Naive AI open-sources first model built with AI-led R&D
Naive AI, founded by Dai Jifeng, has open-sourced its first model, developed from day one with AI models handling coding, experiments, and analysis while humans set goals and constraints. The company focuses on post-training and agent development based on open-source models, echoing recent disclosures from Anthropic and OpenAI about AI-led research proportions.
Coverage timeline
机器之心机器之心
编辑｜Panda、小熊猫 Naive AI 正在探索一条令人兴奋的新路径：让当前的 AI 模型去承担下一代模型的研发工作，并且让每一代诞生的模型都能够比上一代承担更多的研发工作。 10 天前，Anthropic 公布了一组少见的内部数据：公司内部的 AI 研发工作中，已有 26% 由 Claude「主导」完成。所谓主导，是指研 究员只需给出一条高层指令，Claude 就能端到端地完成任务的大部分，人类负责监督 。而在今年 2 月，这个比例还不到 1%。 而这并不是一个孤立事件。更早几天，OpenAI 宣布去年定下的「自动化研究实习生」目标已经达成：按标准工作日折算，其研究团队每投入 1 个人类工作日，就有约 3.1 个智能体工作日在同时运转。 9 月 21 日，OpenAI 又提议由美国牵头制定前沿 AI 全球技术标准，并把 递归式自我改进（RSI） 列为重点议题。 国内，智谱也在 9 月 17 日披露，由 GLM-5.3 驱动的 Infra Agent 在十万卡国产集群上，从零搭起了 GLM-5.3-Flash 的推理服务。 OpenAI 博客中对 RSI 的定义 短短半个多月，「 让 AI 研发 AI 」就已经从一个偏理论的话题变成了头部实验室争相公开的量化指标。 但仔细看，这些数字回答的大多是同一个问题： 研发下一代大模型，AI能接手多少工作？ 而就在今年 2 月，当 Anthropic 的 AI「主导」比例还接近零的时候，代季峰的创业团队 Naive AI 成立了。 这家新创公司从一开始就摒弃了传统以人类为中心的研发体系， 把写代码、跑实验、监控流程、分析结果等研发工作交给 了 AI 模型 。而人类研究员把精力集中于三件事：提出目标，设定约束与评价标准、最终决策。 从第一天起让 AI 研发 AI， 这家新公司交出了首款模型 路线选择上，Naive AI 专注于开源模型后训练与 Agent 研发，没有从零预训练，而是以开源模型为起点，做架构改造、增量预训练和后训练。 开源生态正在成为新一批实验室的起点。前 OpenAI 首席技术官 Mira Murati 创办的 Thinking Machines Lab，7 月推出的首款模型 Inkling 虽是从零训练，架构却沿用了 DeepSeek-V3 的混合专家设计。 Naive AI 更进一步，直接基于开源基模继续
