Kartu judul utama bertuliskan 'Nex-N2.5 Mini vs Qwen3-8B' dengan subjudul 'Keturunan Qwen3.5 menantang andalan Apache-2.0'. Dua kartu membulat: kartu kiri menampilkan cabang pohon keluarga berlabel 'Keturunan Qwen3.5' dan kartu kanan menampilkan perisai bertanda centang berlabel '16 bulan bukti', dengan ikon timbangan di antara keduanya, serta tiga chip bertuliskan 'berumur satu hari', '16 bulan teruji', dan 'keduanya berlisensi Apache-2.0'. Logo OrcaRouter berada di pojok kanan bawah.
Guides & Insights

Nex-N2.5 Mini vs Qwen3-8B: Turunan Qwen3.5 Menantang Pekerja Keras Apache-2.0

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Ada ironi di dasar pertarungan ini yang tidak akan diungkapkan oleh pemasaran kedua model: Nex-N2.5 Mini dibangun dari garis keturunan Qwen. Agen multimodal 35 miliar parameter milik Nex-AGI — kira-kira 3 miliar parameter aktif dalam desain mixture-of-experts, diumumkan pada 8 September 2026 dengan bobot Apache-2.0 yang langsung tersedia di hari yang sama — dilatih lanjut dari varian Qwen3.5, yang menjadikannya keturunan dari keluarga yang sama dengan Qwen3-8B. Qwen3-8B adalah kuda kerja open-weights milik Alibaba dari April 2025: kira-kira 8,2 miliar parameter padat, 119 bahasa, pemikiran hibrida yang bisa diaktifkan per permintaan, Apache-2.0, dan enam belas bulan catatan produksi di belakangnya. Jadi pertanyaan yang sebenarnya diajukan halaman ini adalah pertanyaan yang cepat atau lambat muncul dari setiap garis keturunan — apakah basis yang lebih baru ditambah pelatihan yang dirancang khusus, dalam jejak parameter aktif yang lebih kecil, mampu menyingkirkan model lama yang sudah dipakai semua orang?

Jawaban yang jujur dimulai dengan peringatan untuk tidak memperlakukan keduanya sebagai pengganti satu sama lain. Qwen3-8B adalah generalis teks; Nex-N2.5 Mini adalah agen vision-native untuk mengoperasikan komputer dan peramban. Keduanya tumpang tindih pada pekerjaan berbasis teks-dan-perkakas, tetapi berbeda di semua hal lainnya. Namun, lika-liku garis keturunannya membuat perbandingan ini benar-benar informatif, bukan sekadar membandingkan apel dengan jeruk: Anda bisa bertanya apa yang sebenarnya Anda dapatkan dari tiga generasi peningkatan Qwen ditambah pelatihan lanjutan penggunaan komputer dalam skala kecil, jika diukur terhadap 8B yang telah menangani lalu lintas produksi sejak sebelum semua itu ada.

Qwen3-8B: enam belas bulan catatan

Qwen3-8B adalah model terbuka langka yang perilakunya lebih banyak didokumentasikan oleh komunitanya daripada oleh vendor-nya. Sejak April 2025, model ini telah dikuantisasi, dilayankan, disetel-halus, dan dipetakan kegagalannya di publik: vLLM, SGLang, dan llama.cpp mendukungnya di mana-mana, keanehannya sudah diketahui, dan jika Anda menyebarkannya lalu menemui masalah, hampir pasti seseorang telah menuliskan solusinya. Ia adalah model generalis padat ~8.2B dengan konteks asli 32K yang dapat diperluas hingga 131K, 119 bahasa, dan desain hybrid-thinking dari Qwen — penalaran aktif atau nonaktif per permintaan, sehingga mode non-berpikir yang cepat dan mode deliberatif yang lebih lambat berbagi satu penyebaran. Kemampuan matematikanya kuat untuk kelas generalis: evaluasi vendor dan evaluasi selaras menempatkan MATH-500 pada kisaran 90-an rendah hingga menengah dalam mode berpikir dan AIME-2024 sekitar pertengahan 70-an, dengan catatan umum bahwa angka-angka matematika kompetisi bersifat sensitif terhadap protokol dan tidak pernah menjadi spesialisasi model ini. Untuk teks, pemanggilan alat, dan perilaku kelas 8B yang andal, ini adalah yang paling mendekati sesuatu yang sudah diketahui dalam bobot terbuka — dan model ini hanya teks, karena visi pada generasi Qwen3 berada di lini Qwen3-VL yang terpisah, bukan di 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.

