让 AI 一次读完整个大型代码库，难点不只是“装得下”，还要避免每生成一个词都回头通读全部内容。Naive-N0.5-Flash 是面向编码与 AI 研发的开放权重模型，原生支持 100 万词元上下文——也就是一次可接收约百万个文本单位。它采用 MoE（混合专家）架构：总参数达 309B，但每次生成仅激活 15.5B，借此控制实际计算量。
它最具体的取舍，是全网不设完整注意力层。48 层中，39 层使用 Sliding-Window Attention，让每个词元主要查看附近 128 个词元；另有 9 层使用 DeepSeek Sparse Attention，从完整历史中筛选最相关的 2,048 个词元参与主要计算。开发者称模型完成了 3.25T 词元的多阶段训练，并公开了 MIT 许可的权重与推理代码。不过，百万上下文只是容量上限，不等于模型能准确利用每处信息；现有材料也未给出可核对的具体评测成绩，实际编码与长文本能力仍待独立测试。