nex-agi 开源推理模型 Nex-N2：专打智能体任务，还能按需动脑

Nex-N2 是 nex-agi 开源的一套专门打智能体任务和复杂编程的推理模型。它最大的特点，是把思考、调用工具和环境执行融成了一套统一逻辑，而且模型自己知道什么时候该认真想，什么时候直接动手。

这套模型基于 Qwen 3.5 系列做后训练，这次一次性放出了两个尺寸，都是混合专家架构。大号的 Nex-N2-Pro 总参数 3970 亿，每次推理只激活 170 亿参数；小号的 Nex-N2-mini 总参数 350 亿，激活参数只有 30 亿。激活参数压得这么低，就是为了让你在实际跑长周期任务时不至于被显存和推理成本拖垮。

它能做什么

一般的推理模型有个毛病，遇到什么指令都要长考半天，不仅慢还浪费算力。Nex-N2 解决这个问题的办法叫自适应思考。碰到简单的命令行或者常规文件操作，它直接快速执行；遇到架构设计、报错调试这类关键卡点，它才会调用深度推理。

按照开发团队的定义，这套框架把需求理解、任务规划、写代码、环境反馈和调试迭代串成了一个闭环。模型不是把搜资料、写脚本、调接口割裂开来，而是在整个执行链条里保持同一种思考模式。

在实际场景里，它瞄准的是 OpenClaw 风格的单人公司自动化工作流、端到端独立游戏开发，以及复杂的终端命令执行。在官方评测里，Nex-N2-Pro 在 Terminal-Bench 2.1 拿下了 75.3 分，GDPval 达到 1585 分，在 DeepSuite 上跑出 33.6 分，在多个基准测试上越过了 DeepSeek V4 和 GLM 5.1 等开源前代模型，官方称部分表现能够比肩 GPT-5.5 与 Opus 4.7。

怎么跑起来

这套模型已经在 Hugging Face 和 ModelScope 上开放了权重下载，想直接调 API 尝鲜的开发者也可以在 SiliconFlow 上找到早期体验接入。

本地或者集群部署方面，官方推荐搭配他们定制的 sglang 分支来跑。小号的 mini 版本要求很低，一台双卡 H100 就能以张量并行模式拉起来；如果想跑满血的 Pro 版本，官方给出的参考配置是两台 8 卡 H100 节点。

除了常规源码安装，他们还提供了一个打包好的 Docker 镜像，内置了适配 Qwen 3 系列解析器的调度环境，省去了自己折腾推理后端的麻烦。

为什么重要

如果你正在用开源模型搭编程智能体或者自动化流水线，Nex-N2 是目前非常值得拿来替换现有后端的一个选手。过去很多开源模型虽然跑分漂亮，但一旦扔进真实的终端或者复杂环境，很容易在多步反馈中死循环或者乱调工具。Nex-N2 把思考深度和执行动作打通，就是奔着解决这种实操卡顿去的。

更聪明的地方在于它的自适应机制和 MoE 激活控制。对于天天跑自动化脚本的个人开发者和初创团队来说，算力账单往往按 token 算，每一轮无意义的思考都在烧钱。用极小的激活参数换取高推理上限，很可能会成为后续开源智能体模型的标准打法。不过这也意味着它的表现深度依赖执行环境的反馈质量，能不能在你的私有代码库里跑顺，还得看你给它配的外围脚手架够不够稳。