Tidak ada satu pun dari itu yang membuat Qwen3-8B menarik di tahun 2026. Justru itulah intinya. Enam belas bulan keandalan yang membosankan adalah kelas fitur tersendiri, dan itu adalah aset yang tidak dapat dipalsukan oleh model yang baru berumur satu hari.

Nex-N2.5 Mini: satu hari yang penuh harapan, pada lini Qwen yang lebih baru.

Nex-N2.5 Mini adalah apa yang terjadi ketika basis Qwen yang lebih baru diarahkan pada tugas yang tidak pernah dirancang untuk Qwen3-8B. Tumpukan teksnya berasal dari varian Qwen3.5 — tokenizer dan pengurai panggilan alatnya berasal dari keluarga Qwen3 — tetapi Nex-AGI (sebuah aliansi yang diorganisir di sekitar Shanghai Innovation Institute, bersama Shanghai Qiji Zhifeng, Mosi Intelligence, dan Kuafu Technology) melakukan pasca-pelatihan terhadapnya menjadi sesuatu yang bukan Qwen 8B 2025: agen multimodal yang membaca layar, bertindak dalam sesi browser atau desktop, dan memverifikasi tindakannya sendiri terhadap hasilnya. Ini adalah MoE jarang — 40 lapisan, delapan pakar aktif per token — dengan encoder visi dan konteks asli 262.144 token, lebih dari dua kali lipat jendela asli Qwen3-8B. Bobotnya berlisensi Apache-2.0 dan telah dapat diunduh sejak 8 September; endpoint yang dihosting gratis tertaut dari kartunya; resep self-host berjalan di dua H100 dengan citra SGLang yang disesuaikan.

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.

Yang belum bisa ditunjukkan oleh Mini adalah bukti. Kartu tolok ukurnya — OSWorld-Verified 71.2, BrowseComp 83.4, Terminal-Bench 2.1 73.4, dan OmniDoc 89.7 di sisi kuat; OSWorld-2 30.5, SWE-MM 25.5, dan AutomationBench 32.3 di sisi sederhana — adalah milik Nex-AGI sendiri, yang dihasilkan setidaknya sebagian melalui kerangka NexCUA miliknya, dan tidak ada satu pun yang direproduksi secara independen. Tidak ada harga resmi, tingkat terhosting gratis, dan penghitung unduhan masih satu digit. Klaim kemampuan tersebut mungkin sepenuhnya benar; klaim itu hanya belum terverifikasi, dan selisih antara angka OSWorld-Verified dan OSWorld-2 milik Mini sendiri cukup lebar sehingga uji coba dari pihak luar bukanlah kemewahan, melainkan keharusan.

Baris yang penting

• Silsilah — Nex-N2.5 Mini: dikembangkan dari varian Qwen3.5 melalui pelatihan lanjutan oleh Nex-AGI. Qwen3-8B: model dense generasi Qwen3 milik Alibaba, April 2025.

• Parameter — Nex-N2.5 Mini: total 35B, ~3B aktif per token (MoE). Qwen3-8B: ~8.2B dense, semua aktif.

• Modalitas — Nex-N2.5 Mini: gambar dan teks masuk, teks keluar — secara native mendukung visi, dibuat untuk agen GUI. Qwen3-8B: khusus teks (visi ada di lini Qwen3-VL yang terpisah).

• Konteks — Nex-N2.5 Mini: 262.144 token natif. Qwen3-8B: 32K natif, dapat diperluas hingga ~131K.

• Bahasa — Nex-N2.5 Mini: bukan klaim utama. Qwen3-8B: 119.

• Penalaran — Nex-N2.5 Mini: reasoning_effort tidak ada / sedang (adaptif) / tinggi. Qwen3-8B: pemikiran hibrida aktif atau nonaktif sesuai permintaan.

• Bobot terbuka — Nex-N2.5 Mini: Apache-2.0, dirilis 8 September 2026. Qwen3-8B: Apache-2.0, dirilis April 2025.

• Rekam jejak — Nex-N2.5 Mini: baru berumur satu hari, unduhan satu digit, nol penilaian independen. Qwen3-8B: enam belas bulan paparan komunitas, kuantisasi tepercaya, mode kegagalan terpetakan.

• Kebutuhan sumber daya hosting sendiri — Nex-N2.5 Mini: ~70 GB BF16, konfigurasi dua H100. Qwen3-8B: kelas single-GPU, lazimnya dikuantisasi.

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.

Baca baris-barisnya dengan jujur dan kedua model itu sebenarnya tidak bersaing untuk deployment yang sama. Qwen3-8B memenangkan slot generalis teks di setiap dimensi yang memiliki bukti terkumpul; Nex-N2.5 Mini memenangkan slot agen visi karena satu-satunya dari keduanya yang bisa mengisinya.

