Nex-AGI(上海创新研究院开源)2026 年 11 月 10 日在 OpenRouter 静默上架的计算机使用智能体:约 321B 参数,在智谱 GLM-5.3-Flash 底座上后训练而来,模型卡自报 OSWorld 83.0,FP8 权重以 Apache 2.0 开源。但要先把定位说清楚:三项基准全部是厂商自报,Artificial Analysis、LiveBench、LMArena 没有任何独立评分;它不是新基座,而是 8 月底座的后训练衍生品;Terminal-Bench 2.1 低于自家底座,AutomationBench 低于 DeepSeek。本页汇总官方规格、价格、基准解读与 6 篇本站深度实测,并明确标注哪些说法尚未证实。
先把能确认的说清楚:这是本站第一个计算机使用智能体专题,也是一份证据最薄的专题——「开源权重是真的,独立验证还没有」是理解 Nex-N2.6 的一句话。
与最接近的同类模型横向对照:AA 指数、价格、上下文与开源情况一览。点击模型名进入专题页。
| 模型 | AA 指数(v5.0) | 输入 · 输出价格 | 上下文 | 开源 |
|---|---|---|---|---|
| Nex-N2.6 | 未收录 | $0.12 / $0.40 每百万 tokens(8 折) | 262K(OpenRouter)/ 1M(发布配置) | 是(Apache 2.0) |
| Kimi K3.1 Pro | 46(v5.0) | $2 / $10 每百万 tokens | 1M tokens | 是(自定义许可) |
| 腾讯混元 Hy4 | 35 | ¥6 / ¥18 每百万 tokens(5 折至 12-31) | 1M tokens | 否(仅 preview 权重) |
| Inkling 2 Small | 31 | $0.30 / $1.00 每百万 tokens | 1M(架构上限;Tinker 64K/256K) | 是(Apache 2.0) |
| 美团 LongCat 2.5 | 未收录 | $0.30 / $1.20 每百万 tokens(限时价) | 1M tokens | 是(MIT) |
AA 指数为 Artificial Analysis 独立发布(v5.0);「未收录」表示该模型尚未登上 AA 榜单。价格为每百万 tokens 的输入·输出价,人民币价与美元价是各厂商的两套目录价,不可直接换算比较。完整对比见第 13 节,完整基准盘点见第 12 节。
模型卡三基准对照——全部为 Nex-AGI 厂商自报,Nex-N2.6 尚无独立评分;完整基准盘点见第 12 节。
时间不多的话,先读这三篇;完整目录见第 10 节。
这是一次两段式发布:11 月 10 日只有 API 上架,权重与模型卡约 11 月 12 日才出现——两天的信息真空期里,早期评测写下的「无基准、无权重」在次日就过时了。
底座 GLM-5.3-Flash 发布(320B/18B),N2.6 的后训练起点。
前代 Nex-N2.5-Pro 发布(Qwen3.5 底座,约 397B/约 17B 激活),OpenRouter 定价 $0.075/$0.25。
N2.6 在 OpenRouter 静默上架(nex-agi/nex-n2.6):无发布文、无可读模型卡、无基准表;同日 GitHub 仓库 sii-nex/Nex-N2.6 创建。厂商官网当时仍只宣传 N2.5 家族。
Hugging Face 仓库 nex-agi/Nex-N2.6 尚不可公开读取(OrcaRouter 遇到登录提示,Hokai 遇到缺失页面);ai345(中文)发现 ModelScope 404、HF 不可达。OrcaRouter 与 Hokai 当日写下的「无基准、无权重」说法,在次日即过时。
MOSS API 开始限时免费推广(0 积分/请求,无结束日期、无 SLA)。
权重与模型卡变为可公开读取。Open Model Weights 11 月 12 日发布权重报道;lininn.cn(中文)同日发布批评长文,含 Plotly 38/43 与 1,670 次调用失败案例;SMF Clearinghouse 同日发布 Cold Iron 实测:157 题 76.4%,较 N2.5-Pro 提升 24.8 分(见第 09 节)。
