Une carte titre héroïque indiquant « Nex-N2.5 Mini vs Qwen3-8B » avec le sous-titre « Un descendant de Qwen3.5 affronte le cheval de bataille Apache-2.0 ». Deux cartes arrondies : une carte à gauche montrant une branche d’arbre généalogique étiquetée « descendant de Qwen3.5 » et une carte à droite montrant un bouclier avec une coche étiqueté « 16 mois de preuves », avec une icône de balance entre elles, et trois puces indiquant « vieux d’un jour », « 16 mois éprouvé au combat » et « Apache-2.0 tous les deux ». Le logo OrcaRouter est en bas à droite.
Guides & Insights

Nex-N2.5 Mini vs Qwen3-8B : un descendant de Qwen3.5 affronte le cheval de bataille Apache-2.0

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Il y a une ironie au fond de ce face-à-face que le marketing d'aucun de ces deux modèles ne s'empressera de révéler : la Nex-N2.5 Mini est bâtie sur la lignée Qwen. L'agent multimodal de Nex-AGI à 35 milliards de paramètres — environ 3 milliards de paramètres actifs sous une architecture de mélange d'experts, annoncé le 8 septembre 2026 avec des poids Apache-2.0 mis en ligne le jour même — est issu d'un post-entraînement d'un variant de Qwen3.5, ce qui en fait un descendant de la famille même à laquelle appartient Qwen3-8B. Qwen3-8B est le cheval de bataille à poids ouverts d'Alibaba, sorti en avril 2025 : environ 8,2 milliards de paramètres denses, 119 langues, une réflexion hybride que l'on peut activer à chaque requête, Apache-2.0, et seize mois de production à son actif. La question que pose réellement cette page est donc celle que toute lignée engendre tôt ou tard : une base plus récente, accompagnée d'un entraînement spécifique, dans une empreinte de paramètres actifs plus restreinte, peut-elle détrôner l'ancien modèle que tout le monde déploie déjà ?

La réponse honnête commence par un avertissement : il ne faut pas les considérer comme des substituts. Qwen3-8B est un généraliste du texte ; Nex-N2.5 Mini est un agent natif de la vision pour opérer des ordinateurs et des navigateurs. Ils se recoupent sur les travaux de texte brut et d'outils, puis divergent partout ailleurs. Mais le tournant de leur lignée rend la comparaison réellement instructive plutôt que de simples pommes et oranges : cela permet de se demander ce que trois générations d'améliorations de Qwen, plus un post-entraînement à l'utilisation d'ordinateurs, vous apportent réellement à petite échelle, mesuré par rapport au 8B qui supporte le trafic de production depuis bien avant tout cela.

Qwen3-8B : seize mois de relevés

Qwen3-8B est le rare modèle open source dont le comportement est documenté moins par son éditeur que par sa communauté. Depuis avril 2025, il a été quantifié, servi, affiné et cartographié en termes de défaillances en public : vLLM, SGLang et llama.cpp le prennent en charge partout, ses particularités sont des quantités connues, et si vous le déployez et rencontrez un problème, quelqu'un a presque certainement rédigé la solution de contournement. C'est un modèle généraliste dense d'environ 8,2B avec un contexte natif de 32K extensible vers 131K, 119 langues, et la conception de raisonnement hybride de Qwen — raisonnement activé ou désactivé par requête, de sorte qu'un mode non-pensant rapide et un mode délibéré plus lent partagent un seul déploiement. Ses mathématiques sont solides pour un généraliste : les évaluations de l'éditeur et alignées placent MATH-500 dans la fourchette basse à moyenne des 90 en mode raisonnement et AIME-2024 autour du milieu des 70, avec la réserve habituelle que les chiffres des mathématiques de compétition sont sensibles au protocole et n'ont jamais été la spécialité de ce modèle. Pour le texte, l'appel d'outils et un comportement fiable de classe 8B, c'est aussi proche d'une quantité connue que les poids ouverts peuvent l'être — et il est réservé au texte, car la vision dans la génération Qwen3 réside dans la ligne séparée Qwen3-VL, pas dans le 8B.

A screenshot of the Hugging Face model page for Qwen/Qwen3-8B, showing the Apache-2.0 dense generalist card with the qwen3 and conversational tags and the opening of the Qwen3 description of the latest generation of Qwen large language models.

Rien de tout cela ne rend Qwen3-8B excitant en 2026. C’est tout l’intérêt. Seize mois de fiabilité monotone constituent une catégorie de fonctionnalité à part entière, et c’est exactement l’atout qu’un modèle vieux d’un jour ne peut pas imiter.

