MDL-6500EST.2026 · IDX.217
Model językowyW produkcji

Nex-N2.5-mini

Nex AGI · China · 2026

Mały i tani model rodziny: 35 mld parametrów, 3 mld aktywnych, dwie karty H100 do uruchomienia i jeden test, w którym trafia we właściwe miejsce na ekranie lepiej niż modele pięćdziesiąt razy większe.

Ocena wujec.ai

/10

Ocena społeczności

brak głosów
Zaloguj się, aby ocenić

Nex-N2.5-mini to wejściowy model rodziny Nex-N2.5, opublikowany z otwartymi wagami 8 września 2026 roku. Podobnie jak wersja Pro nie jest modelem, który Nex AGI wytrenowało od zera: firmowa strona podaje jako fundament Qwen3.5-35B-A3B-Base, a karta na Hugging Face wspomina wyłącznie o multimodalnych podstawach wcześniejszego Nex-N2. Nex AGI dokłada do tego dotrenowanie pod pracę agenta — obsługę komputera, przeglądanie stron, uruchamianie i testowanie programów z informacją zwrotną z ekranu. Jako mały model przegrywa większość porównań, a producent te porażki publikuje, zamiast je ukrywać: 73,4 w Terminal-Bench 2.1 wobec 82,7 dla wersji Pro, 43,8 w SWE-Bench Pro wobec 61,2, 28,5 w Job Bench wobec 41,4. Jeden wynik łamie ten schemat i to dla niego powstał ten profil: w OSWorld-G, który mierzy, czy model potrafi wskazać właściwy element na ekranie, dostaje 82,9 — przed Claude Opus 5 z wynikiem 76,8, GPT-5.6 Sol z 77,7 i Kimi-K3 z 79,6. Trafienie kliknięciem, inaczej niż rozumowanie nad zadaniem, nie wymaga więc dużego modelu; wymaga trenowania na ekranach. Architektura to rzadka mieszanka ekspertów Qwen3.5 w małej konfiguracji: 40 warstw, 256 ekspertów kierowanych z 8 aktywnymi na token, wymiar ukryty 4096, słownik 248 320, hybrydowa ścieżka uwagi liniowej i zadeklarowane okno 262 144 tokenów. Wagi są wydane skwantowane blokowo do FP8, a firmowy przepis uruchamia model na dwóch kartach H100, co mieści go w zasięgu pojedynczego serwera klasy stacji roboczej. Model jest udostępniany bezpłatnie na OpenRouterze, w dniu premiery bez pozycji płatnej, a przeróbki społeczności — GGUF, MLX, NVFP4 — pojawiły się w ciągu kilku dni, część z nich z większą liczbą pobrań niż oryginalne wagi. Myślenie jest domyślnie adaptacyjne, wywoływanie funkcji korzysta z formatu narzędziowego Qwena, a wszystkie wyniki testów na tej stronie pochodzą od producenta.

#open weights#Apache 2.0#MoE#multimodal#vision#agentic#computer use#post-trained#China
Strona oficjalna

Wideo

Brak materiałów wideo.

Recenzje

Brak recenzji. Bądź pierwszy!

Zaloguj się, aby napisać recenzję