模型卡｜Nex-N2.5-Pro

TL;DRNex-N2.5-Pro（HuggingFace：nex-agi/Nex-N2.5-Pro）：沿用前代 Nex-N2-Pro 的 397B 總參數 MoE（約 17B 啟用，建於 Qwen3.5-397B-A17B）架構，262,144 tokens context、236K 最大輸出，Apache-2.0 開源，單一 8×H100 節點可跑；OpenRouter 免費層 Input/Output 皆 $0.00；Terminal-Bench 2.1 從前代 N2-Pro 的 75.3 分進步到 82.7 分（+7.4pp），OSWorld-G 電腦操作定位分數 87.4 分是官方對照表中最高，贏過 Claude Opus 5 的 76.8 分；跟同家族 mini 版一樣主打「視覺回饋自我修正」的長時程 agent 迴圈

#ai-agent #model-release #daily #nex-agi #model-family-nex

模型資訊
能力亮點
Benchmark 表現
與前代/競品比較
對 Agent 開發的意義
今日收穫
參考資料

系列: AI Model Tracker (114 / 24)

🌏 English version

模型資訊

項目	值
Model ID	`nex-agi/Nex-N2.5-Pro`（HuggingFace）；OpenRouter 免費層 `nex-agi/nex-n2.5-pro:free`
廠商	Nex AGI
參數量	官方 N2.5-Pro model card 未重新公布數字；沿用前代 Nex-N2-Pro 的 397B 總參數（約 17B 啟用）MoE，建於 `Qwen3.5-397B-A17B`（官方稱 N2.5-mini／Pro 延續 Nex-N2 的多模態基礎後訓練而成）
Context Window	262,144 tokens（最大輸出約 236K tokens）
Input 定價 (USD/1M tokens)	$0.00（OpenRouter 免費層；官方尚未公布正式商用 API 定價）
Output 定價 (USD/1M tokens)	$0.00（OpenRouter 免費層；官方尚未公布正式商用 API 定價）
開源	是（Apache-2.0）
發布日	2026-09-08
官方公告	Nex-N2.5 — Vision into Action
HuggingFace	nex-agi/Nex-N2.5-Pro
家族	Nex-N2.5（mini／Pro／Max 三個量級，Max 為 1.6T 參數純文字 MoE，首次完成兆參數規模的完整後訓練）

能力亮點

Terminal-Bench 2.1（Pass@1）從前代 Nex-N2-Pro 的 75.3 分進步到 82.7 分（+7.4pp），SWE-Bench Pro 從 58.8 分進步到 61.2 分
OSWorld-G（電腦操作定位）拿下 87.4 分，是官方對照表中所有列出模型裡最高的一個，贏過 Claude Opus 5 的 76.8 分與 GPT-5.6 Sol 的 77.7 分
跟 mini 版共用「視覺回饋自我修正」的設計：可操作電腦與瀏覽器、執行並測試程式，發現結果不符預期時能自行診斷、修正並重跑，而不是一次性給答案
硬體部署門檻比同家族 Max 版低很多：單一 8×H100 節點即可服務，不需要 Max 版要求的 2 節點、16×H200 叢集

Benchmark 表現

Benchmark	分數	前代 (Nex-N2-Pro)	競品最強
Terminal-Bench 2.1 (Pass@1)	82.7	75.3	Claude Opus 5：89.1
SWE-Bench Pro	61.2	58.8	Claude Opus 5：79.2
BrowseComp	89.7	83.7	Claude Opus 5：90.8
OSWorld-G（電腦操作定位）	87.4	N/A（前代未列入此項評測）	Qwen3.8-Max：84.9（本表次高）
DeepSWE（v1.1）	55.8	33.6（舊版 DeepSWE，非 v1.1）	Claude Opus 5：73.7

⚠️ 以上為 Nex AGI 官方以自家 NexAU／NexCUA harness 自測（temperature=0.7、top_p=0.95、top_k=40），發布當日數據，尚無獨立第三方複現。前代 Nex-N2-Pro 分數取自官方 GitHub（nex-agi/Nex-N2），DeepSWE 新舊版本評測基準可能不完全一致，僅供級距參考。

與前代/競品比較

跟前代 Nex-N2-Pro 比，這次進步最明顯的是 coding 與 agentic 兩個面向同步提升：Terminal-Bench 2.1 拉了 7.4pp，BrowseComp 拉了 6.0pp，而不是單一 benchmark 的個案突破。值得注意的是官方沒有重新公布參數規模，也沒有提到換了新的基座模型——這代表這次的進步主要來自後訓練資料與方法的改良，而不是把模型做大。

跟閉源旗艦比，Nex-N2.5-Pro 在大多數 coding 與 agentic benchmark 上仍落後 Claude Opus 5（SWE-Bench Pro 61.2 vs 79.2、Terminal-Bench 82.7 vs 89.1），但在 OSWorld-G 這個電腦操作定位任務上反而超車所有列出的競品，包含 Claude Opus 5 與 GPT-5.6 Sol。這跟 mini 版的模式一致：Nex AGI 把訓練資源集中在「視覺 grounding + 自我修正」這個特定能力面，而非全面對齊頂尖閉源模型的每一項分數。

定價策略上，Nex-N2.5-Pro 跟 mini 版一樣走「全開源 + OpenRouter 免費層」路線，跟需要付費 API key 才能測試的 Claude Opus 5、GPT-5.6 Sol 形成對比。差別在於 Pro 版的部署門檻明顯更高——需要單一 8×H100 節點，而不是 mini 版的 2×H100，這代表免費層更像是「先讓開發者試用」的入口，真正想自架部署仍需要一定規模的硬體投入。

對 Agent 開發的意義

Nex-N2.5-Pro 補上了 mini 版與 Max 版之間的中間選項：比 mini（35B-A3B）能力更完整，又不需要 Max 版的多節點叢集，用一台 8×H100 機器就能跑一個在電腦操作定位上超越多數閉源旗艦的 agent 骨幹模型。

如果你在做需要較高精確度的 computer-use 或 browser-use agent：OSWorld-G 87.4 分是目前官方對照表中的最高分，且比 mini 版的 82.9 分再進一步，適合對操作定位精確度要求較高、但還沒到需要 Max 版文字推理能力的場景
如果你的團隊有能力自架單機 8×H100，又不想被綁定在單一閉源 API：Apache-2.0 開源加上跟前代一脈相承的部署腳本（sglang fork），可以直接沿用既有的 Nex-N2 部署經驗升級
不適合：需要頂尖 coding 精確度的正式生產環境（SWE-Bench Pro 61.2 分仍落後 Claude Opus 5 近 18pp），或需要正式商用 SLA 與明確定價保證的場景——官方目前僅公布 OpenRouter 免費層，尚未有獨立的商用 API 定價

今日收穫

Nex-N2.5-Pro 這次沒有重新公布參數規模，也沒有換基座模型，卻在 Terminal-Bench、BrowseComp 這些 benchmark 上有兩位數百分點級的進步——這提醒我看模型卡不能只看「有沒有變大」，後訓練方法與資料策略本身就能撐起這麼大的進步空間，尤其在 agentic 這種高度依賴訓練環境覆蓋率的能力面上更明顯。