Nex-N2.6 是 GLM-5.3-Flash 的後訓練衍生品,模型卡自己的對比表就是最好的評價材料:同一張表裏,後訓練提升了什麼、沒提升什麼,一目瞭然。DeepSeek-V4.1-Flash 是表裏的第四個模型,也是 AutomationBench 上最強的一個。本文用模型卡自己的數字說話,再把上下文與參數的兩個口徑問題講清楚。
對底座 GLM-5.3-Flash:OSWorld 78.0→83.0(+5.0),是後訓練最大的基準提升;推理重複率 6.0%→1.6%;整體不重複率 96.2%→97.8%;有效工具選擇率(整體)85.3%→100.0%,(有工具時)84.1%→100.0%。計算機使用與可靠性是後訓練明確的提升項——N2.6 的定位(計算機使用智能體)與提升項是一致的。
對底座:Terminal-Bench 2.1 84.3→84.1(−0.2),AutomationBench 48.8→45.7(−3.1)——兩項都低於底座。後訓練沒有提升全部能力,終端任務與業務流程反而退步。對 DeepSeek-V4.1-Flash:AutomationBench 54.8 全表最高,比 N2.6 高 9.1 分;TB 2.1 82.7,比 N2.6 低 1.4 分;OSWorld 71.7,比 N2.6 低 11.3 分。業務流程任務上,DeepSeek 是表裏最強的;計算機使用任務上,N2.6 是表裏最強的。選型結論很直接:按任務類型選,不要按品牌選。
N2.6 的上下文有兩個數字:OpenRouter 端點 262,144 tokens,發佈配置 1,048,576 tokens。兩者都是官方口徑,但指向不同場景:API 上實際能用的是 262K,1M 只存在於發佈配置裏,自託管按配置可達 1M(未獨立驗證)。ai345(中文,11 月 11 日)最早指出了這個口徑差。做選型時按 262K 算——除非你打算自託管並且自己驗證 1M 可用。
N2.6 是 321.3B 總參數,底座 GLM-5.3-Flash 是 320B——多出的 1B 是取整/適配器 artifact,不是新架構。45 層、4096 維骨幹(3 層稠密 FFN + 42 層稀疏 MoE)與底座一致,激活參數約 18B 與底座相同。任何把「321B」讀成「比底座多了 10 億參數的新模型」的說法,都是錯的。
OSWorld(78.0→83.0)與可靠性(重複率 6.0%→1.6%,工具遵循率 85.3%→100%)。沒提升的是 TB 2.1(84.3→84.1)與 AutomationBench(48.8→45.7),兩項都低於底座。
按模型卡的表選 DeepSeek-V4.1-Flash:AutomationBench 54.8 全表最高,比 N2.6 高 9.1 分。計算機使用任務選 N2.6(OSWorld 83.0 全表最高)。終端任務三者接近,底座 84.3 反而是最高的。
兩個數字都是官方口徑:OpenRouter 端點 262,144 tokens,發佈配置 1,048,576 tokens。API 上實際能用的是 262K;1M 只在發佈配置裏,自託管按配置可達(未獨立驗證)。選型按 262K 算。
參考來源:Hugging Face — nex-agi/Nex-N2.6 模型卡(三基準表與可靠性表) · OpenRouter — nex-agi/nex-n2.6 模型頁(上下文口徑)(本文爲本站改寫與整理,事實以模型卡與 OpenRouter 爲準)