2026 年 9 月 8 日，Nex AGI 發佈 Nex-N2.5——一個從 35B 到 1.6T 的開源 agentic 模型家族，全部掛 Apache-2.0。其中最抓眼球的不是最大的那個，而是中間的 Pro：在 OSWorld-G 電腦操作定位上拿下 87.4 分，贏過 Claude Opus 5 的 76.8 分；而最大的 Max 則在 BrowseComp 以 92.6 分居官方全表之冠。這是「AI 模型家族」系列的第二十二篇，追蹤 Nex 從 Nex-N2 到 N2.5 的完整路徑。
怎麼解讀文中引用的 benchmark 數字，請參考AI 模型評測來源指南。這篇是AI 模型用途總覽系列的一部分。mini 與 Pro 的單篇細節另見站上兩張模型卡：模型卡｜Nex-N2.5-mini、模型卡｜Nex-N2.5-Pro。
家族演化時間線
| 時間 | 版本 | 關鍵事實 |
|---|---|---|
| 2025-12 | Nex-N1（8B～671B 四款＋N1.1） | 第一代：full-stack agent 平台，旗艦 DeepSeek-V3.1-Nex-N1（671B），SWE-bench Verified 70.6 分 |
| 2026 年前 | Nex-N2（mini／Pro） | 前代：mini 是 35B-A3B 自主 agent 模型，Pro 是 397B-A17B；N2-mini 的 DeepSWE 只有 8.0 分，是 N2.5 暴衝的起點 |
| 2026-09-08 | Nex-N2.5（mini／Pro／Max） | 次代全家桶：mini／Pro 沿用 N2 多模態基礎做後訓練強化，Max 首度完成兆參數規模的完整後訓練 |
Nex 的迭代邏輯和 Laguna 很像：不換基座，換後訓練。往前看還有第一代 Nex-N1（2025-12，8B 到 671B 四款，旗艦是 DeepSeek-V3.1-Nex-N1），N2 在它之上把成績再墊高一層。官方明說 N2.5-mini／Pro 是延續 Nex-N2 的多模態基礎，進步來自 agent 訓練環境、任務類型與生產場景覆蓋的擴大。證據是分數的形狀：mini 的 DeepSWE v1.1 從 8.0 跳到 36.1（4.5 倍），Pro 的 Terminal-Bench 2.1 從 75.3 拉到 82.7（+7.4pp）——參數沒變，漲的是長時程任務的成功率。
三個量級：mini 跑量、Pro 居中、Max 攻頂
mini（35B-A3B）：家族入門，Hugging Face 上 35B 總參數、BF16，基於 Qwen3.5-35B-A3B-Base 後訓練。262,144 context、約 236K 最大輸出。單機 2×H100 就能跑（--tp 2），是三款裡部署門檻最低的。OpenRouter 掛免費層，input／output 都是 $0.00。
Pro（397B-A17B）：中堅，沿用前代 397B 總參數、約 17B 啟用的 MoE（基於 Qwen3.5-397B-A17B）。同樣 262,144 context。單一 8×H100 節點可服務（--tp 8），不需要 Max 的多節點叢集。OpenRouter 同樣有免費層。
Max（1.6T 純文字 MoE）：旗艦，1.6 兆總參數的純文字 MoE，是 Nex 首次在兆參數規模做完完整後訓練。注意它和兩個弟弟不一樣：純文字，不做多模態。部署要 2 節點、16×H200（--tp 16），context 262,144。這個尺寸擺明不是給一般人自架的，是拿來證明「我們的後訓練方法在兆級也 work」。
三款的分工很乾脆：mini 验证迴圈、Pro 做主力、Max 刷榜證明上限。
設計哲學：視覺是介面，不是輸入
N2.5 全家族共用一句話的設計哲學，官方 model card 原文：
Vision is therefore no longer merely an input modality; it has become a critical interface through which an agent perceives its environment, verifies outcomes, and moves a task forward.
