NaiveAI 推出 Naive-N0.5-Flash：3090 億參數模型，主打百萬 Token 上下文

Naive-N0.5-Flash 是 NaiveAI 推出的開放權重模型，定位在程式開發與 AI 研究開發（R&D）。它的主要賣點包括：總參數量 3090 億、每個 Token 啟用 155 億參數、官方宣稱原生支援百萬 Token 上下文，以及配套的推論系統 NaiveRT。24

理解這款模型時，先要分清「總參數量」與「啟用參數量」：155 億指每個 Token 計算時會啟用的參數，不代表整個模型只有 155 億參數。NaiveAI 表示，模型權重與推論程式碼採 MIT 授權。47

3090 億參數、每個 Token 啟用 155 億，差在哪？

Naive-N0.5-Flash 採用混合專家（MoE）架構，模型總參數量為 3090 億，但每個 Token 僅啟用其中 155 億參數。2 換句話說，總參數量呈現模型的整體規模，啟用參數量則反映處理單一 Token 時參與運算的部分。

NaiveAI 將這款模型定位於程式開發和 AI 研發。它並非完全從零開始打造，而是以小米的 MiMo-V2.5 為基礎繼續訓練。12

百萬 Token 上下文，沒有全注意力層

NaiveAI 表示，模型透過滑動視窗注意力（SWA）與輕量化 DeepSeek 稀疏注意力（DSA）的混合設計，支援原生百萬 Token 上下文，並且不使用全注意力層。模型資料將這種配置描述為以約 5:1 的比例交錯使用 SWA 與 DSA。27

簡單來說，SWA 著重處理局部範圍內的資訊，DSA 則提供稀疏的注意力機制來處理較長距離的脈絡。這種設計旨在支援長上下文，而不依賴全注意力層。不過，百萬 Token 是官方公布的模型能力，不代表所有長文本任務都能同樣有效地處理。

NaiveRT 的速度數字怎麼看？

NaiveRT 是與模型一同推出的推論系統。NaiveAI 列出的技術包括大型核心融合（mega-kernel fusion）、Programmatic Dependent Launch（PDL）與投機解碼。官方公布的數字為：Standard 模式每位使用者每秒 50 個 Token，Ultrafast 模式最高每秒 2000 個 Token。2

這些是廠商公布的推論速度，不保證每種硬體配置或工作負載都能達到。官方分別列出 Standard 的「每位使用者」速度與 Ultrafast 的「最高」速度，兩者不應視為相同條件下的測量結果，也不宜直接當成一般使用者可預期的單一速度。2

重點整理

Naive-N0.5-Flash 的看點，在於它把開放權重與 MIT 授權、3090 億參數的稀疏啟用 MoE 架構、無全注意力層的原生百萬 Token 上下文，以及專屬推論系統放在同一個版本中。247

評估時，仍要把規格與實際表現分開看：目前引用的發布資料提供了模型能力與速度宣稱，但光憑這些資訊，還不足以判定它在特定程式開發或研究流程中的效果與部署速度。