ModelScope 上架:nex-agi/Nex-N2.6 页面上线(更新日期 11 月 12 日),129 个 safetensor 分片、页面标注总大小 224.8GB、Apache 2.0;README 三项基准(OSWorld 83.0、Terminal-Bench 2.1 84.1、AutomationBench 45.7)与 HF 模型卡一致;下载量 13 次。
AI Weekly 发布发稿总结(HF 月下载 410 次);After Intelligence 通讯第 070 期把 N2.6 列为四个前沿头条之一;两条 Instagram 短视频(小创作者,宣传口径)。
GameBench 2(DuelLab 总榜)上线 N2.6 成绩:综合 62.0,95 个模型中第 19(Max 50.1 / High 63.2 / Low 72.7)。
本站专题上线;截至当日,Artificial Analysis、LiveBench、LMArena 均未收录 N2.6。
以下为模型卡与 OpenRouter 端点已公布口径(HF 模型卡直读于 2026 年 11 月 16 日凌晨,页面抓取于 2026 年 11 月 15 日 18:16 UTC)。全部基准为厂商自报;模型卡明说分数是模型级结果,不是 FP8 导出物的单独评估。
三条路线:OpenRouter 按量付费、MOSS API 限时免费、自托管 FP8 权重。没有聊天应用入口,也没有其它托管服务商。
模型 ID nex-agi/nex-n2.6,$0.12/$0.40 每百万 tokens(输入/输出),缓存读 $0.024;唯一服务商为 Nex-AGI 自身,无备用端点。推理强制开启,medium/high 两档,默认 high;上下文 262,144 tokens,最大输出 235,929 tokens(推理 token 占用预算,实际可用输出更少)。
端点 api.mosi.cn/v1,模型别名 nex-n2.6(固定版 nex-n2.6-2026-11-05),0 积分/请求,无结束日期;兼容 OpenAI Chat Completions / Responses 与 Anthropic Messages;不承诺 SLA。免费窗口随时可能结束,生产使用请勿依赖。
Hugging Face 仓库 nex-agi/Nex-N2.6,Apache 2.0;129 个分片约 328GB,SGLang 推荐部署(FP8 配置,与 GLM-5.3-Flash 运行时兼容);4-bit 约 202.6GB。硬件现实:24GB 消费级显卡远远不够,现实起点是 512GB 统一内存的 Mac Studio 或多卡服务器。详见本站自托管指南。
单价本身很便宜——$0.12/$0.40 是本站专题里最低的 API 价之一;但比前代贵 60%,且 8 折没有写明截止日。价格为 2026 年 11 月 16 日核查口径,结账页价格为准。
| 项目(每百万 tokens) | Nex-N2.6 | Nex-N2.5-Pro | N2.6 标价 |
|---|---|---|---|
| 输入 | $0.12 | $0.075 | $0.15 |
| 输出 | $0.40 | $0.25 | $0.50 |
| 缓存读 | $0.024 | — | — |
| 相对前代 | 贵 60%(输入与输出同幅) | — | — |
OpenRouter 显示 $0.12/$0.40 为标价 $0.15/$0.50 的 8 折,但未写明结束日期;按 introductory 价理解,涨回标价时单价上升 25%。MOSS 的免费窗口同样没有结束日期——两处「免费/折扣」都没有时间承诺,预算请按标价做最坏打算。
与前代 N2.5-Pro 的 $0.075/$0.25 相比,N2.6 输入与输出各贵 60%。换来的是 OSWorld 82.2→83.0、推理重复率 16.0%→1.6%、工具遵循率 100%——可靠性修复是真实的,但基准提升幅度很小,是否值 60% 取决于你的任务是否被 N2.5-Pro 的重复与工具错误困扰过。
官方页面:OpenRouter 模型页 · Hugging Face 模型卡
以下全部是 11 月 10–16 日的公开材料:厂商模型卡是唯一成体系的数据,独立证据只有五条小样本记录——先说结论:没有一条独立评分,Plotly 独立基准运行与底座打平,最有力的批评来自一篇中文长文。每条都给出结论徽章;点「阅读本站全文」进入本站的深度改写文章页,文末附原始出处。
