Naive-N0.5-Flash, NaiveAI가 'AI의 도움으로 만들었다'는 모델

2026년 9월 27일, 베이징의 스타트업 NaiveAI가 MIT 라이선스로 Naive-N0.5-Flash 모델을 Hugging Face에 공개했다. 모델 카드에 따르면 이는 처음부터 새로 설계한 아키텍처가 아니라, 샤오미의 오픈 웨이트 기반 모델 MiMo-V2.5에 3조 2500억 토큰을 추가 학습시킨 모델이다. Mixture-of-Experts 구조로 전체 파라미터는 3090억 개, 토큰당 활성 파라미터는 155억 개이며, 슬라이딩 윈도 어텐션 레이어와 DeepSeek Sparse Attention을 결합해 100만 토큰의 컨텍스트를 기본으로 처리한다. 다만 MIT 라이선스가 샤오미 기반 모델의 라이선스 조건과 어떻게 맞물리는지는 분명하지 않다.

이 프로젝트의 특징은 개발 방식에 있다. 회사는 기술 블로그에서 이를 'AI 중심의 연구개발'이라고 부른다. 블로그에 따르면 인간 연구자는 방향과 제약, 기준을 정하고 핵심 결정을 내리며, 구현·최적화·실험·분석은 AI 모델이 맡는다. 같은 글에는 "인간 연구자는 방향을 정하고, 제약과 기준을 정의하며, 핵심 결정을 내린다. 인간의 강점은 경험과 직관, 판단력에 있다"는 문장도 있다. 그러나 독립 매체 Runtime Wire는 공개된 문서만으로는 AI가 실제로 얼마나 많은 작업을 했는지, 그 기여를 어떻게 측정했는지, 이 방식이 앞으로의 개발 비용을 정말 줄이는지 알 수 없다고 지적했다. 같은 매체는 이 회사를 칭화대 부교수이자 과거 마이크로소프트 리서치 아시아와 센스타임에서 일한 Jifeng Dai와 연결 짓는다.

성능과 비용 면에서, 모델 카드는 API 요금을 입력 100만 토큰당 0.10달러, 출력 0.40달러로 제시한다. 반면 Runtime Wire는 위안화 요금표를 전하며 100만 토큰당 입력 0.60위안, 출력 2.60위안이라고 보도했다. 두 수치는 출처가 다르고 환율과도 정확히 맞지 않는다. 실행에는 FP8을 지원하는 엔비디아 GPU가 필요하며, 회사는 자체 시스템 NaiveRT를 내놓았다. 표준 속도는 사용자당 초당 50토큰, Ultrafast 모드에서는 2,000토큰까지 오른다고 한다. 회사 블로그는 이 최고치를 GPU 8개 구성에서 나온 것으로 설명하지만 GPU 모델은 밝히지 않았고, Runtime Wire는 초당 2,100토큰이 넘는 측정값이 단일 스트림으로 제한된 디코딩 테스트 결과라고 덧붙였다.

공식 GitHub 저장소에 제시된 성능 벤치마크는 모두 Claude Code 기반의 내부 평가 프로토콜 AutoResearch에서 나온 것이다. 결과가 그래프로만 제시되고 독립적인 제3자 검증도 거치지 않았기 때문에, 이 스타트업이 주장하는 정확한 점수는 확인할 수 없다. 외부 검증이 없다는 점은 신중할 이유가 된다. 출시 속도가 지표의 검증 가능성을 앞지를 때마다 반복되는 문제다.

코드 작성을 다른 기계에 맡기면 출시는 빨라질 수 있다. 하지만 진짜 비대칭은 검증에 있다. AI가 한 일을 확인하려면 여전히 인간의 판단력이 필요하고, 이 스타트업은 바로 그것을 자신들의 안전장치라고 내세운다. 벤치마크가 내부 프로토콜로 측정되고 제3자가 재현하지 않는 한, 발표된 성능은 검증된 데이터가 아니라 회사의 주장으로 읽어야 한다. — Olya