网易首页 > 网易号 > 正文 申请入驻

国产大模型又杀出一匹黑马,引发硅谷关注!

0
分享至

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级。

三个模型分别回答相同难度的问题,测量Token生成速度、输出长度以及完成整次请求所花费的时间。

结果,Naive-N0.5-Flash直接把速度优势打了出来——

单秒峰值约2100 Token/s,思考阶段约984 Token/s,正式作答时更是达到了1816 Token/s。

更有体感的是响应时间:开启思考模式后,Naive-N0.5-Flash的中位响应时间仅3.1秒,DeepSeek为10.1秒。

换句话说,同样一次请求,Naive-N0.5-Flash的耗时比DeepSeek缩短约69%,响应快了约3.3倍。

这一成绩放到实际开发场景中,意义就更具体了。

AI编程和Agent工作流,往往需要连续多轮调用模型,完成代码生成、调试、工具执行和结果反馈。

单次请求节省的几秒钟,随着调用次数不断累积,就有机会转化为更短的任务执行周期和更高的开发迭代效率。



速度够快是一回事,「编程能力」也要经得起实战检验。

为此,Latent Space让三款模型使用相同提示词,在不同思考模式下完成三组网页应用开发任务——

涵盖3D场景构建、程序化建模、物理效果模拟和图形渲染,对模型的代码生成与复杂功能实现能力都有一定要求。

先看第一局:徒手搓出整个3D太阳系。

模型需要独立生成太阳及各大行星,支持镜头旋转、行星公转和速度调节,同时通过代码实现星球表面纹理。

结果,Naive-N0.5-Flash开启思考模式后,直接拿下全场最佳。

太阳表面的黑子清晰可见,地球背光一侧甚至呈现出夜间城市灯光,整体场景的细节和完整度都较为突出。

哪怕是面对DeepSeek、GLM两位头部选手,依然能在场景完整度、视觉细节和交互实现上打出自己的优势:



△左:Naive-N0.5-Flash (thinking) 右:DeepSeek V4.1 Flash 1017(high)

第二项任务,是生成能够「实时交互」的3D生长树。

从树枝分叉、树叶分布,到树皮纹理、草地阴影,再到风力作用下的动态变化,都需要模型通过代码实现。

这一轮,Naive-N0.5-Flash (thinking)与DeepSeek V4.1 Flash 1017(high)表现接近,两者开启思考模式后均生成了质量较高的作品。

相比太阳系,这道题进一步考验了模型处理动态场景的能力。

数以千计的树叶需要合理分布,树枝在风力作用下要呈现自然的摆动,同时还得兼顾实时渲染性能。

而Naive-N0.5-Flash能够与DeepSeek保持相近的完成质量,也说明其在场景建模、动态效果和交互逻辑等更复杂的编程任务中,已经具备了相当扎实的实现能力:



△左:Naive-N0.5-Flash (thinking) 右:DeepSeek V4.1 Flash 1017(high)

最后一项任务,进一步考验模型的「图形编程」能力。

Latent Space要求三款模型将经典图形学教程《Ray Tracing in One Weekend》转化为浏览器中的实时光线追踪应用。

模型需要模拟光线在玻璃、金属等不同材质上的反射与折射,并完成场景渲染。

这类任务对数学计算、图形算法和代码执行效率都有较高要求,尤其需要模型理解不同材质的光学特性,并将其转化为能够运行的渲染程序。

最终,三款模型都交付了可运行的应用,NaiveAI也顺利实现了核心功能。

当然,三组测试还不足以代表模型的全部能力水平,但至少提供了一个直观信号——

面对不同类型的任务需求,Naive-N0.5-Flash这款新锐模型已经具备了能够与DeepSeek等头部模型同台较量的实力。

中国大模型出海迎来群雄时代

NaiveAI这次受到硅谷知名AI媒体Latent Space关注,背后其实折射出一个更值得关注的行业变化——

中国大模型,正在海外技术圈加速崭露头角。

曾几何时,海外开发者谈起开源模型和API调用,最先想到的还是Llama、Mistral等欧美选手。

但这两年,全球大模型的竞争格局已经发生了明显变化。

从DeepSeek凭借高性能、低成本打响全球知名度,到Qwen持续扩大开源生态。

再到GLM、Kimi、MiniMax等中国模型接连进入海外开发者的视野,各自在编程、推理和Agent等领域积累关注。

从模型榜单到开源社区,再到实际的API调用,中国模型的身影越来越密集。

海外技术圈对中国大模型的认知,如今正在从少数明星产品,扩展成一个不断壮大的中国模型生态队伍。



△AI生成

更值得关注的是,中国大模型的出海竞争,正在形成新的梯队格局:头部厂商持续领跑,新锐力量接连突围。

NaiveAI就是一个颇具代表性的例子。

在行业愈发感叹头部牌桌可能已成定局、新玩家突围愈发艰难的环境背景下——

一家成立不到一年的公司,依然凭借高速推理、底层优化和AI参与模型研发等前沿技术,拿出了能与头部模型同台较量的成果。

此外,NaiveAI从成立之初就选择了「AI驱动AI研发」的技术路线。

让AI参与代码编写、实验运行和持续迭代,人类研究员负责方向与关键决策,探索以AI提升模型研发效率的新范式。

为此,公司搭建了大规模AI研发基础设施,每周支持近千万次沙箱运行,峰值并发达10万个。

这一思路也引起了Latent Space作者Gabriele Beltramo的关注,在其看来NaiveAI正在探索一条颇具潜力的路径:

