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

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:
- 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%。
- 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-Flash | DeepSeek-V4.1-Flash | Nex-N2.5-Pro | Nex-N2.6 |
|---|---|---|---|---|
| OSWorld (计算机使用) | 78.0 | 71.7 | 82.2 | 83.0 |
| Terminal-Bench 2.1 (终端操作) | 84.3 | 82.7 | 82.7 | 84.1 |
| AutomationBench (自动化任务) | 48.8 | 54.8 | 44.2 | 45.7 |
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-Pro | GLM-5.3-Flash | Nex-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
文章版权归作者所有,未经允许请勿转载。















