Nex-AGI 发布 Nex-N2.6:321B 参数多模态智能体模型,工具调用遵循度达 100%

Nex-AGI 正式推出其最新多模态智能体模型 Nex-N2.6。该模型基于 GLM-5.3-Flash 构建,总参数量约为 321B,本次发布提供了 FP8 量化权重。Nex-N2.6 专为计算机使用(Computer Use)、代码生成以及涉及复杂工具调用的长时程任务设计,旨在解决前代模型在推理重复性和工具遵循度方面的痛点。

  • GitHub:https://github.com/sii-nex/Nex-N2.6
  • 模型:https://huggingface.co/nex-agi/Nex-N2.6
  • API:https://platform.moss.cn/docs/models/nex
Nex-AGI 发布 Nex-N2.6:321B 参数多模态智能体模型,工具调用遵循度达 100%

核心改进:极致的稳定性与遵循度

相较于上一代 Nex-N2.5-Pro,Nex-N2.6 在两个关键指标上实现了显著突破:

  1. 推理重复率大幅降低:通过优化推理机制,Nex-N2.6 的推理重复率从 16.0% 降至 1.6%,相对减少了 90%。这意味着模型在执行长任务时更少陷入死循环或无效的自我重复,整体非重复率提升至 97.8%。
  2. 完美的工具列表遵循度:在内部评估中,Nex-N2.6 实现了 100% 的工具列表遵循度。无论是否涉及工具调用,模型均能严格仅使用请求中声明的工具,有效避免了“幻觉式”调用未授权工具的风险。

基准测试表现

Nex-N2.6 在多个权威智能体基准测试中展现了竞争力,尤其在操作系统交互和终端操作方面表现突出:

基准测试GLM-5.3-FlashDeepSeek-V4.1-FlashNex-N2.5-ProNex-N2.6
OSWorld (计算机使用)78.071.782.283.0
Terminal-Bench 2.1 (终端操作)84.382.782.784.1
AutomationBench (自动化任务)48.854.844.245.7

注:OSWorld 得分的提升表明 Nex-N2.6 在理解图形用户界面和执行跨应用操作方面具有更强的一致性。

内部可靠性评估详情

除了公开基准,Nex-AGI 还通过“已知问题回放”机制对模型进行了严格的内部可靠性测试。该测试固定前置对话和工具输出,重点考察模型在面对真实世界复杂场景时的下一步决策质量。

评估指标Nex-N2.5-ProGLM-5.3-FlashNex-N2.6
推理重复率 (越低越好)16.0%6.0%1.6%
整体非重复率 (越高越好)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 (涉及工具时)80.5%84.1%100.0%

技术规格与应用场景

  • 模型架构:基于 GLM-5.3-Flash 的多模态智能体架构。
  • 参数量:约 321B。
  • 量化版本:提供 FP8 量化权重,以平衡性能与部署成本。
  • 主要应用场景:
    • 计算机使用:自动化操作 GUI 界面,处理跨软件工作流。
    • 编码辅助:处理复杂的代码库修改、调试及环境配置。
    • 长时程任务:执行需要多步规划、工具协调及状态保持的自动化任务。

Nex-N2.6 的发布标志着智能体模型在“可控性”与“稳定性”上迈出了重要一步,为构建更可靠的企业级自动化助手提供了坚实的基础。

© 版权声明

相关文章