Nex-AGI(上海創新研究院開源)2026 年 11 月 10 日在 OpenRouter 靜默上架的計算機使用智能體:約 321B 參數,在智譜 GLM-5.3-Flash 底座上後訓練而來,模型卡自報 OSWorld 83.0,FP8 權重以 Apache 2.0 開源。但要先把定位說清楚:三項基準全部是廠商自報,Artificial Analysis、LiveBench、LMArena 沒有任何獨立評分;它不是新基座,而是 8 月底座的後訓練衍生品;Terminal-Bench 2.1 低於自家底座,AutomationBench 低於 DeepSeek。本頁彙總官方規格、價格、基準解讀與 6 篇本站深度實測,並明確標註哪些說法尚未證實。
先把能確認的說清楚:這是本站第一個計算機使用智能體專題,也是一份證據最薄的專題——「開源權重是真的,獨立驗證還沒有」是理解 Nex-N2.6 的一句話。
與最接近的同類模型橫向對照:AA 指數、價格、上下文與開源情況一覽。點擊模型名進入專題頁。
| 模型 | AA 指數(v5.0) | 輸入 · 輸出價格 | 上下文 | 開源 |
|---|---|---|---|---|
| Nex-N2.6 | 未收錄 | $0.12 / $0.40 每百萬 tokens(8 折) | 262K(OpenRouter)/ 1M(發佈配置) | 是(Apache 2.0) |
| Kimi K3.1 Pro | 46(v5.0) | $2 / $10 每百萬 tokens | 1M tokens | 是(自定義許可) |
| 騰訊混元 Hy4 | 35 | ¥6 / ¥18 每百萬 tokens(5 折至 12-31) | 1M tokens | 否(僅 preview 權重) |
| Inkling 2 Small | 31 | $0.30 / $1.00 每百萬 tokens | 1M(架構上限;Tinker 64K/256K) | 是(Apache 2.0) |
| 美團 LongCat 2.5 | 未收錄 | $0.30 / $1.20 每百萬 tokens(限時價) | 1M tokens | 是(MIT) |
AA 指數爲 Artificial Analysis 獨立發佈(v5.0);「未收錄」表示該模型尚未登上 AA 榜單。價格爲每百萬 tokens 的輸入·輸出價,人民幣價與美元價是各廠商的兩套目錄價,不可直接換算比較。完整對比見第 13 節,完整基準盤點見第 12 節。
模型卡三基準對照——全部爲 Nex-AGI 廠商自報,Nex-N2.6 尚無獨立評分;完整基準盤點見第 12 節。
時間不多的話,先讀這三篇;完整目錄見第 10 節。
這是一次兩段式發佈:11 月 10 日只有 API 上架,權重與模型卡約 11 月 12 日纔出現——兩天的信息真空期裏,早期評測寫下的「無基準、無權重」在次日就過時了。
底座 GLM-5.3-Flash 發佈(320B/18B),N2.6 的後訓練起點。
前代 Nex-N2.5-Pro 發佈(Qwen3.5 底座,約 397B/約 17B 激活),OpenRouter 定價 $0.075/$0.25。
N2.6 在 OpenRouter 靜默上架(nex-agi/nex-n2.6):無發佈文、無可讀模型卡、無基準表;同日 GitHub 倉庫 sii-nex/Nex-N2.6 創建。廠商官網當時仍只宣傳 N2.5 家族。
Hugging Face 倉庫 nex-agi/Nex-N2.6 尚不可公開讀取(OrcaRouter 遇到登錄提示,Hokai 遇到缺失頁面);ai345(中文)發現 ModelScope 404、HF 不可達。OrcaRouter 與 Hokai 當日寫下的「無基準、無權重」說法,在次日即過時。
MOSS API 開始限時免費推廣(0 積分/請求,無結束日期、無 SLA)。
權重與模型卡變爲可公開讀取。Open Model Weights 11 月 12 日發佈權重報道;lininn.cn(中文)同日發佈批評長文,含 Plotly 38/43 與 1,670 次調用失敗案例;SMF Clearinghouse 同日發佈 Cold Iron 實測:157 題 76.4%,較 N2.5-Pro 提升 24.8 分(見第 09 節)。
