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。