Nex-N2.5 Mini : une journée prometteuse, sur une gamme Qwen plus récente.

Nex-N2.5 Mini, c'est ce qui arrive lorsqu'une base Qwen plus récente est appliquée à une tâche pour laquelle le Qwen3-8B n'a jamais été conçu. Sa chaîne textuelle provient d'une variante de Qwen3.5 — le tokeniseur et l'analyseur d'appels d'outils appartiennent à la famille Qwen3 — mais Nex-AGI (une alliance organisée autour de l'Institut d'innovation de Shanghai, avec Shanghai Qiji Zhifeng, Mosi Intelligence et Kuafu Technology) l'a post-entraîné pour en faire ce que le Qwen 8B de 2025 n'est pas : un agent multimodal qui lit un écran, agit dans une session navigateur ou bureau, et vérifie ses propres actions par rapport au résultat. C'est un MoE sparce — 40 couches, huit experts actifs par jeton — avec un encodeur visuel et un contexte natif de 262 144 jetons, soit plus du double de la fenêtre native du Qwen3-8B. Ses poids sont sous licence Apache-2.0 et téléchargeables depuis le 8 septembre ; des endpoints hébergés gratuitement sont accessibles depuis sa fiche ; une recette d'auto-hébergement fonctionne sur deux H100 avec une image SGLang personnalisée.

A screenshot of the Hugging Face model page for nex-agi/Nex-N2.5-mini, showing the model title, the Transformers / Safetensors and qwen3_5_moe / image-text-to-text tags, and the Apache-2.0 card text introducing Nex-N2.5 as a family of agentic models for long-horizon tasks.

Ce que le Mini ne peut pas encore montrer, c’est des preuves. Sa fiche de benchmarks — OSWorld-Verified 71,2, BrowseComp 83,4, Terminal-Bench 2.1 73,4 et OmniDoc 89,7 du côté solide ; OSWorld-2 30,5, SWE-MM 25,5 et AutomationBench 32,3 du côté plus modeste — est celle de Nex-AGI, produite au moins en partie via son harnais NexCUA, et aucune n’est reproduite de manière indépendante. Il n’y a pas de prix catalogue, l’offre hébergée est gratuite, et le compteur de téléchargements est à un chiffre. Les affirmations sur les capacités sont peut-être entièrement vraies ; elles sont simplement non vérifiées, et l’écart entre les chiffres du Mini en OSWorld-Verified et en OSWorld-2 est suffisamment large pour qu’un test externe ne soit pas une option, mais une nécessité.

Les lignes qui comptent

• Lignée — Nex-N2.5 Mini : post-entraîné à partir d'une variante Qwen3.5 par Nex-AGI. Qwen3-8B : le modèle dense de la génération Qwen3 d'Alibaba, avril 2025.

• Paramètres — Nex-N2.5 Mini : 35B au total, ~3B actifs par jeton (MoE). Qwen3-8B : ~8.2B denses, tous actifs.

• Modalité — Nex-N2.5 Mini : image et texte en entrée, texte en sortie — vision-native, conçu pour les agents GUI. Qwen3-8B : texte uniquement (la vision se trouve dans la gamme distincte Qwen3-VL).

• Contexte — Nex-N2.5 Mini : 262 144 tokens natifs. Qwen3-8B : 32K natifs, extensible jusqu'à ~131K.

• Langues — Nex-N2.5 Mini : pas d’affirmation majeure. Qwen3-8B : 119.

• Raisonnement — Nex-N2.5 Mini : effort de raisonnement aucun / moyen (adaptatif) / élevé. Qwen3-8B : mode de pensée hybride activé ou désactivé selon la requête.

• Poids ouverts — Nex-N2.5 Mini : Apache-2.0, disponible le 8 septembre 2026. Qwen3-8B : Apache-2.0, disponible en avril 2025.

• Bilan — Nex-N2.5 Mini : un jour d'existence, téléchargements à un seul chiffre, zéro exécution indépendante. Qwen3-8B : seize mois d'exposition auprès de la communauté, quantifications fiables, modes de défaillance cartographiés.

• Empreinte d’auto-hébergement — Nex-N2.5 Mini : ~70 Go en BF16, nécessite deux H100. Qwen3-8B : catégorie mono-GPU, couramment quantifié.

A two-column scoreboard titled 'Nex-N2.5 Mini vs Qwen3-8B — the scoreboard'. Left column Nex-N2.5 Mini: Lineage Qwen3.5 descendant; Params 35B total, 3B active; Modality vision-native agent; Context 262,144 tokens; Track record one day old; Weights Apache-2.0, Sep 8 2026. Right column Qwen3-8B: Lineage Qwen3, April 2025; Params 8.2B dense; Modality text-only; Context 32K native; Track record 16 months of use; Weights Apache-2.0. Footer: 'Nex-N2.5 Mini figures Nex-AGI-reported; Qwen3-8B carries 16 months of community exposure.' The OrcaRouter logo is bottom-right.