ModelScope 上架:nex-agi/Nex-N2.6 頁面上線(更新日期 11 月 12 日),129 個 safetensor 分片、頁面標註總大小 224.8GB、Apache 2.0;README 三項基準(OSWorld 83.0、Terminal-Bench 2.1 84.1、AutomationBench 45.7)與 HF 模型卡一致;下載量 13 次。
AI Weekly 發佈發稿總結(HF 月下載 410 次);After Intelligence 通訊第 070 期把 N2.6 列爲四個前沿頭條之一;兩條 Instagram 短視頻(小創作者,宣傳口徑)。
GameBench 2(DuelLab 總榜)上線 N2.6 成績:綜合 62.0,95 個模型中第 19(Max 50.1 / High 63.2 / Low 72.7)。
本站專題上線;截至當日,Artificial Analysis、LiveBench、LMArena 均未收錄 N2.6。
以下爲模型卡與 OpenRouter 端點已公佈口徑(HF 模型卡直讀於 2026 年 11 月 16 日凌晨,頁面抓取於 2026 年 11 月 15 日 18:16 UTC)。全部基準爲廠商自報;模型卡明說分數是模型級結果,不是 FP8 導出物的單獨評估。
三條路線:OpenRouter 按量付費、MOSS API 限時免費、自託管 FP8 權重。沒有聊天應用入口,也沒有其它託管服務商。
模型 ID nex-agi/nex-n2.6,$0.12/$0.40 每百萬 tokens(輸入/輸出),緩存讀 $0.024;唯一服務商爲 Nex-AGI 自身,無備用端點。推理強制開啓,medium/high 兩檔,默認 high;上下文 262,144 tokens,最大輸出 235,929 tokens(推理 token 佔用預算,實際可用輸出更少)。
端點 api.mosi.cn/v1,模型別名 nex-n2.6(固定版 nex-n2.6-2026-11-05),0 積分/請求,無結束日期;兼容 OpenAI Chat Completions / Responses 與 Anthropic Messages;不承諾 SLA。免費窗口隨時可能結束,生產使用請勿依賴。
Hugging Face 倉庫 nex-agi/Nex-N2.6,Apache 2.0;129 個分片約 328GB,SGLang 推薦部署(FP8 配置,與 GLM-5.3-Flash 運行時兼容);4-bit 約 202.6GB。硬件現實:24GB 消費級顯卡遠遠不夠,現實起點是 512GB 統一內存的 Mac Studio 或多卡服務器。詳見本站自託管指南。
單價本身很便宜——$0.12/$0.40 是本站專題裏最低的 API 價之一;但比前代貴 60%,且 8 折沒有寫明截止日。價格爲 2026 年 11 月 16 日覈查口徑,結賬頁價格爲準。
| 項目(每百萬 tokens) | Nex-N2.6 | Nex-N2.5-Pro | N2.6 標價 |
|---|---|---|---|
| 輸入 | $0.12 | $0.075 | $0.15 |
| 輸出 | $0.40 | $0.25 | $0.50 |
| 緩存讀 | $0.024 | — | — |
| 相對前代 | 貴 60%(輸入與輸出同幅) | — | — |
OpenRouter 顯示 $0.12/$0.40 爲標價 $0.15/$0.50 的 8 折,但未寫明結束日期;按 introductory 價理解,漲回標價時單價上升 25%。MOSS 的免費窗口同樣沒有結束日期——兩處「免費/折扣」都沒有時間承諾,預算請按標價做最壞打算。
與前代 N2.5-Pro 的 $0.075/$0.25 相比,N2.6 輸入與輸出各貴 60%。換來的是 OSWorld 82.2→83.0、推理重複率 16.0%→1.6%、工具遵循率 100%——可靠性修復是真實的,但基準提升幅度很小,是否值 60% 取決於你的任務是否被 N2.5-Pro 的重複與工具錯誤困擾過。
官方頁面:OpenRouter 模型頁 · Hugging Face 模型卡
以下全部是 11 月 10–16 日的公開材料:廠商模型卡是唯一成體系的數據,獨立證據只有五條小樣本記錄——先說結論:沒有一條獨立評分,Plotly 獨立基準運行與底座打平,最有力的批評來自一篇中文長文。每條都給出結論徽章;點「閱讀本站全文」進入本站的深度改寫文章頁,文末附原始出處。
