NaiveAI annonce 2 100 tokens par seconde : que vaut-il vraiment pour coder ?
Naive-N0.5-Flash, un nouveau modèle à poids ouverts conçu pour les tâches de programmation assistée par IA et optimisé pour produire le plus grand nombre possible de tokens par seconde, vient d'être lancé par la société chinoise NaiveAI, qui promet jusqu'à 2 100 tokens par seconde. Il s'agit d'une évolution du MiMo-V2.5 de Xiaomi, un modèle de type Mixture-of-Experts clairsemé de 310 milliards de paramètres dont 15 milliards sont actifs, entraîné sur 48 000 milliards de tokens. NaiveAI a poursuivi son entraînement en plusieurs étapes, en l'adaptant aux couches d'attention clairsemée de DeepSeek, avec environ 3,25 billions de tokens supplémentaires, dont près de 3 billions à une longueur de contexte fixe d'un million de tokens et un taux d'apprentissage constant. Le modèle est associé au moteur d'inférence maison NaiveRT. Les benchmarks publiés le placent entre DeepSeek V4.1 Flash 1017 et GLM 5.3 Flash en programmation : 71,9 sur NL2Repo-Bench (contre 68,2 et 56,3), 67,8 sur DeepSWE v1.1 (contre 77,0 et 63,4) et 32,4 sur Agent's Last Exam (contre 35,4 et 26,3). Les premiers tests indépendants ont porté sur 30 questions par modèle, issues de MATH-500, GPQA-Diamond et HLE-Diamond, avec une limite de 256 000 tokens de complétion.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Latent Space. Lire l'article original →
L'enjeu est la vitesse d'itération pour les développeurs et les chercheurs en IA, qui doivent tester rapidement des idées. Les tests montrent que Naive-N0.5-Flash atteint ou dépasse environ 1 000 tokens par seconde dans ses deux configurations de raisonnement, mais qu'il met plus de temps à raisonner sur les problèmes difficiles. Avec le raisonnement activé, il a consommé en moyenne environ 108 500 tokens de complétion sur les questions HLE, soit neuf fois plus que GLM 5.3 Flash en mode élevé et onze fois plus que DeepSeek V4.1 Flash 1017. Les réponses arrivent malgré tout globalement plus vite, mais à un coût par question légèrement supérieur, un compromis acceptable pour les usages où la rapidité prime. Les comparaisons de débit restent toutefois prudentes : les chiffres de Naive-N0.5-Flash proviennent de mesures côté serveur, tandis que ceux des deux concurrents sont issus d'OpenRouter, ce qui interdit d'annoncer un multiple de vitesse exact. Les médianes, par ailleurs, racontent une histoire différente des moyennes, signe que quelques requêtes très longues pèsent lourdement sur les chiffres.
Ce lancement s'inscrit dans la course aux modèles de la catégorie Flash, dominée sur OpenRouter fin octobre 2026 par DeepSeek V4.1 Flash 1017 et GLM 5.3 Flash de Z.ai, deux références de l'assistance au codage. Sur l'indice d'intelligence d'Artificial Analysis, ces derniers obtiennent respectivement 45 et 43, tandis que le score de NaiveAI n'est pas encore disponible. NaiveAI revendique une ambition plus large : un modèle largement construit par l'IA et entraîné à faire lui-même de la recherche en IA, avec l'auto-amélioration récursive comme objectif à long terme. Le fait qu'il repose sur les poids d'un modèle de Xiaomi illustre aussi la manière dont l'écosystème ouvert chinois permet de bâtir rapidement sur le travail des autres. Reste à voir si les mesures indépendantes confirmeront les promesses de vitesse et si le surcroît de tokens consommés sur les tâches difficiles sera compensé en conditions réelles.