来源:Hugging Face 模型卡(Nex-AGI),本站直读 2026-11-16
OSWorld 83.0(表内第一,高底座 5.0 分、高前代 0.8 分);Terminal-Bench 2.1 84.1,低于自家底座 GLM-5.3-Flash 的 84.3;AutomationBench 45.7,低于底座的 48.8 与 DeepSeek-V4.1-Flash 的 54.8。内部可靠性评估:推理重复率由 N2.5-Pro 的 16.0% 降至 1.6%,工具遵循率 100%。模型卡明说:分数是模型级结果,不是 FP8 导出物的单独评估。
阅读本站全文 → (本站原创整理)
来源:lininn.cn,2026-11-12(第三方运行)
独立基准运行:Plotly DataAnalyticsBench 38/43,与底座 GLM-5.3-Flash 同分。放在本站跟踪的同一榜上:Carbon 42/43、Hydrogen 43/43 满分,N2.6 的 38/43 排在两者之后。两次失控循环把整轮成本推高到 $10.19。
阅读本站全文 → (本站原创整理)
来源:SMF Clearinghouse(SMF Works),2026-11-12(157 题自制套件,单次运行)原文 →
120/157(76.4%),该榜第 24 名;较前代 Nex-N2.5-Pro 的 51.6% 提升 24.8 分:数学由 1/30 修到 22/30,推理 9/30 升至 27/30,工具调用 0/2 升至 2/2。但编码只有 11/30,17 个失败中有 14 个是 SyntaxError,其中 4 题把中文破折号/箭头写进了代码、5 题字符串未闭合。限定条件:单次运行、157 题小套件;模型无法关闭思考(effort=none 返回 HTTP 400),本次以 medium 档运行,推理 token 占全部输出的 88%;全程 $0.13、49.8 分钟。
来源:lininn.cn,2026-11-12(第三方测试)
第三方测试里,模型对一道数据分析题调用 1,670 次、耗时 2 小时 20 分钟,始终没有找到答案;账单 $10.19。与模型卡 100% 工具遵循率的自我评估放在一起读:内部回放与真实长任务不是一回事。
阅读本站全文 → (本站原创整理)
来源:DuelLab,2026-11-14 更新(总榜口径;分档 Max 50.1 / High 63.2 / Low 72.7)
GameBench 2 综合 62.0,95 个模型中排第 19;分档成绩 Max 50.1、High 63.2、Low 72.7,低档反而最高,高档表现明显弱于低档。仍是单一榜单,无法据此判断整体水平。
来源:hypeorcode(小样本运行)
6 次运行、总计 28 分 48 秒、按标价 $0.077。列在这里是因为除此之外几乎没有公开的动手运行记录。
来源:OrcaRouter、vakati-tech、DuelLab;Epoch AI:尚无标准化分数
截至 11 月 16 日,Artificial Analysis 没有 N2.6 的模型页,LiveBench 没有运行记录,LMArena 没有收录;Epoch AI 称尚无标准化分数。三大榜单的标准化分数仍是空白,独立证据只有零星运行(见上)——AA、LiveBench、LMArena 收录仍是 8 小时跟踪循环的首要盯梢项。
来源:OrcaRouter、Hokai,2026-11-11(模型卡可读前写成)
两篇 11 月 11 日的分析写于模型卡可读之前,其中的「无基准、无权重」说法在 11 月 12 日权重可读后即已过时,引用时请勿采用;但它们对价格与 Qwen→GLM 换底座的分析仍然有效。两家给出的吞吐数字互相冲突(Hokai 80 tok/s、OrcaRouter 约 35 tok/s),本站不采纳单一数字。
阅读本站全文 → (本站原创整理)
以下 6 篇均为本站原创改写与再整理的深度文章——重新组织结构、补充结论与选型建议,事实与数据与原始测评核对一致。点击任意一篇在本站内阅读,文末附原始出处。