來源:Hugging Face 模型卡(Nex-AGI),本站直讀 2026-11-16
OSWorld 83.0(表內第一,高底座 5.0 分、高前代 0.8 分);Terminal-Bench 2.1 84.1,低於自家底座 GLM-5.3-Flash 的 84.3;AutomationBench 45.7,低於底座的 48.8 與 DeepSeek-V4.1-Flash 的 54.8。內部可靠性評估:推理重複率由 N2.5-Pro 的 16.0% 降至 1.6%,工具遵循率 100%。模型卡明說:分數是模型級結果,不是 FP8 導出物的單獨評估。
閱讀本站全文 → (本站原創整理)
來源:lininn.cn,2026-11-12(第三方運行)
獨立基準運行:Plotly DataAnalyticsBench 38/43,與底座 GLM-5.3-Flash 同分。放在本站跟蹤的同一榜上:Carbon 42/43、Hydrogen 43/43 滿分,N2.6 的 38/43 排在兩者之後。兩次失控循環把整輪成本推高到 $10.19。
閱讀本站全文 → (本站原創整理)
來源:SMF Clearinghouse(SMF Works),2026-11-12(157 題自制套件,單次運行)原文 →
120/157(76.4%),該榜第 24 名;較前代 Nex-N2.5-Pro 的 51.6% 提升 24.8 分:數學由 1/30 修到 22/30,推理 9/30 升至 27/30,工具調用 0/2 升至 2/2。但編碼只有 11/30,17 個失敗中有 14 個是 SyntaxError,其中 4 題把中文破折號/箭頭寫進了代碼、5 題字符串未閉合。限定條件:單次運行、157 題小套件;模型無法關閉思考(effort=none 返回 HTTP 400),本次以 medium 檔運行,推理 token 佔全部輸出的 88%;全程 $0.13、49.8 分鐘。
來源:lininn.cn,2026-11-12(第三方測試)
第三方測試裏,模型對一道數據分析題調用 1,670 次、耗時 2 小時 20 分鐘,始終沒有找到答案;賬單 $10.19。與模型卡 100% 工具遵循率的自我評估放在一起讀:內部回放與真實長任務不是一回事。
閱讀本站全文 → (本站原創整理)
來源:DuelLab,2026-11-14 更新(總榜口徑;分檔 Max 50.1 / High 63.2 / Low 72.7)
GameBench 2 綜合 62.0,95 個模型中排第 19;分檔成績 Max 50.1、High 63.2、Low 72.7,低檔反而最高,高檔表現明顯弱於低檔。仍是單一榜單,無法據此判斷整體水平。
來源:hypeorcode(小樣本運行)
6 次運行、總計 28 分 48 秒、按標價 $0.077。列在這裏是因爲除此之外幾乎沒有公開的動手運行記錄。
來源:OrcaRouter、vakati-tech、DuelLab;Epoch AI:尚無標準化分數
截至 11 月 16 日,Artificial Analysis 沒有 N2.6 的模型頁,LiveBench 沒有運行記錄,LMArena 沒有收錄;Epoch AI 稱尚無標準化分數。三大榜單的標準化分數仍是空白,獨立證據只有零星運行(見上)——AA、LiveBench、LMArena 收錄仍是 8 小時跟蹤循環的首要盯梢項。
來源:OrcaRouter、Hokai,2026-11-11(模型卡可讀前寫成)
兩篇 11 月 11 日的分析寫於模型卡可讀之前,其中的「無基準、無權重」說法在 11 月 12 日權重可讀後即已過時,引用時請勿採用;但它們對價格與 Qwen→GLM 換底座的分析仍然有效。兩家給出的吞吐數字互相沖突(Hokai 80 tok/s、OrcaRouter 約 35 tok/s),本站不採納單一數字。
閱讀本站全文 → (本站原創整理)
以下 6 篇均爲本站原創改寫與再整理的深度文章——重新組織結構、補充結論與選型建議,事實與數據與原始測評覈對一致。點擊任意一篇在本站內閱讀,文末附原始出處。
模型卡只給了三項基準與一張內部可靠性表,數據量不大;但全部是廠商自報,對手分數是 Nex-AGI 同場列出而非各家公佈值。讀分數前先看條件,再看獨立證據怎麼說。
