Gepubliceerd: 28 september 2026
NaiveAI bracht op 27 september 2026 Naive-N0.5-Flash uit, een open-weight model met 309 miljard parameters waarvan er per woord maar 15,5 miljard aanstaan. Het heeft een MIT-licentie, verwerkt een miljoen tokens context en NaiveAI zet de API-prijs op $0,10 per miljoen inputtokens. Wat eraan ontbreekt: ook maar een enkele benchmarkscore die je als getal kunt lezen.
Wat is Naive-N0.5-Flash en waarvoor is het gebouwd?
Naive-N0.5-Flash is een mixture-of-experts-model, wat betekent dat het per woord maar een deel van zichzelf aanzet. NaiveAI bouwde het bovenop het open model MiMo-V2.5 van Xiaomi en richtte het op twee taken: code schrijven en AI-onderzoek uitvoeren. Het bedrijf zegt dat het model met hulp van AI is ontwikkeld, en dat is meteen het verkoopargument.
De architectuur is het bijzondere deel. De meeste grote modellen gebruiken volledige attention, waarbij elk woord naar elk ander woord kijkt. Dit model heeft die laag helemaal niet. De 48 lagen bestaan uit 39 sliding-window-lagen die alleen de laatste 128 tokens zien, en 9 sparse lagen die de 2.048 meest relevante tokens uit de hele context oppikken. Zo blijft een model met een miljoen tokens context goedkoop om te draaien, en op die ruil rust het hele ontwerp.
De training besloeg 3,25 biljoen tokens op de volle context van een miljoen tokens, waarvan 50 miljard tokens alleen om het onderdeel op te warmen dat bepaalt welke tokens ertoe doen.
De praktische details:
- MIT-licentie, dus commercieel gebruik vraagt geen onderhandeling
- Weights op Hugging Face onder NaiveAI/Naive-N0.5-Flash, ongeveer 315 GB verdeeld over 49 bestanden
- Er komt een FP8-versie mee en een apart draftmodel van 1,31 GB
- Je hebt NVIDIA-GPU’s nodig die FP8 aankunnen, al zegt NaiveAI niet hoeveel
- De eigen server van NaiveAI claimt 50 tokens per seconde per gebruiker, oplopend tot 2.000 in de snelste modus
- De API was bij de lancering alleen op uitnodiging beschikbaar
Naive-N0.5-Flash specificaties en prijs
Onthoud vooral dit uit de tabel: de prijs is het nieuws, niet de omvang. Naive-N0.5-Flash gaat twee derde onder het goedkoopste vergelijkbare open model zitten, en dat is de enige kolom waarin het bedrijf zich aan een getal vastlegt.
| Wat wordt gemeten | Naive-N0.5-Flash | Het open alternatief |
|---|---|---|
| Totaal aantal parameters | 309B | Xiaomi MiMo-V2.6-Pro-RL: 1,02T |
| Parameters actief per token | 15,5B | MiMo-V2.6-Pro-RL: 42B |
| Contextvenster | 1M tokens | MiMo-V2.6-Pro-RL: 1M tokens |
| Licentie | MIT | MiMo-V2.6-Pro-RL: MIT |
| Prijs per miljoen input- / outputtokens | $0,10 / $0,40 | MiniMax M3: $0,30 / $1,20 |
| Benchmarkscores als leesbare cijfers | Geen | MiniMax M3: 80,5% op SWE-bench Verified |
De cijfers over parameters en context komen uit de modelkaart van NaiveAI. De getallen van MiMo en MiniMax komen van de pagina’s van die aanbieders zelf. NaiveAI noemt de API-prijs in dollars op Hugging Face en in yuan op de eigen blog, namelijk 0,60 en 2,60 yuan per miljoen input- en outputtokens, en zet ze nergens samen op een pagina.
Wat NaiveAI niet vertelt over de benchmarks
Alle benchmarkresultaten zitten in twee afbeeldingen. De modelkaart noemt twaalf tests, waaronder SWE-Bench Pro, DeepSWE v1.1, Terminal-Bench 2.1, MLE-bench-30 en PaperBench, en zet die af tegen GPT-6-Astra, Opus-5.5, Gemini-3.1-Pro, GLM-5.3, Kimi-K3 en nog een stuk of tien andere. Een tabel ontbreekt. Wie de cijfers wil, moet turen naar een plaatje, en een machine kan ze helemaal niet citeren.
De vergelijking loopt bovendien scheef, en NaiveAI schrijft dat zelf in de kleine lettertjes. Het eigen model ging door Claude Code 2.1.207 met alleen basale bestands- en shell-tools. De cijfers van de concurrentie zijn overgenomen uit hun blogs, system cards en publieke leaderboards, elk gemeten onder een andere opstelling. De modelkaart noemt die bronnen netjes, maar zegt nergens dat de staven in de grafiek daardoor niet vergelijkbaar zijn.
Wat volledig ontbreekt: elke test op algemene vaardigheden, elke zoektest op het contextvenster van een miljoen tokens waar het model op verkocht wordt, en elke veiligheidsevaluatie. Naive-N0.5-Flash staat niet op het publieke SWE-bench Pro leaderboard, dus niets hiervan is buiten NaiveAI gecontroleerd.
Wat dit betekent
De moeite waard om te volgen, nog niet om naar over te stappen. Het argument voor dit model is puur economisch. Draai je codeeragents op volume, dan is $0,10 in en $0,40 uit tegenover $0,30 en $1,20 bij MiniMax M3 een verschil dat je op de maandfactuur terugziet, en een MIT-licentie op 309 miljard parameters betekent dat niemand het je kan afnemen. Dat is een serieus aanbod voor een platformteam dat al open modellen op eigen GPU’s draait.
Maar je onderbouwt geen migratie met een grafiek die je niet kunt lezen. Zolang niemand een getal publiceert of het model opduikt op een leaderboard van een derde partij, staat elke claim hier op het woord van NaiveAI alleen. Wil je het toch testen, sla de codeerbenchmarks dan over en ga direct op het venster van een miljoen tokens af. Daar gaat een ontwerp zonder volledige attention het eerst stilletjes onderuit, en dat is precies wat NaiveAI nooit in het openbaar heeft gemeten.
Voor meer informatie, bekijk de officiële aankondiging van Naive-N0.5-Flash in de modelkaart van NaiveAI.