模型卡只给了三项基准与一张内部可靠性表,数据量不大;但全部是厂商自报,对手分数是 Nex-AGI 同场列出而非各家公布值。读分数前先看条件,再看独立证据怎么说。
| 测试(模型卡,厂商自报) | Nex-N2.6 | Nex-N2.5-Pro | GLM-5.3-Flash(底座) | DeepSeek-V4.1-Flash |
|---|---|---|---|---|
| OSWorld(计算机使用) | 83.0 | 82.2 | 78.0 | 71.7 |
| Terminal-Bench 2.1(终端任务) | 84.1 | 82.7 | 84.3 | 82.7 |
| AutomationBench(业务流程) | 45.7 | 44.2 | 48.8 | 54.8 |
| 指标 | Nex-N2.5-Pro | GLM-5.3-Flash | Nex-N2.6 |
|---|---|---|---|
| 推理重复率 ↓ | 16.0% | 6.0% | 1.6% |
| 整体不重复率 ↑ | 91.0% | 96.2% | 97.8% |
| 有效工具选择率(整体)↑ | 82.2% | 85.3% | 100.0% |
| 有效工具选择率(有工具时)↑ | 80.5% | 84.1% | 100.0% |
| 测量 | 来源 | N2.6 成绩 | 说明 |
|---|---|---|---|
| Plotly DataAnalyticsBench | lininn.cn,11 月 12 日 | 38/43 | 与底座同分;Carbon 42/43、Hydrogen 43/43;整轮 $10.19,两次失控循环 |
| Cold Iron(157 题自制套件) | SMF Clearinghouse,11 月 12 日 | 76.4%(120/157),第 24 名 | 较 N2.5-Pro 提升 24.8 分;单次运行;思考无法关闭,以 medium 档运行 |
| GameBench 2(综合) | DuelLab,11 月 14 日更新 | 62.0,第 19/95 | 单一榜单;分档 Max 50.1 / High 63.2 / Low 72.7 |
| hypeorcode 运行 | hypeorcode | 6 次运行,28 分 48 秒,$0.077 | 小样本,无结论 |
| lininn.cn 失败案例 | lininn.cn,11 月 12 日 | 1,670 次调用未解题,$10.19 | 最有力的批评数据点 |
| Artificial Analysis / LiveBench / LMArena | — | 均未收录 | 无独立评分 |
完整盘点见本站基准测试专文 →
| 维度 | Nex-N2.6 | Nex-N2.5-Pro |
|---|---|---|
| 底座 | GLM-5.3-Flash | Qwen3.5 |
| 总参数 | 约 321B | 约 397B |
| 激活参数 | 约 18B | 约 17B |
| OSWorld | 83.0 | 82.2 |
| Terminal-Bench 2.1 | 84.1 | 82.7 |
| AutomationBench | 45.7 | 44.2 |
| 推理重复率 | 1.6% | 16.0% |
| 有效工具选择率(整体) | 100.0% | 82.2% |
| 价格(输入 / 输出) | $0.12 / $0.40 | $0.075 / $0.25(N2.6 贵 60%) |
| 上下文(OpenRouter) | 262K | 262K |
| 发布 | 2026-11-10 | 2026-09-08 |
两代之间的变化是真实的:换底座、修可靠性、贵 60%。基准提升很小(OSWorld +0.8、TB 2.1 +1.4、AutomationBench +1.5),真正的变化在可靠性——重复率从 16.0% 降到 1.6%。是否升级,取决于你的任务是否被前代的重复与工具错误困扰过。
| 维度 | 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 |
| 推理重复率 | 1.6% | 6.0% | — |
| 有效工具选择率(整体) | 100.0% | 85.3% | — |