| 測試(模型卡,廠商自報) | Nex-N2.6 | Nex-N2.5-Pro | GLM-5.3-Flash(底座) | DeepSeek-V4.1-Flash |
|---|---|---|---|---|
| OSWorld(計算機使用) | 83.0 | 82.2 | 78.0 | 71.7 |
| Terminal-Bench 2.1(終端任務) | 84.1 | 82.7 | 84.3 | 82.7 |
| AutomationBench(業務流程) | 45.7 | 44.2 | 48.8 | 54.8 |
| 指標 | Nex-N2.5-Pro | GLM-5.3-Flash | Nex-N2.6 |
|---|---|---|---|
| 推理重複率 ↓ | 16.0% | 6.0% | 1.6% |
| 整體不重複率 ↑ | 91.0% | 96.2% | 97.8% |
| 有效工具選擇率(整體)↑ | 82.2% | 85.3% | 100.0% |
| 有效工具選擇率(有工具時)↑ | 80.5% | 84.1% | 100.0% |
| 測量 | 來源 | N2.6 成績 | 說明 |
|---|---|---|---|
| Plotly DataAnalyticsBench | lininn.cn,11 月 12 日 | 38/43 | 與底座同分;Carbon 42/43、Hydrogen 43/43;整輪 $10.19,兩次失控循環 |
| Cold Iron(157 題自制套件) | SMF Clearinghouse,11 月 12 日 | 76.4%(120/157),第 24 名 | 較 N2.5-Pro 提升 24.8 分;單次運行;思考無法關閉,以 medium 檔運行 |
| GameBench 2(綜合) | DuelLab,11 月 14 日更新 | 62.0,第 19/95 | 單一榜單;分檔 Max 50.1 / High 63.2 / Low 72.7 |
| hypeorcode 運行 | hypeorcode | 6 次運行,28 分 48 秒,$0.077 | 小樣本,無結論 |
| lininn.cn 失敗案例 | lininn.cn,11 月 12 日 | 1,670 次調用未解題,$10.19 | 最有力的批評數據點 |
| Artificial Analysis / LiveBench / LMArena | — | 均未收錄 | 無獨立評分 |
完整盤點見本站基準測試專文 →
| 維度 | Nex-N2.6 | Nex-N2.5-Pro |
|---|---|---|
| 底座 | GLM-5.3-Flash | Qwen3.5 |
| 總參數 | 約 321B | 約 397B |
| 激活參數 | 約 18B | 約 17B |
| OSWorld | 83.0 | 82.2 |
| Terminal-Bench 2.1 | 84.1 | 82.7 |
| AutomationBench | 45.7 | 44.2 |
| 推理重複率 | 1.6% | 16.0% |
| 有效工具選擇率(整體) | 100.0% | 82.2% |
| 價格(輸入 / 輸出) | $0.12 / $0.40 | $0.075 / $0.25(N2.6 貴 60%) |
| 上下文(OpenRouter) | 262K | 262K |
| 發佈 | 2026-11-10 | 2026-09-08 |
兩代之間的變化是真實的:換底座、修可靠性、貴 60%。基準提升很小(OSWorld +0.8、TB 2.1 +1.4、AutomationBench +1.5),真正的變化在可靠性——重複率從 16.0% 降到 1.6%。是否升級,取決於你的任務是否被前代的重複與工具錯誤困擾過。
| 維度 | Nex-N2.6 | GLM-5.3-Flash | DeepSeek-V4.1-Flash |
|---|---|---|---|
| OSWorld | 83.0 | 78.0 | 71.7 |
| Terminal-Bench 2.1 | 84.1 | 84.3 | 82.7 |
| AutomationBench | 45.7 | 48.8 | 54.8 |
| 推理重複率 | 1.6% | 6.0% | — |
| 有效工具選擇率(整體) | 100.0% | 85.3% | — |
