NaiveAI veröffentlicht Open-Weights-Coding-Modell Naive-N0.5-Flash mit schnellem Decoding
Das Open-Weights-Modell Naive-N0.5-Flash von NaiveAI zielt mit sehr hohem Token-Durchsatz auf Coding-Aufgaben. In Praxistests von Latent Space hielt seine Coding-Qualität mit DeepSeek mit.
NaiveAI hat Naive-N0.5-Flash veröffentlicht, ein Coding-Modell mit offenen Gewichten, das darauf getrimmt ist, Token so schnell wie möglich zu erzeugen. In den Praxistests von Latent Space hatte es die kürzeste mediane Antwortzeit der drei verglichenen Modelle, und seine Coding-Qualität hielt mit DeepSeek mit. Basis ist Xiaomis MiMo-V2.5. NaiveAI hat es für Reasoning über lange Kontexte weitertrainiert und mit der eigenen Inferenz-Engine NaiveRT kombiniert. Laut dem technischen Blog von NaiveAI kamen bei der Anpassung rund 3,25 Billionen Token zu den ursprünglichen 48T von MiMo hinzu. Etwa 3T davon wurden mit einer festen Kontextlänge von 1M und konstanter Lernrate trainiert. Außerdem wurde der Checkpoint auf Layer mit DeepSeek Sparse Attention umgestellt.
Die Spitzengeschwindigkeit von etwa 2.100 Token pro Sekunde wurde über eine einzelne Sekunde auf einem Blackwell-Knoten mit acht GPUs gemessen, und zwar mit Speculative Decoding. Bei diesem Verfahren schlägt ein Drafter-Modell Token vor, die das Zielmodell überprüft. Die Geschwindigkeit hängt von der Akzeptanzrate ab, also davon, wie viele der vorgeschlagenen Token das Zielmodell übernimmt. Laut den Zahlen von NaiveAI sinkt diese Rate von 70,6 % bei deaktiviertem Thinking auf 43,4 % bei aktiviertem Thinking. In der Thinking-Phase lag die Decode-Geschwindigkeit bei etwa 984 Token pro Sekunde, in der Antwortphase bei 1.816. Die Tester werten den Spitzenwert als Obergrenze, nicht als typische Rate. Die Entwickler führen das Tempo auch auf die Engine zurück: Eine vollständige spekulative Runde dauere in NaiveRT 3,4 ms, in SGLang dagegen 12,3 ms, ein Minus von 72,4 %.
Latent Space verglich den Ultrafast-Modus mit DeepSeek V4.1 Flash 1017 und GLM 5.3 Flash. Getestet wurde mit 30 Fragen aus MATH-500, GPQA-Diamond und HLE-Diamond, je zehn pro Schwierigkeitsstufe. Die mediane End-to-End-Antwortzeit von Naive-N0.5-Flash lag mit Thinking bei 3,1 Sekunden. GLM 5.3 Flash (high) brauchte 5,3 Sekunden, DeepSeek V4.1 Flash 1017 (high) 10,1 Sekunden. Die Durchschnittswerte zeichnen ein gemischteres Bild. Über alle Fragen kam Naive-N0.5-Flash auf durchschnittlich 45,3 Sekunden, nahe an DeepSeeks 45,0. Bei den schweren Fragen waren es im Schnitt 89,8 Sekunden gegenüber 79,7 bei DeepSeek. Bei den schweren HLE-Fragen mit Thinking erzeugte Naive-N0.5-Flash im Schnitt etwa 108.500 Completion-Token. Das ist ungefähr neunmal so viel wie der Durchschnitt von GLM bei hohem Aufwand und das 11-Fache von DeepSeek. Der langsamere Schnitt bei schweren Fragen geht also mit deutlich längerem Reasoning einher. Der Median lag bei nur etwa 3.200 Token, der Durchschnitt bei über 51.000. Der Beitrag führt diesen Unterschied auf wenige Anfragen mit sehr langen Reasoning-Traces zurück.