后训练的账算得很清楚:OSWorld +5.0、重复率 6.0%→1.6%、工具遵循率 85.3%→100%——计算机使用与可靠性是提升项;TB 2.1 −0.2、AutomationBench −3.1——终端与业务流程反而退步。DeepSeek-V4.1-Flash 的 AutomationBench 54.8 全表最高,业务流程任务上 N2.6 不是首选。另注意上下文口径:N2.6 在 OpenRouter 是 262K,发布配置是 1M——API 上实际能用的只有 262K,见对比专文。
读深度对比:Nex-N2.6 vs N2.5-Pro → · 读深度对比:Nex-N2.6 vs GLM 与 DeepSeek →
N2.6 的混淆主要来自三个地方:发布日与开源日、模型级分数与 FP8 导出物、互相冲突的速度数字——逐条澄清如下。
11 月 10 日只是 OpenRouter 静默上架:无发布文、无模型卡,HF 仓库次日仍不可读;权重与模型卡约 11 月 12 日才可公开读取。发布日与开源日是两回事,本站分开写。
OrcaRouter 与 Hokai 11 月 11 日的说法,写于模型卡可读之前;11 月 12 日起模型卡(三基准+可靠性表)与 FP8 权重均已公开。引用这两篇时只采其价格与换底座分析,不要采其「无基准/无权重」结论。
模型卡原话:分数是模型级结果,不是 FP8 导出物的单独评估。下载下来的 FP8 权重从未被独立测过,83.0 不能读成导出物的分数。
OSWorld 78.0→83.0、重复率 6.0%→1.6%、工具遵循率 85.3%→100%,提升是真实的;但 TB 2.1 84.3→84.1、AutomationBench 48.8→45.7,反而低于底座。后训练提升了计算机使用与可靠性,没提升全部能力。
Hokai(11 月 11 日,OpenRouter)称 80 tok/s、延迟 0.89 秒;OrcaRouter 称约 35 tok/s、p50 2.81 秒。两家数字差两倍多,本站不采纳任何单一吞吐/延迟数字。
N2.6 是 GLM-5.3-Flash(320B)的后训练衍生品;1B 的参数差值是取整/适配器 artifact,不是新架构。45 层、4096 维骨干与底座一致。
是。Apache 2.0 许可证,FP8 权重在 Hugging Face 公开(仓库 nex-agi/Nex-N2.6,129 个分片约 328GB)。但注意:权重约 11 月 12 日才可读,不是 11 月 10 日发布当天;且模型卡分数是模型级结果,不是 FP8 导出物的单独评估。
智谱 GLM-5.3-Flash(2026 年 8 月 26 日发布,320B/18B)。N2.6 是它的后训练衍生品,不是新基座;前代 N2.5-Pro 用的是 Qwen3.5 底座,两代之间换了底座。详见本站发布总览。
三处:底座由 Qwen 换成 GLM;可靠性大幅修复(推理重复率 16.0%→1.6%,工具遵循率 100%);价格贵 60%($0.12/$0.40 对 $0.075/$0.25)。基准提升很小,上下文同为 262K。详见本站对比专文。
能,但门槛很高:FP8 权重约 328GB,4-bit 约 202.6GB;24GB 消费级显卡远远不够,现实起点是 512GB 统一内存的 Mac Studio 或多卡服务器,推荐 SGLang 部署。详见本站自托管指南。
MOSS API 限时免费(0 积分/请求,无结束日期、无 SLA);OpenRouter 按 $0.12/$0.40 每百万 tokens 计费(标价 8 折,无截止日)。免费窗口随时可能结束,生产使用请勿依赖。详见本站价格指南。
分项看:OSWorld 83.0 对 78.0、可靠性全面胜出;但 Terminal-Bench 2.1 84.1 对 84.3、AutomationBench 45.7 对 48.8,反而低于底座。计算机使用任务选 N2.6,终端与业务流程任务底座未必更差。详见本站基准专文。
本页事实均来自以下公开来源(HF 模型卡直读于 2026 年 11 月 16 日凌晨,页面抓取于 2026 年 11 月 15 日 18:16 UTC;其余核查于 2026 年 11 月 11–16 日)。无链接的条目为按名称与日期引用的报道原文,本站核查时读过但不虚构链接。
更多索引:Nex-AGI的全部模型专题 · 全部大语言模型 · 全部模型