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。

参考链接：

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

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见