Lisez les lignes honnêtement, et les deux modèles ne se disputent pas le même déploiement. Qwen3-8B décroche la place de généraliste du texte sur toutes les dimensions qui ont accumulé des preuves ; Nex-N2.5 Mini décroche la place d'agent visuel en étant le seul des deux à pouvoir l'occuper.

Ce que la lignée vous dit et ne vous dit pas

L'ADN Qwen partagé est informatif sur une chose et sans rapport avec une autre. Il est informatif sur la qualité de base : le Nex-N2.5 Mini part d'un run de pré-entraînement Qwen plus récent que celui de Qwen3-8B, ce qui constitue un avantage réel et souvent visible en matière de compétence linguistique brute ; et les mécanismes d'appel d'outils et de raisonnement du Mini seront familiers à quiconque a déjà servi un modèle de la famille Qwen3 — les conventions d'analyse sont conservées. Il est sans rapport avec la partie la plus importante, à savoir que c'est le post-entraînement de Nex-AGI — et non la base — qui fait du Mini un agent, et que ce post-entraînement est précisément la partie sans aucune vérification indépendante. Le fait de descendre de Qwen indique que le Mini devrait être un modèle de la lignée Qwen au langage fluide. Cela ne vous dit rien quant à savoir si la boucle d'utilisation de l'ordinateur fonctionne réellement à 71.2 OSWorld-Verified comme annoncé.

Lequel obtient le créneau

Pour une équipe qui livre aujourd'hui des échafaudages de texte, d'appel d'outils et d'agents, Qwen3-8B est la réponse à faible risque, et l'argument de la lignée ne menace pas ce choix : seize mois de preuves, la rentabilité sur un seul GPU, et un mode de défaillance pour chaque occasion déjà documenté publiquement. Pour une équipe qui construit des agents GUI — automatisation de navigateur, usage de l'ordinateur, autocorrection visuelle — Nex-N2.5 Mini est le seul des deux conçu pour ce travail, et la posture raisonnable est l'essai, non la dépendance : exécutez-le via le point de terminaison gratuit, traitez les scores d'usage de l'ordinateur du fournisseur comme des affirmations en attendant un test indépendant, et ne laissez pas un modèle vieux d'un jour déloger le cheval de trait du chemin critique sur la foi d'une fiche modèle.

Aucun des deux modèles ne figure aujourd’hui au catalogue d’OrcaRouter — Qwen3-8B passe par l’API d’Alibaba et par plusieurs plateformes tierces, et Nex-N2.5 Mini s’exécute sur les endpoints de Nex-AGI et sur vos propres GPU — l’évaluation se déroule donc, là encore, dans votre propre stack, et c’est là que la couche de routage fait ses preuves. Le schéma adapté à une évaluation opposant un descendant à un cheval de bataille : garder la production sur le 8B éprouvé, placer le nouvel agent sur une branche de test accessible via la même API, et laisser le basculement automatique décider, au moment de la requête, lequel des deux sert la requête — les modèles hébergés étant refacturés au prix catalogue du fournisseur avec une majoration de 0 %, de sorte que la comparaison des coûts reste à jour dès qu’un fournisseur modifie un prix. Le routeur ne vous dira pas si un descendant de Qwen3.5 bat le cheval de bataille de 2025 — seule une exécution indépendante de l’agent peut vous le dire — mais il permet de mener cette expérience à moindre coût, de façon réversible et côte à côte, ce qui est tout l’intérêt.

Qwen3-8B répond à la question « que puis-je livrer cet après-midi ? » avec un modèle abouti, sous licence Apache-2.0, couvrant 119 langues et éprouvé pendant seize mois. Nex-N2.5 Mini répond à la question « quel petit modèle ouvert peut réellement piloter un ordinateur ? » avec un descendant de Qwen3.5 vieux d'un jour, dont les poids sont réels, dont la conception d'agent vision-native est réellement inédite à cette échelle, et dont les scores d'utilisation d'ordinateur ne sont, à ce jour, que la parole d'un fournisseur. Le cheval de trait garde le créneau du texte jusqu'à ce que le descendant fasse ses preuves en tant qu'agent — et si les affirmations de Nex-AGI survivent à une exécution indépendante, c'est à ce moment que la question de la lignée cesse d'être théorique.

Comparés dans cet article3

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement