Nex-N2.6开源:321B多模态Agent模型如何破解“鬼打墙”循环?

资讯 AI 应用前沿 全文 4039 字 · 约 11 分钟读完 配图 1 张 分类GLMGLM-5.3-FlashAGI智谱开源多模态

上海创智学院(Nex-AGI)开源了基于GLM-5.3-Flash后训练的Nex-N2.6模型。该模型拥有约3210亿参数,支持256K上下文,主打电脑操控、编程和长程工具调用。其核心突破在于将推理复读率从16%降至1.6%,并在OSWorld评测中取得83.0分。文章介绍了其技术原理、本地部署方法及与竞品的对比。

所属频道 模型发布开源生态国产大模型前沿研究

Agent模型不再“原地打转”

做AI Agent(智能体)落地,有个让人头疼的老大难问题:模型容易“鬼打墙”。

让AI去执行一个要十几步操作的复杂任务,它常常在中间某一步卡住,接着反复输出相同内容,或者在两个无效操作之间无限循环。Token费用就这么白白烧掉,自动化流程也跟着变得不可靠。

上海创智学院(Nex-AGI)最新开源的 Nex-N2.6 模型,就是冲着这个问题来的。

它基于智谱 GLM-5.3-Flash 做后训练,属于多模态能动性模型,参数量约 3210 亿(321B)。最引人注目的改进,是把推理过程中的“复读率”从上一代的 16.0% 压到了 1.6%。长程任务里,模型更少陷入死循环,端到端成功率随之提高。

稳定性之外,Nex-N2.6 在电脑界面操控(CUA)上也拿出了硬成绩:OSWorld 评测得分 83.0,跻身第一梯队。想自建本地化、高可控 AI 员工的企业或开发者,多了一个新的开源选择。

复读率下降为什么这么重要?

不少人可能觉得,AI 重复说几句话没什么大不了。可放到 Agent 场景下,这就是致命的。

比如你让 AI 整理一个文件夹,它得先读文件列表,再判断文件类型,最后移动文件。要是在“判断文件类型”这步卡住,开始反复输出“我正在查看文件...”,整个流程就停摆了。云端 API 按 Token 计费,这种无效输出是在烧钱;本地部署,则是在空转算力。

Nex-N2.6 团队用的办法叫“断点重放”(Checkpoint Replay)。

他们收集了 698 个真实的失败案例(Badcase),都是模型在实际使用中报错或卡死前的状态。训练时,模型出错前的所有历史上下文和工具返回结果被冻结,让它从这个“断点”重新开始生成。这好比教学生做题,不让他从头再读一遍题,而是直接指着做错的那一步问:“这里为什么错了?接下来该怎么走?”

这种针对性的故障修复训练,让模型在面对长任务时,未循环率达到了 97.8%。再加上 256K 的长上下文窗口,需要几十步甚至上百步操作的工作流也能处理。

真正的“即插即用”:跨框架工具调用

另一个让开发者头秃的问题,是工具调用的兼容性。

眼下 Agent 开发框架五花八门,Claude Code、Codex、Cursor 以及各类自研框架,声明工具(Function Calling)的方式和命名规范各不相同。很多模型训练时过拟合了特定环境,一换框架,就因为找不到熟悉的工具名称而“罢工”,或者胡乱调用不存在的工具。

Nex-N2.6 针对这一点做了专门优化:训练时喂给它多框架混合的真实上下文,让它掌握一条核心原则——只看当前请求里声明的那份工具清单。

在包含 956 条真实上下文的测试中,Nex-N2.6 实现了 100% 的清单内精准匹配。底层用哪个框架无所谓,只要当前的 API 请求里告诉了它有哪些工具可用,它就能准确调用。这种“跨 Harness 零误调”的能力,大大降低了集成成本,让它真正具备了即插即用的特性。