後訓練的賬算得很清楚:OSWorld +5.0、重複率 6.0%→1.6%、工具遵循率 85.3%→100%——計算機使用與可靠性是提升項;TB 2.1 −0.2、AutomationBench −3.1——終端與業務流程反而退步。DeepSeek-V4.1-Flash 的 AutomationBench 54.8 全表最高,業務流程任務上 N2.6 不是首選。另注意上下文口徑:N2.6 在 OpenRouter 是 262K,發佈配置是 1M——API 上實際能用的只有 262K,見對比專文。
讀深度對比:Nex-N2.6 vs N2.5-Pro → · 讀深度對比:Nex-N2.6 vs GLM 與 DeepSeek →
N2.6 的混淆主要來自三個地方:發佈日與開源日、模型級分數與 FP8 導出物、互相沖突的速度數字——逐條澄清如下。
11 月 10 日只是 OpenRouter 靜默上架:無發佈文、無模型卡,HF 倉庫次日仍不可讀;權重與模型卡約 11 月 12 日纔可公開讀取。發佈日與開源日是兩回事,本站分開寫。
OrcaRouter 與 Hokai 11 月 11 日的說法,寫於模型卡可讀之前;11 月 12 日起模型卡(三基準+可靠性表)與 FP8 權重均已公開。引用這兩篇時只採其價格與換底座分析,不要採其「無基準/無權重」結論。
模型卡原話:分數是模型級結果,不是 FP8 導出物的單獨評估。下載下來的 FP8 權重從未被獨立測過,83.0 不能讀成導出物的分數。
OSWorld 78.0→83.0、重複率 6.0%→1.6%、工具遵循率 85.3%→100%,提升是真實的;但 TB 2.1 84.3→84.1、AutomationBench 48.8→45.7,反而低於底座。後訓練提升了計算機使用與可靠性,沒提升全部能力。
Hokai(11 月 11 日,OpenRouter)稱 80 tok/s、延遲 0.89 秒;OrcaRouter 稱約 35 tok/s、p50 2.81 秒。兩家數字差兩倍多,本站不採納任何單一吞吐/延遲數字。
N2.6 是 GLM-5.3-Flash(320B)的後訓練衍生品;1B 的參數差值是取整/適配器 artifact,不是新架構。45 層、4096 維骨幹與底座一致。
是。Apache 2.0 許可證,FP8 權重在 Hugging Face 公開(倉庫 nex-agi/Nex-N2.6,129 個分片約 328GB)。但注意:權重約 11 月 12 日纔可讀,不是 11 月 10 日發佈當天;且模型卡分數是模型級結果,不是 FP8 導出物的單獨評估。
智譜 GLM-5.3-Flash(2026 年 8 月 26 日發佈,320B/18B)。N2.6 是它的後訓練衍生品,不是新基座;前代 N2.5-Pro 用的是 Qwen3.5 底座,兩代之間換了底座。詳見本站發佈總覽。
三處:底座由 Qwen 換成 GLM;可靠性大幅修復(推理重複率 16.0%→1.6%,工具遵循率 100%);價格貴 60%($0.12/$0.40 對 $0.075/$0.25)。基準提升很小,上下文同爲 262K。詳見本站對比專文。
能,但門檻很高:FP8 權重約 328GB,4-bit 約 202.6GB;24GB 消費級顯卡遠遠不夠,現實起點是 512GB 統一內存的 Mac Studio 或多卡服務器,推薦 SGLang 部署。詳見本站自託管指南。
MOSS API 限時免費(0 積分/請求,無結束日期、無 SLA);OpenRouter 按 $0.12/$0.40 每百萬 tokens 計費(標價 8 折,無截止日)。免費窗口隨時可能結束,生產使用請勿依賴。詳見本站價格指南。
分項看:OSWorld 83.0 對 78.0、可靠性全面勝出;但 Terminal-Bench 2.1 84.1 對 84.3、AutomationBench 45.7 對 48.8,反而低於底座。計算機使用任務選 N2.6,終端與業務流程任務底座未必更差。詳見本站基準專文。
本頁事實均來自以下公開來源(HF 模型卡直讀於 2026 年 11 月 16 日凌晨,頁面抓取於 2026 年 11 月 15 日 18:16 UTC;其餘覈查於 2026 年 11 月 11–16 日)。無鏈接的條目爲按名稱與日期引用的報道原文,本站覈查時讀過但不虛構鏈接。
更多索引:Nex-AGI的全部模型專題 · 全部大語言模型 · 全部模型