翻譯成白話：模型看螢幕不是為了「理解圖片」，是為了確認自己剛才的操作有沒有效——開了 app 沒、按鈕按下去沒有、測試跑過了沒。這就是「視覺回饋自我修正」迴圈：操作電腦與瀏覽器、執行並測試程式，發現結果不符預期就自行診斷、修正、重跑，而不是一次性給答案。
這個選擇解釋了整個 benchmark 形狀：凡是測「定位準不準」「操作完不完整」的（OSWorld-G、OSWorld-Verified、BrowseComp），Nex 全家都強；凡是測純文字推理上限的（SWE-Bench Pro、DeepSWE），就老實輸給閉源旗艦。資源全押在同一面，榜單自然長成同一形狀。
推理控制：三檔，比 Laguna 細一格
N2.5 用 reasoning_effort 控制思考（官方文件）：none 直接回答不留思考痕跡，medium（預設）自適應思考，high 強制思考。對比 Laguna S 2.1 只有 off／max 兩檔，Nex 多給了一格「讓模型自己決定」的中間檔。
配套的解析器也分兩套：mini／Pro 用 --reasoning-parser qwen3，Max 用 --reasoning-parser deepseek-r1；function calling 統一用 --tool-call-parser qwen3_coder。官方建議的採樣參數是 temperature=0.7、top_p=0.95、top_k=40——注意這和多數預設 temperature=1.0 的 coding 模型不同，評測時都用這組跑，BJ（benchmark judge）條件要對齊才好 cross-compare。
from openai import OpenAI
client = OpenAI(
base_url="https://openrouter.ai/api/v1",
api_key="YOUR_OPENROUTER_KEY",
)
resp = client.chat.completions.create(
model="nex-agi/nex-n2.5-mini:free",
messages=[{"role": "user", "content": "Open the settings app and turn on dark mode."}],
extra_body={"reasoning_effort": "medium"},
)
print(resp.choices[0].message.content)家族矩陣與選型
以下全是官方 2026-09-08 表（自家 NexAU 測 coding、NexCUA 測 computer-use，尚無獨立第三方複現）：
| Benchmark | mini | Pro | Max | 同表最強競品 |
|---|---|---|---|---|
| Terminal-Bench 2.1 | 73.4 | 82.7 | 86.1 | Opus 5：89.1 |
| SWE-Bench Pro | 43.8 | 61.2 | 65.7 | Opus 5：79.2 |
| DeepSWE v1.1 | 36.1 | 55.8 | 65.6 | Opus 5：73.7 |
| BrowseComp | 83.4 | 89.7 | 92.6（全表最高） | Opus 5：90.8 |
| OSWorld-G（定位） | 82.9 | 87.4（全表最高） | — | Qwen3.8-Max：84.9 |
| OSWorld-Verified | 71.2 | 82.2 | — | Qwen3.8-Max：86.1 |
| Toolathlon Verified | 54.6 | 68.5 | 74.7 | Opus 5／Kimi-K3：76.5 |
| AutomationBench | 32.3 | 44.2 | 50.2 | Opus 5：50.3 |
選型邏輯：要免費試 computer-use 迴圈——mini；要定位精度又hold得住單機——Pro；要文字推理上限——Max（但你得有 16×H200）。Max 沒有 OSWorld 類分數，因為它是純文字模型，進不了 computer-use 領域——選型時別拿錯尺量。
開源策略與生態
三款全掛 Apache-2.0，權重同時上 Hugging Face 和 ModelScope，託管走 OpenRouter（mini／Pro 有免費層）。部署吃自家 sglang fork（nexagi/sglang:v0.5.18-nex-patch），也支援 vLLM 與 transformers。對比 Laguna 的 OpenMDW-1.1，Apache-2.0 是更無爭議的商用友善授權，企業法務阻力更小。
免費層的策略值得記一筆：mini 和 Pro 同時掛 $0.00，等於把「試用」成本壓到零。跟 Laguna 的免費 256K 限 context 不同，Nex 免費的是完整模型——代價是 rate limit，下量前先看 OpenRouter 的限流文件。
與競品的位置
一句話：coding 榜老實跟跑，computer-use 榜超車。
文字 coding（Terminal-Bench、SWE-Pro、DeepSWE）三款全輸 Opus 5，差距從 3pp 到 35pp 不等；Max 的 SWE-Pro 65.7 倒是贏過 GPT-5.6 Sol（64.6）和 Kimi-K3（63.3），算是開源第一梯隊。但 OSWorld-G 上 mini（82.9）和 Pro（87.4）雙雙超車 Opus 5（76.8）與 GPT-5.6 Sol（77.7），BrowseComp Max（92.6）更是全表唯一贏過 Opus 5 的——這就是「視覺 grounding＋自我修正」的押注兌現。
提醒一句：全表是官方自測（NexAU／NexCUA），競品分數取自各家公開報告與 leaderboard，沒有第三方在同一 harness 下重跑。看的時候把「自家主場」折扣打進去。
對 Agent 開發者的意義
如果你在做 computer-use／browser-use 原型：mini 是目前最便宜的驗證入口——免費層＋82.9 的定位分數，先驗證「視覺回饋修正」迴圈跑不跑得動，再決定要不要綁付費 API。
如果你要自架主力 agent：Pro 是甜蜜點。87.4 的定位精度、82.7 的 TB 2.1、單機 8×H100，Apache-2.0 拿回去改也沒包袱。沿用 N2 的 sglang 部署腳本就能升級。
不適合：要頂尖 coding 精度（SWE-Pro 61.2 離 Opus 5 的 79.2 還有 18pp）、要商用 SLA（官方至今只有 OpenRouter 免費層，沒有獨立商用定價）、要純文字旗艦的多模態以外的能力（那是 Max 的地盤，且你要有兩節點 H200）。
整體來說
Nex-N2.5 的賭注和 Laguna 是同一枚硬幣的另一面：Laguna 賭「撐住的行為」，Nex 賭「看見的迴圈」——把視覺從輸入變成驗證介面，讓 agent 在真實環境裡自己把任務推完。mini 證明 35B 也能玩這套，Pro 證明這套能超車閉源，Max 證明這套能上兆級。
後續觀察重點：NexCUA 開源後第三方能不能複現 OSWorld-G 的 87.4；以及 Max 的純文字路線會不會在下一代和多模態線合流——1.6T 只做文字，怎麼看都像未完成的拼圖。
參考資料
- Nex AGI 官方：Nex-N2.5 — Vision into Action
- Hugging Face：nex-agi/Nex-N2.5-mini（含全家族 benchmark 表）
- Hugging Face：nex-agi/Nex-N2.5-Pro
- Hugging Face：Nex-N2.5 Collection（三款權重入口）
- GitHub：nex-agi/Nex-N2.5（部署與評測）
- GitHub：nex-agi/Nex-N2（前代 benchmark 與基座規格）
- GitHub：nex-agi/Nex-N1（第一代，8B～671B 四款）
- Hugging Face：Nex-N1 Collection
- OpenRouter：nex-agi/nex-n2.5-mini:free
- OpenRouter：nex-agi/nex-n2.5-pro:free
Loading...