能看懂屏幕,也能敲代码

Nex-N2.6 是一个多模态模型,意味着它不光能处理文本,还能“看”图。

在电脑操控(CUA)场景下,屏幕截图可以直接作为输入。模型会识别界面上的按钮、输入框、菜单等元素,描述可用的控件,然后生成相应的操作指令(如点击坐标、输入文本等)。在 OSWorld 这个权威的电脑操作评测基准上,它取得了 83.0 分,比其底座模型 GLM-5.3-Flash 高出 5.0 分,也超过了 DeepSeek-V4.1-Flash 等竞品。

编程的老本行也没丢。Terminal-Bench 2.1 评测中,它拿到了 84.1 分,命令行操作和自动化运维能力扎实。服务器巡检、日志分析,还是复杂的代码重构,它都能胜任。

如何把 Nex-N2.6 跑起来?

Nex-N2.6 采用 Apache 2.0 协议开源,提供了 FP8 量化的权重。FP8 是一种低精度格式,性能几乎不损失,显存占用和推理延迟却能大幅降低。

方案一:本地部署(适合有硬件资源的团队)

想自己搭环境,官方更推荐 SGLang 这套框架,原因是它对 MoE(混合专家)结构和 FP8 的支持比较到位。

  1. 第一步是把权重拉下来,用 ModelScope CLI 就能完成:

    modelscope download --model nex-agi/Nex-N2.6 --local_dir nex-agi/Nex-N2.6
  2. 环境准备方面,得有一台装 8 张高性能 GPU 的服务器,H800、A800 这类都行。Docker 装好之后,把官方 SGLang 镜像拉取下来:

    docker pull lmsysorg/sglang:latest
  3. 接着把模型目录挂进容器再起服务。张量并行(TP)和专家并行(EP)这两个参数要设对,8 张卡的算力才能吃满:

    docker run --gpus all -v /path/to/model:/model lmsysorg/sglang:latest \
      python -m sglang.launch_server \
      --model-path /model \
      --tp 8 \
      --ep 8 \
      --quantization fp8 \
      --served-model-name Nex-N2.6 \
      --reasoning-parser glm45 \
      --tool-call-parser glm47
  1. 调用接口服务起来以后,会给出一个兼容 OpenAI 格式的 API 端点,默认地址是http://127.0.0.1:8000/v1/chat/completions调用方式和 GPT 差不多,把 model 参数填成Nex-N2.6。

要传图片,比如屏幕截图,就在消息体里用image_url 类型即可。

方案二:云端 API(适合快速验证)

GPU 资源不够的话,走第三方平台调用也是一条路。

  • OpenRouter:搜索 nex-agi/nex-n2.6拿到 API Key 之后,用标准 OpenAI SDK 就能调,上下文支持 256K。
  • MOSS 平台:进 MOSS 开放平台,照文档申请 API Key 即可调用。

它和闭源模型比怎么样?

要看清 Nex-N2.6 处在什么位置,拿它和当前主流的闭源模型 GPT-6-Sol 对照一下会更直观。

维度 Nex-N2.6 GPT-6-Sol
开放性 开源 FP8 权重,可自托管 闭源,仅 API 调用
上下文窗口 256K 约 1,050K(超长部分加价)
电脑操控 (OSWorld) 83.0 60.5%–64.4% (厂商自报)
终端能力 (Terminal-Bench) 84.1 (v2.1) 未报告该版本成绩
工具适配 100% 清单内精准匹配 100% (内部基准)
长任务稳定性 复读率 1.6%,未循环率 97.8% 未公开内部数据
数据合规 本地运行,数据不出内网 数据经 OpenAI,需评估合规
部署门槛 高(需 8 卡级 GPU) 零门槛,即开即用

表格反映出的情况是,Nex-N2.6 的强项集中在数据主权和特定场景的性能上。金融、政务这类对数据隐私格外敏感的行业,既要能本地部署、性能又得够强,开源模型几乎是必选项。电脑操控和终端运维这两个具体赛道上,它的评测数据甚至压过了部分闭源竞品。

不过闭源模型在通用性、生态丰富度和上手便利性上仍有明显优势。如果只是偶尔写个脚本,或者处理些不敏感的文本任务,GPT-6-Sol 这类云端服务反而更省事。

哪些场景最适合用它?

