模型#跑分#设备操控

中国 1.6T 开源模型 Nex-N2.5 登顶 BrowseComp,Agent 跑分超过 GLM-5.3 与 DeepSeek-V4

上海创智学院 2026 年 9 月 9 日开源 Nex-N2.5 系列,35B、397B、1.6T 三档权重全部为 Apache-2.0。官方对比表里,1.6T 的 Max 在 BrowseComp 以 92.6 分登顶,压过 Claude Opus 5 与 GPT-5.6 Sol;自动化与工具调用等 Agent 榜单上,Max 也高于 GLM-5.3 和 DeepSeek-V4-Pro。

官方跑分对比图:DeepSWE、SWE-Bench Pro 等六个文本基准的柱状图,Nex-N2.5 三档与 Claude、GPT、GLM、Kimi、DeepSeek 的得分并列展示

上海创智学院 2026 年 9 月 9 日宣布开源 Nex-N2.5 系列,含 35B 的 Mini、397B 的 Pro 和 1.6T 的 Max 三档,权重全部以 Apache-2.0 协议发布。Max 基于 DeepSeek-V4-Pro-Base 训练,官方称这是首次在万亿参数规模上完成完整后训练并开放权重;在官方对比表里,它以 BrowseComp 92.6 分成为全场最高分,超过 Kimi-K3(91.2)、Claude Opus 5(90.8)和 GPT-5.6 Sol(90.4)。

事实部分

  • 三档规格:Mini 基于 Qwen3.5-35B-A3B、Pro 基于 Qwen3.5-397B-A17B,都是多模态 MoE,主打电脑操作、网页浏览与视觉反馈驱动的自我纠错;Max 基于 DeepSeek-V4-Pro-Base,是 1.6T 参数、激活 49B 的纯文本 MoE,面向复杂推理、编程与 Agent 任务。三档上下文窗口均为 256K。
  • 背景:Nex-AGI 是上海创智学院联合上海奇绩智峰、模思智能、基流科技等机构与创业团队建设的能动性模型开源生态,上一代为 Nex-N2 系列。
  • 许可与渠道:权重以 Apache-2.0 上传 Hugging Face 与 ModelScope,Mini、Pro 同时上架 OpenRouter 托管。
  • 跑分:官方 README 与官网发布的对比表如下(2026 年 9 月 8 日更新;加粗为该项最佳,— 为无数据)。
BenchmarkMiniProMaxClaude Opus 5GPT-5.6 SolKimi-K3GLM-5.3DeepSeek-V4-Pro-0813Qwen3.8-Max
Terminal-Bench 2.173.482.786.189.188.888.388.287.986.6
SWE-Bench Pro43.861.265.779.264.663.364.655.467.7
DeepSWE v1.136.155.865.673.772.767.566.962.869.3
AutomationBench v1.0.632.344.250.250.345.846.748.243.239.8
Toolathlon Verified54.668.574.776.574.976.573.074.172.5
GDPval-AA v2144616281713183117111675176315801717
Job Bench28.541.453.665.745.452.958.254.153.4
BrowseComp83.489.792.690.890.491.2———

以上为文本类榜单。多模态类:

BenchmarkMiniProMiniMax-M3Claude Opus 5GPT-5.6 SolKimi-K3GLM-5.3-FlashDeepSeek-V4-Flash-VisionQwen3.8-Max
OSWorld-Verified71.282.275.283.483.284.862.376.786.1
OSWorld-230.556.422.368.362.758.3——46.7
WebTest48.652.8——54.0———52.3
WebArena-Verified63.467.6——69.771.6—62.366.8
OSWorld-G82.987.4—76.877.779.683.359.484.9
Vision2Web52.968.259.0—79.8———75.1
SWE-MM25.538.2—59.440.237.320.639.239.2
OmniDoc89.792.291.6—92.991.1——92.1
  • 关键对照:文本类里,Max 的 AutomationBench(50.2)与 Toolathlon(74.7)高于 GLM-5.3 和 DeepSeek-V4-Pro-0813;SWE-Bench Pro(65.7)、DeepSWE(65.6)与 GDPval(1713)超过 DeepSeek,但与 GLM 互有胜负;Terminal-Bench 2.1(86.1)和 Job Bench(53.6)落后两家。多模态类里,Pro 的 OSWorld-G 87.4 是全场最高。
  • 部署门槛:官方提供内置定制 SGLang 的镜像 nexagi/sglang:v0.5.18-nex-patch——Mini 需 2×H100,Pro 需 8×H100,Max 需 2 个节点共 32×H200。推荐采样参数为 temperature 0.7、top_p 0.95、top_k 40;reasoning_effort 支持不思考、自适应、强制思考三档。
  • 评测口径:官方说明,有公开来源的对比分数取自各厂商报告(Kimi-K3、Qwen3.8-Max、GLM-5.3、HY4),其余为自测;电脑操作类榜单使用自研 NexCUA harness,该 harness 尚未开源。
  • 演示案例:官方展示 Max 修复一块存在缺陷的 CRC16-CCITT 流式加速器 RTL,并跑通综合到 Sky130HD 布局布线全流程(报告 Fmax 约 386 MHz,Setup/Hold TNS 均为 0);Pro 则以 468 个以上动作打完《宝可梦 白金》第一枚道馆徽章,并在 Blender 里把概念图转成 58 个网格件的机甲模型。

编辑判断

在 agent 类任务上,这是中国开源模型第一次在硬核榜单上压过全部闭源前锋——至少在官方这张表里:BrowseComp 92.6 与 OSWorld-G 87.4 都是含闭源对手在内的全场最高分。但先看清口径:对比表以官方自测为主,部分竞品分数取自对方自己的报告,在第三方复现之前,这些数字只能算一面之词。

分方向看更接近实际:浏览器检索、电脑操作、自动化这些方向,Nex-N2.5 确实超过了 GLM-5.3 与 DeepSeek-V4-Pro-0813;回到传统编码任务就是互有胜负,SWE-Bench Pro 65.7 高于两家,Terminal-Bench 2.1 与 Job Bench 仍落后,离 Claude Opus 5 的 SWE-Bench Pro 79.2 还有明显距离。

门槛也摆在明面上:Max 是 32 张 H200 起步的东西,普通团队够不到。能上手的是 OpenRouter 上的 Mini 与 Pro,或自己用 2 张 H100 跑 Mini——拿它试试”开源基座能不能替代闭源 API 做电脑操作”,成本已经很低。

怎么试

  • OpenRouter 直接调用 nex-agi/nex-n2.5-pro、nex-agi/nex-n2.5-mini
  • 权重下载:Hugging Face 与 ModelScope 搜 nex-agi/Nex-N2.5-Max、nex-agi/Nex-N2.5-Pro、nex-agi/Nex-N2.5-mini,均为 Apache-2.0
  • 本地部署:官方 Docker 镜像 nexagi/sglang:v0.5.18-nex-patch,启动命令见仓库 README