国产大模型又杀出一匹黑马，引发硅谷关注！

梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 国产大模型，又杀出一匹黑马！ 而且这回，还是被硅谷超火的硬核AI技术媒体 Latent Space 亲自实测出来的。 就在11月10日，Latent Space推出全新模型测评栏目，专门做「不带立场」的新模型实测。 而栏目首期，其就把目光投向了中国公司NaiveAI的开源模型 Naive-N0.5-Flash 。 Latent Space选的对手还是OpenRouter上最热门的两款Flash模型：DeepSeek V4.1 Flash 1017和GLM 5.3 Flash。 没想到，这次被拉来和两个头部模型同台较量的Naive-N0.5-Flash，还真交出了一份颇有竞争力的成绩单—— 综合能力： 介于DeepSeek V4.1 Flash与GLM 5.3 Flash之间，跻身国产主流模型第一梯队。 编程能力： 整体表现介于两者之间，单项评测实现反超；3D太阳系应用表现最佳，3D生长树与DeepSeek并列。 推理速度： 极速模式下单秒峰值高达2100 Token/s，思考与作答阶段分别达到984、1816 Token/s，中位响应时间仅3.1秒，成绩亮眼。 说起NaiveAI，这个玩家背后的创始人大家也并不陌生——清华大学电子工程系副教授 代季峰 。 而且这模型还有个相当特别的出身：模型架构、训练系统和推理优化，都由AI亲自参与研发。 显而易见的是，NaiveAI这匹新锐黑马，如今已在一众头部选手中跑出自己的位置。 Latent Space亲测：中国大模型黑马杀进头部梯队 先说说，这次测评为什么值得关注。 在海外AI工程师圈子里， Latent Space 这个名字，应该有不少朋友听说过。 它是一家专注AI工程领域的独立技术媒体，长期追踪大模型、AI Agent以及AI基础设施等方向。 就连谷歌传奇工程师 Jeff Dean 等业界重量级人物，也曾受邀做客，深入探讨大模型架构与工程优化等话题。 而且，Latent Space的内容向来以专业、硬核、贴近「真实工程实践」见长—— 从AI工程实践，到大模型底层架构，再到Agent如何投入真实生产环境，它关注的都是开发者正在解决的问题。 换句话说，这家媒体的测评，直接面向一群真正会把模型拿去写代码、做产品的人。 作为Latent Space全新测评栏目的首期主角，中国公司NaiveAI的开源模型 Naive-N0.5-Flash 也值得说说。 从技术路线来看，NaiveAI把不少精力放在了推理效率上—— 一方面，让AI参与优化自研NaiveRT系统，将生成速度推至最高2000 Token/s。 另一方面，通过稀疏注意力等技术，在支持百万Token上下文的同时，尽可能降低计算开销。 从产品定位来看，NaiveAI显然瞄准了当前开发者最关注的两个方向： 复杂编程任务的完成质量，以及高频调用场景下的推理效率。 但真正让这次测评有分量的地方，还在于Latent Space选择的参照对象。 其直接把DeepSeek V4.1 Flash 1017和GLM 5.3 Flash拉了出来，这两款都是OpenRouter上极受欢迎的Flash模型。 所以这场较量的含金量就出来了，NaiveAI这次面对的，是两款在真实开发者市场上已经跑出一定规模的选手。 问题来了，这模型到底能打到什么程度？ Latent Space先将三款模型的「公开」评测成绩摆在了一起。 从综合表现来看， Naive-N0.5-Flash介于DeepSeek V4.1 Flash（1017）与GLM 5.3 Flash之间，跻身国产主流模型的头部竞争区间。 其中在编程基准测试NL2Repo-Bench上，更是一口气超过了DeepSeek和GLM—— Naive-N0.5-Flash拿下了71.9分，分别领先DeepSeek和GLM 3.7分、15.6分。 这项测试考验的是模型根据自然语言需求，构建完整代码仓库的能力，比生成单个函数更接近真实的软件开发任务。 这也意味着在完整项目生成任务上，Naive-N0.5-Flash取得了和两款头部Flash模型的公开评测不相上下的成绩。 编程硬刚DeepSeek，速度冲到2100 Token/s 当然，公开跑分只是一方面，模型的真实表现，还得靠实测成绩说话。 这次，Latent Space首先盯上的，就是Naive-N0.5-Flash最拿手的 「速度表现」 。 按照官方数据，模型标准模式下单用户输出速度约为50 Token/s，切换到极速模式，最高可达2000 Token/s。 结果，Latent Space测出来的成绩，比官方还要更猛一些。 在实测上，Latent Space专门挑选了30道问题，覆盖数学、科学知识和高难度推理三个层