结合 Nex-N2.6 的特点来看,下面几个场景大概最能派上用场:

  1. 桌面软件自动化:不少传统企业软件(ERP、CRM 等)没提供像样的 API,只能靠图形界面操作。Nex-N2.6 能像人一样“看”屏幕,填表、搬数据、出报表这些重复活可以自动完成。

  2. 专业工程工作流:FreeCAD、Blender 这类专业软件虽然有脚本接口,但写起来复杂。AI 直接操作 GUI,就能做参数化建模、批量渲染等自动化流程,专业软件的使用门槛也随之降低。

  3. 运维与服务器管理:Terminal-Bench 能力是它的长处,服务器巡检、日志异常分析、批量脚本执行这些运维任务可以交给它,发现异常时还能自动尝试修复或报警。

  4. 长程软件工程:在 Claude Code、Cursor 等辅助编程环境里,需要改多个文件、跨多个模块的复杂重构,Nex-N2.6 能接得住。低复读率加上长上下文支持,大项目里也不容易“迷路”。

写在最后

Nex-N2.6 选择开源,是国产大模型在 Agent 方向上的一次重要尝试。它没有一味堆参数量,而是盯着 Agent 落地时的实际难题:稳定性、工具兼容性和多模态交互。

3210 亿参数不是个小数字,FP8 量化加上 SGLang 的优化让它变得“可负担”,可本地部署的门槛依旧摆在那里。多数个人开发者想体验它的能力,走云端 API 或许更现实;有私有化部署需求的企业,则多了一个高性能、高可控的基座模型选项。

AI 的走向正从“对话”转向“行动”,在这样一条路上,模型能不能把事情办成,会比它能不能想出东西更关键。Nex-N2.6 已经往前踩下了扎实的一脚。后面要看的,是开发者拿它做出什么样的智能应用,能不能真的把实际问题解决掉。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 千万token上下文:98%时间耗在选token,如何再快22倍?

    编辑|Panda如今,百万 token 上下文已经从卖点变成了标配。4 月,DeepSeek-V4 把 1M 上下文定为所有官方服务的默认规格;8 月,智谱发布的 GLM-5.3-Flash 同样支持 1M 上下文,并首次在 GLM 系列中引入稀疏注意力与线性注意力的混合架构。这些模型背后有一个共同的选择:让每个 qu

    来源 腾讯网
  2. 书生-S2.1 Flash开源:能操控CAD与QGIS的科研智能体

    上海AI实验室开源了书生-S2.1 Flash,这是一个专门针对科学场景的多模态大模型。它不仅能看懂分子结构、光谱和脑电波,还能直接操作3D Slicer、QGIS、CAD等专业软件完成建模和分析。相比之前的版本,它的推理成本降低了90%,在多项通用智能体基准测试中表现优异。文章介绍了其技术原理、实际应用场景以及与竞品

    来源 AI 应用前沿
  3. 华为云“行业AI梦工厂”发布并开源昇腾原生具身世界模型CloudRobo-WM1.2

    【TechWeb】11月16日消息,今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。 五

    来源 AI 行业观察
  4. 华为云开源具身世界模型CloudRobo-WM1.2,两项评测登顶

    今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。

    来源 TechWeb
  5. 华为云开源CloudRobo-WM1.2:具身世界模型登顶两项评测

    今天,华为云“行业AI梦工厂”发布并开源昇腾原生的具身世界模型CloudRobo-WM1.2,采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构,实现了世界模型原生动作生成,在RoboTwin 2.0、LiberoPro 2.0 评测中均位列第一。

    来源 TechWeb
  6. OVHcloud推出首个AI模型家族Olala,首发7A1B开源模型

    IT之家 11 月 17 日消息,欧洲云服务企业 OVHcloud 当地时间今日宣布推出其首个 AI 模型家族 Olala,同时公布了该系列的首个成员 Olala mini 7A1B。 Olala mini 7A1B 采用结合了 Differential-TPA 和 Mamba-3 的混合注意力机制,总参数 70 亿、

