nex-agi 開源推理模型 Nex-N2：專打智慧體任務，還能按需動腦

Nex-N2 是 nex-agi 開源的一套專門打智慧體任務和複雜程式設計的推理模型。它最大的特點，是把思考、呼叫工具和環境執行融成了一套統一邏輯，而且模型自己知道什麼時候該認真想，什麼時候直接動手。

這套模型基於 Qwen 3.5 系列做後訓練，這次一次性放出了兩個尺寸，都是混合專家架構。大號的 Nex-N2-Pro 總引數 3970 億，每次推理只啟用 170 億引數；小號的 Nex-N2-mini 總引數 350 億，啟用引數只有 30 億。啟用引數壓得這麼低，就是為了讓你在實際跑長週期任務時不至於被視訊記憶體和推理成本拖垮。

它能做什麼

一般的推理模型有個毛病，遇到什麼指令都要長考半天，不僅慢還浪費算力。Nex-N2 解決這個問題的辦法叫自適應思考。碰到簡單的命令列或者常規檔案操作，它直接快速執行；遇到架構設計、報錯除錯這類關鍵卡點，它才會呼叫深度推理。

按照開發團隊的定義，這套框架把需求理解、任務規劃、寫程式碼、環境反饋和除錯迭代串成了一個閉環。模型不是把搜資料、寫指令碼、調介面割裂開來，而是在整個執行鏈條裡保持同一種思考模式。

在實際場景裡，它瞄準的是 OpenClaw 風格的單人公司自動化工作流、端到端獨立遊戲開發，以及複雜的終端命令執行。在官方評測裡，Nex-N2-Pro 在 Terminal-Bench 2.1 拿下了 75.3 分，GDPval 達到 1585 分，在 DeepSuite 上跑出 33.6 分，在多個基準測試上越過了 DeepSeek V4 和 GLM 5.1 等開源前代模型，官方稱部分表現能夠比肩 GPT-5.5 與 Opus 4.7。

怎麼跑起來

這套模型已經在 Hugging Face 和 ModelScope 上開放了權重下載，想直接調 API 嚐鮮的開發者也可以在 SiliconFlow 上找到早期體驗接入。

本地或者叢集部署方面，官方推薦搭配他們定製的 sglang 分支來跑。小號的 mini 版本要求很低，一臺雙卡 H100 就能以張量並行模式拉起來；如果想跑滿血的 Pro 版本，官方給出的參考配置是兩臺 8 卡 H100 節點。

除了常規原始碼安裝，他們還提供了一個打包好的 Docker 映象，內建了適配 Qwen 3 系列解析器的排程環境，省去了自己折騰推理後端的麻煩。

為什麼重要

如果你正在用開源模型搭程式設計智慧體或者自動化流水線，Nex-N2 是目前非常值得拿來替換現有後端的一個選手。過去很多開源模型雖然跑分漂亮，但一旦扔進真實的終端或者複雜環境，很容易在多步反饋中死迴圈或者亂調工具。Nex-N2 把思考深度和執行動作打通，就是奔著解決這種實操卡頓去的。

更聰明的地方在於它的自適應機制和 MoE 啟用控制。對於天天跑自動化指令碼的個人開發者和初創團隊來說，算力賬單往往按 token 算，每一輪無意義的思考都在燒錢。用極小的啟用引數換取高推理上限，很可能會成為後續開源智慧體模型的標準打法。不過這也意味著它的表現深度依賴執行環境的反饋質量，能不能在你的私有程式碼庫裡跑順，還得看你給它配的外圍腳手架夠不夠穩。