Auch der Durchsatzvergleich ist nicht ganz ausgewogen. Laut Latent Space stammen die Durchsatzwerte des neuen Modells von der Serverseite, jene von DeepSeek und GLM dagegen von OpenRouter. Deshalb nennt der Beitrag bewusst keinen exakten Geschwindigkeitsfaktor. Zudem ist die Stichprobe klein, und die Antworten wurden nicht auf Richtigkeit bewertet. Der Beitrag weist selbst auf diese Lücke hin: Kurze, schnelle Antworten nützen nur, wenn sie auch stimmen.
Bei den drei Prompts zum Bau von Apps fanden die Tester das neue Modell konkurrenzfähig. Verlangt waren eine interaktive 3D-Darstellung von Erde und Sonnensystem, ein prozedural per Seed erzeugter Baum mit Wind und jahreszeitlichen Farben sowie eine Browser-Portierung von Ray Tracing in One Weekend. Seine Sonnensystem-App wurde unter den drei Thinking-Varianten als beste bewertet, mit Sonnenflecken und Stadtlichtern auf der Nachtseite der Erde. Sein Baum galt als gut, gleichauf mit dem von DeepSeek. Sein Raytracer war korrekt, in JavaScript aber weniger effizient als der von DeepSeek. Mit abgeschaltetem Thinking brachte das Modell überhaupt keine brauchbare Baum-App zustande. GLM 5.3 Flash schnitt in den meisten dieser Vergleiche am schwächsten ab.
In den von den Unternehmen veröffentlichten Benchmarks erreichte Naive-N0.5-Flash 71,9 Punkte auf NL2Repo-Bench, DeepSeek V4.1 Flash 1017 kam auf 68,2 und GLM 5.3 Flash auf 56,3. Hinter DeepSeek lag das Modell bei DeepSWE v1.1 mit 67,8 gegenüber 77,0 und bei Agent's Last Exam mit 32,4 gegenüber 35,4. Artificial Analysis hatte noch keine Leistungsdaten zu den NaiveAI-Modellen veröffentlicht. Der Beitrag konnte daher nur die Intelligence-Index-Werte der beiden Vergleichsmodelle nennen: 45 für DeepSeek und 43 für GLM.
Als Preise sind 0,10 $ pro Million Input-Token, 0,40 $ pro Million Output-Token und 0,01 $ pro Million Cache-Read-Token vorgesehen. Laut Latent Space liegt das Modell mit dem Output-Preis im Bereich von 0,20 $ bis 0,60 $, in dem sich mehrere leistungsfähige Flash-Modelle bewegen. Die tatsächliche Rechnung hängt davon ab, wie viele Token das Modell verbraucht, und das wiederum vom angeforderten Thinking-Budget und von der Schwierigkeit der Fragen. Latent Space verweist zudem auf die weitergehende Behauptung von NaiveAI, das Modell sei weitgehend von KI gebaut worden und ziele auf rekursive Selbstverbesserung. Diese Behauptung prüften die eigenen Tests des Beitrags nicht.
Was sich ändert
Art: Neue Funktion · Betrifft: Naive-N0.5-Flash
Warum es wichtig ist
Teams, die Coding-Agenten betreiben, könnten pro Aufgabe weniger tatsächliche Bearbeitungszeit brauchen. Mehr Reasoning-Token bei schweren Problemen können den Geschwindigkeitsvorteil bei den Gesamtkosten aber wieder aufzehren. Die Geschwindigkeitswerte stammen aus einem optimierten Setup auf einem einzelnen Knoten und aus Messungen des Anbieters.
Was Sie tun können
Testen Sie das Modell an Ihren eigenen Coding-Aufgaben und messen Sie Genauigkeit, insgesamt abgerechnete Token und End-to-End-Zeit, bevor Sie von einem bestehenden Flash-Modell wechseln.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Wo wir es gesehen haben
Latent Space
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es