    来源 AI 行业观察
  7. Kimi K3.1 Pro开源完整权重:2.8T MoE模型本地部署与编程工具盘点

    本周 GitHub 热门项目聚焦 Kimi K3.1 Pro 开放完整权重,支持百万 Token 上下文。同时涌现多款本地化 AI 工具:Ripple-65B 专注编程推理,Magpie 统一管理多模型配置,Cicada 实现会议实时双语字幕,cinecode 则尝试用代码自动化生成视频。这些工具正从云端向本地桌面迁移

    来源 AI 应用前沿
  8. 谷歌开源FashionMind:用全双工语音实现零延迟AI试衣

    Google 开源了 FashionMind,这是一个基于 Gemini Live 2.5 Flash 的实时语音时尚助手。它最大的特点是“快”和“自然”:通过全双工音频流和本地打断技术,用户说话时助手能即时响应,无需等待;商品推荐直接注入上下文,消除了传统工具调用带来的十几秒冷场。此外,它还采用了三层记忆架构,既能记

    来源 AI 应用前沿
  9. 知乎推出Paper开源计划:论文与讨论打通,科研作者可绑定身份

    知乎把论文阅读与社区讨论连接了起来。近日,2026知乎科学季收官。除了邀请科研人员参与线下交流,知乎还在科学季期间推出“Paper开源计划”,将论文关联、讨论入口和研究者身份绑定纳入社区功能。基于这项计划。用户阅读论文时,可以通过插件查看知乎上的相关讨论;社区问题可以关联论文卡片,方便读者查阅原始研究;科研...

    来源 腾讯网
  10. Garlic LLM 让越狱 PS4 跑起 90 亿参数模型:最高每秒 43 词元

    科技媒体 Gigazine 今天(11 月 17 日)发布博文,报道称开源项目 Garlic LLM 可以让越狱版 PlayStation 4 运行 90 亿参数的本地大语言模型,最高生成速度可达每秒 43 个词元(Token),且无需联网即可完成 AI 聊天与语音对话。

    来源 IT之家
  11. Lehigh大学开源Lev:一套权重循环多算,准确率63.2%升至76.2%

    Lehigh大学团队推出开源决策模型Lev,基于原生循环底座,通过重复计算多圈提升复杂问题准确率。其核心在于轻量停止器能按题目难度自动决定计算深度,简单题快答,难题深思。在JevBench测试中,四圈计算将准确率从63.2%提升至76.2%,且仅增加少量算力消耗。该模型支持无标签自校准,适合智能客服、内容审核等对延迟和

    来源 AI 应用前沿
  12. 6.3亿参数模型实时生成GTA画面:Summaryformer如何省显存

    Abhishek Sensharma开源了一个能在浏览器里跑的GTA V世界模型。没有游戏引擎,全靠6.3亿参数的Transformer逐帧生成。文章重点拆解了名为Summaryformer的架构,特别是它如何通过“摘要Token”和旋转位置编码来解决长序列显存爆炸的问题。代码和权重已公开,适合对视频生成底层机制感兴趣

    来源 AI 应用前沿
  13. 商汤SenseNova Loop-9B发布:4bit量化权重约4.9GB,10GB显存可跑

    IT之家 11 月 17 日消息,商汤科技今天(17 日)晚间正式发布 SenseNova Loop-9B 模型。 该模型延续了 Preview 版本对参数效率的探索:通过 Loop 结构复用模型层的参数,并结合流形约束超连接(mHC),在约 9B 参数规模下扩展计算深度,面向复杂推理、代码、工具调用和多模态任务。 模

    来源 AI 行业观察
  14. Hugging Face遭AI代理攻击后,CEO为何反而力推开源

    Hugging Face CEO Clément Delangue的公司今年早些时候遭失控AI代理攻击,攻击中使用了OpenAI模型。外界以为他会收紧控制,他却公开为开源辩护:AI能力若集中于少数公司,整个人类都将更脆弱。这场事件把开源与安全的长期争论推向新高度。

    来源 AI 科技快讯
向下滚动自动加载更多