让AI优化自己的推理CUDA内核,并寻找更适合大规模强化学习的模型架构。



从头部模型的单点突破,到头部领跑、黑马接力的梯队竞争。

中国大模型,如今正在形成更有厚度、也更具持续创新能力的产业生态。

而NaiveAI这次在海外实测中的表现,恰好为这一趋势增添了一个鲜活的注脚——

即便头部格局日渐清晰,仍有带着新技术、新思路入场的中国黑马,在一众成熟选手之间跑出属于自己的位置。

[1]https://latent.space/p/naiveai/

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
鲁比奥为什么要扳倒黄仁勋?《华盛顿邮报》爆料更多细节

鲁比奥为什么要扳倒黄仁勋?《华盛顿邮报》爆料更多细节

迷世书童
2026-11-16 00:05:21
国家版“防癌说明书”来了!15条防癌法则,很多人第一条就没做到

国家版“防癌说明书”来了!15条防癌法则,很多人第一条就没做到

坠入二次元的海洋
2026-11-16 13:46:01
为寻求变态刺激,男子多次迷晕妻子供陌生男子强奸,自己在场拍照!法院:构成轮奸,判11年

为寻求变态刺激,男子多次迷晕妻子供陌生男子强奸,自己在场拍照!法院:构成轮奸,判11年

一丝不苟的法律人
2026-10-15 09:31:24
蔡天凤碎尸案再有新进展!潘巧贤助邝港智租船潜逃,上诉遭驳回即时入狱

蔡天凤碎尸案再有新进展!潘巧贤助邝港智租船潜逃,上诉遭驳回即时入狱

娱站
2026-11-16 12:10:35
女人多久能忘记同居过的男友?

女人多久能忘记同居过的男友?

那年秋天
2026-10-12 20:30:52
两性关系:发现了没,寿命长的男人,大多都有这五个好习惯

两性关系:发现了没,寿命长的男人,大多都有这五个好习惯

荔子言
2026-11-03 10:32:30
大幂幂不是白叫的

大幂幂不是白叫的

草莓解说体育
2026-10-24 07:40:22
神操作啊!网友2021年卖房获得500万全投入股市,近期280万清仓,220万买回原房,自述五年纯赚60万

神操作啊!网友2021年卖房获得500万全投入股市,近期280万清仓,220万买回原房,自述五年纯赚60万

火山詩话
2026-11-16 08:17:59
方程豹钛9即将上市,车长5米27,综合续航超1600km,卖多少合适?

方程豹钛9即将上市,车长5米27,综合续航超1600km,卖多少合适?

闻车品百魅
2026-11-16 12:05:18
外资撤离印度越南?美媒大胆预言:中国的西部,或成新世界工厂

外资撤离印度越南?美媒大胆预言:中国的西部,或成新世界工厂

王二哥老搞笑
2026-11-15 18:40:45
前国脚曝蓉城丢冠内幕:高层代替主帅定首发!3人被废,蒿俊闵上看台

前国脚曝蓉城丢冠内幕:高层代替主帅定首发!3人被废,蒿俊闵上看台

念洲
2026-11-16 09:38:40
20架沙特战机遭击落,其中13架为中国造,它们为美制战机抗下火力

20架沙特战机遭击落,其中13架为中国造,它们为美制战机抗下火力

铁锤侃侃而谈
2026-11-15 09:18:57
性生活是不是人的刚需?网友说:男性性生活是刚需,女性不是!

性生活是不是人的刚需?网友说:男性性生活是刚需,女性不是!

黯泉
2026-11-09 17:39:59
银行板块逆势拉升 工商银行等盘中创新高

银行板块逆势拉升 工商银行等盘中创新高

每日经济新闻
2026-11-16 10:02:04
英如镝直播被戳“没巴图谁认识你”:他接了一句话,把英达欠的账当场结清了

英如镝直播被戳“没巴图谁认识你”:他接了一句话,把英达欠的账当场结清了

小徐讲八卦
2026-11-16 12:44:39
村官贪腐6亿!家中搜出700万现金62斤金砖,豪华私人园林堪比皇宫

村官贪腐6亿!家中搜出700万现金62斤金砖,豪华私人园林堪比皇宫

易玄
2025-01-22 22:10:14
香港知名女星宣布离婚,结束仅两年婚姻,发千字长文控诉丈夫

香港知名女星宣布离婚,结束仅两年婚姻,发千字长文控诉丈夫

不写散文诗
2026-11-15 15:08:37
GOAT没意义!乔丹罕见谈历史最佳:这个头衔从不会让我狂喜或失落

GOAT没意义!乔丹罕见谈历史最佳:这个头衔从不会让我狂喜或失落

罗说NBA
2026-11-16 07:55:47
调查发现:过了60岁,血糖若能保持在这个范围,可以放宽心了

调查发现:过了60岁,血糖若能保持在这个范围,可以放宽心了

观星赏月
2026-11-16 14:40:24
大案往事:北京空姐情杀案

大案往事:北京空姐情杀案

SHI人物志
2026-11-15 15:47:54
2026-11-16 17:43:00
量子位 incentive-icons
量子位
追踪人工智能动态
13684文章数 176599关注度
往期回顾 全部

科技要闻

历史头一回!马斯克用"筷子"夹住太空飞船

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

体育要闻

NBA开赛最大惊喜,是他们?

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

教育
艺术
亲子
房产
军事航空

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

艺术要闻

漫天香氛,秋风醉人~杭州的秋天从不让人失望!13个地方,秒出大片!

亲子要闻

宝宝气人但是聪明的4个行为

房产要闻

从林屿间到林屿熙岸,招商蛇口在崖州湾为何总出爆款?

军事要闻

哈马斯拉法旅指挥官死于以军空袭

无障碍浏览 进入关怀版