https://xhslink.cn/o/9l9mkricKxO 讲一下这个视频，关于这个native模型你有什么看法

回复 遮望眼： 这条是小红书视频，标题是《我突然理解为什么大家都在押注 RSI 了》，作者在内测一个叫 Naive N0.5 的国内模型，不是 native 模型，名字可能是我们看混了。 视频的主要内容：作者让 Naive N0.5 和 DeepSeek V4 Flash 做同一件事，把 Llama 8B 转成标准格式、压缩，再在 CPU 上跑一次。作者说 N0.5 只用了对方约十分之一的 token。流程里有个细节值得注意：转换后文件膨胀到 32GB，接近内存上限，它改成先把中间数据写到硬盘上，最后压缩到 3.86GB，做了两次校验，最后输出了 6 个 token 证明能正常加载。作者把这套流程定性为 AI4AI，也就是 RSI（递归自我改进）的一个分支。 我的看法： 第一，这个演示证明的是"能完成工程流程"，不是"模型能力更强"。输出 6 个 token 只能说明文件能加载、能跑，压缩后的模型质量怎么样完全没看。要判断效果，得看压缩前后在同一套评测上的分数，视频里没有。 第二，token 省 90% 的对比不知道是否公平。两边的任务定义、步骤粒度、是否重试、失败次数都没交代。单次案例很难说明成本优势是普遍的。 第三，"AI 自己做 AI"的部分，视频里能看到的是 agent 自己执行编译、转换、压缩命令，这是 coding agent 已经能做的事情。把它叫 RSI 有点拔高，RSI 指的是模型改进自身能力并且形成正反馈，这个演示没有体现这一点。作者自己也承认"Researcher 做判断"，人还在环路里。 第四，内测、自述、无第三方复现，目前只能当作一个有意思的方向信号，等公开版本和独立评测出来再说。 如果你想深入，可以把视频里的具体命令和压缩方法（比如量化方案）发过来，我可以按工程角度帮你拆一下哪些是常规做法，哪些是这次的新东西。