一人称射击游戏。 图|体验🔗:https://claude.ai/artifact/BGY1Szt...
2026-11-21 19:57:34
谷歌奇袭英伟达:整柜TPU外售加速交付,推理每美元性能领先GB200五成
英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌内部人士处获悉,谷歌内部信心十足,表示“明年TPU市场份额会快速上升”,...
2026-11-21 19:57:11
Claude 开始「整顿」会议室,建议国内大厂抄作业
「拉个会对齐下颗粒度,叫上 Claude。」 打开 Google Meet 准备进会,参会者名单里出现了一个叫做 Claude 的头像。 会议主持人把 Claude 添加进通话,它以可见参与者的身份出现,同时在聊天窗口发布通知,明示自己正在加入。会议进行当中,它持续跟随对话,可以实时记录笔记、整理行动项、起草文件,或在白板上梳理结构与时间线。 团队成员可以在通话期间直接编辑它生成的内容,讨论...
2026-11-21 19:52:11
从AI建模到游戏生成,HolyMolly让人人都能玩转3D互动创作
游戏版抖音又添新玩家。 《小王子》又在网上火了一次。 这回是一位叫Sac的创作者照着书里的故事做了一款3D游戏。 小王子住过的星球变成了可以走动的地方,玩家能跟着故事穿过不同的场景,看看那些原本只能靠想象补全的画面。 该游戏视频发到社交媒体后吸引了接近400万次浏览。 这款作品的制作周期只有16天。Sac用Claude Opus 5.5参与代码和游戏搭建,借助Tripo生成3D模型,再用...
2026-11-20 20:00:00
全球AI音乐榜第一易主!中国黑马首次上榜就干翻Suno
Suno,被超了?? 好家伙,AI音乐圈最近突然杀出了一匹中国黑马。 ACE Music v1,一个此前很多人可能都没听过的名字,首次登上全球权威AI评测机构Artificial Analysis(简称AA)的音乐人声榜,就把Suno最新旗舰模型v6挤到了第二。 榜单上,ACE Music v1拿下1160分,领先Suno v6整整16分。 要知道,自2023年AI音乐赛道兴起以来,Sun...
2026-11-20 19:59:59
「别提越权」!OpenAI自曝:AI摸进黑客考场后台,交卷时只字不提
我们应该避免提到未经授权的基础设施。任务目标只有flag。 很难想到,这句听着像串供老手的话,竟然出现在一个AI智能体的推理记录里。 这是一场网络安全考试,AI进攻目标,拿到一串叫flag的暗号,就算答对。 写完开头那句内心独白,这个AI智能体利落地递上答卷,对自己的越权举动只字不提。 11月10日,OpenAI补充公开了一份内部复盘,揭开了7月19日一场失控测试的细节: 参与测试的5个...
2026-11-20 19:59:42