Apa yang garis keturunan sampaikan dan tidak sampaikan kepada Anda

DNA Qwen yang sama memberi informasi tentang satu hal dan tidak relevan untuk hal lain. DNA ini memberi informasi tentang kualitas dasar: Nex-N2.5 Mini dimulai dari proses pretraining Qwen yang lebih baru daripada milik Qwen3-8B, yang merupakan keunggulan nyata dan sering kali terlihat jelas dalam kompetensi bahasa mentah, dan kontrol pemanggilan alat maupun kontrol penalaran Mini akan terasa familier bagi siapa pun yang pernah mengoperasikan model keluarga Qwen3 — konvensi parsing-nya tetap berlaku. DNA ini tidak relevan untuk bagian yang paling penting: yang membuat Mini menjadi agen adalah pasca-pelatihan Nex-AGI — bukan dasarnya — dan pasca-pelatihan itulah justru bagian yang tidak memiliki verifikasi independen. Fakta bahwa Mini merupakan turunan Qwen memberi tahu Anda bahwa Mini seharusnya menjadi model lini Qwen yang fasih. Hal itu tidak memberi tahu Anda apa pun mengenai apakah loop penggunaan komputer benar-benar berfungsi pada 71.2 OSWorld-Verified seperti yang diklaim.

Yang mana yang mendapat slotnya?

Bagi tim yang saat ini mengirimkan produk teks, pemanggilan alat, dan kerangka agen, Qwen3-8B adalah jawaban berisiko rendah dan argumen garis keturunan tidak mengancamnya: rekam jejak enam belas bulan, ekonomi GPU tunggal, dan mode kegagalan untuk setiap situasi yang sudah terdokumentasi di publik. Bagi tim yang membangun agen GUI — otomatisasi peramban, penggunaan komputer, koreksi diri visual — Nex-N2.5 Mini adalah satu-satunya dari keduanya yang memang dibangun untuk pekerjaan itu, dan sikap yang masuk akal adalah uji coba, bukan ketergantungan: jalankan lewat endpoint gratis, anggap skor penggunaan komputer dari vendor sebagai klaim yang menunggu konfirmasi lewat pengujian independen, dan jangan biarkan model yang baru berumur satu hari menggusur andalan utama dari hot path hanya karena keunggulan di kartu model.

Saat ini, tidak satu pun model yang ada di katalog OrcaRouter — Qwen3-8B berjalan melalui API Alibaba sendiri dan beberapa platform pihak ketiga, sedangkan Nex-N2.5 Mini berjalan di endpoint Nex-AGI dan GPU Anda — jadi evaluasi kembali berlangsung di stack Anda sendiri, dan di situlah lapisan routing menunjukkan kegunaannya. Pola yang cocok untuk evaluasi antara model penerus dan model andalan: biarkan produksi tetap pada 8B yang sudah teruji, letakkan agen baru di cabang uji yang diakses melalui API yang sama, dan biarkan failover otomatis memutuskan saat permintaan datang model mana yang akan melayani — dengan model yang di-hosting diteruskan sesuai harga daftar penyedia, yaitu markup 0%, sehingga perbandingan biaya tetap mutakhir sewaktu ada vendor yang mengubah harga. Router tidak akan memberi tahu Anda apakah penerus Qwen3.5 mengungguli andalan 2025 — hanya uji coba independen pada agen tersebut yang bisa menjawabnya — tetapi hal itu membuat eksperimen tersebut murah, dapat diputar balik, dan berjalan berdampingan, dan itulah esensinya.

Qwen3-8B menjawab pertanyaan “apa yang bisa saya rilis sore ini” dengan model final berlisensi Apache-2.0 yang mendukung 119 bahasa dan telah teruji ketangguhannya selama enam belas bulan. Nex-N2.5 Mini menjawab pertanyaan “model terbuka kecil mana yang benar-benar bisa mengendalikan komputer” dengan turunan Qwen3.5 yang baru berumur sehari — bobotnya nyata, desain agen vision-native-nya benar-benar baru pada ukuran ini, dan skor computer-use-nya, hingga hari ini, masih sekadar klaim vendor. Model pekerja keras itu tetap mengisi slot teks sampai turunan itu membuktikan kapabilitas agennya — dan jika klaim Nex-AGI bertahan dalam uji independen, pada saat itulah pertanyaan tentang garis keturunan berhenti menjadi teoretis.

Dibandingkan dalam artikel ini3

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari