Una hero card con il titolo 'Nex-N2.5 Mini vs Qwen3-8B' e il sottotitolo 'Un discendente di Qwen3.5 sfida il cavallo di battaglia Apache-2.0'. Due card arrotondate: una card a sinistra mostra un ramo dell'albero genealogico etichettato 'discendente di Qwen3.5' e una card a destra mostra uno scudo con un segno di spunta etichettato '16 mesi di prove', con un'icona di bilancia tra loro, e tre chip che riportano 'un giorno di vita', '16 mesi collaudato sul campo' e 'Apache-2.0 entrambi'. Il logo di OrcaRouter è in basso a destra.
Guides & Insights

Nex-N2.5 Mini vs Qwen3-8B: un discendente di Qwen3.5 sfida il cavallo di battaglia Apache-2.0

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

C'è un'ironia in fondo a questo confronto che nessuna strategia di marketing dei due modelli vorrà ammettere: {{1}}Nex-N2.5 Mini si basa sul lignaggio Qwen{{/1}}. L'agente multimodale di Nex-AGI da 35 miliardi di parametri — circa 3 miliardi di parametri attivi sotto un design mixture-of-experts, annunciato l'8 settembre 2026 con pesi Apache-2.0 da subito disponibili — {{2}}è post-addestrato da una variante Qwen3.5{{/2}}, il che lo rende un discendente della stessa famiglia a cui {{3}}appartiene Qwen3-8B{{/3}}. Qwen3-8B è il cavallo di battaglia open-weights di Alibaba dell'aprile 2025: circa 8,2 miliardi di parametri densi, 119 lingue, pensiero ibrido attivabile per singola richiesta, Apache-2.0 e sedici mesi di riscontri produttivi alle spalle. {{4}}Quindi la domanda che questa pagina pone davvero è quella che ogni lignaggio genera prima o poi{{/4}} — una base più recente più un addestramento dedicato, in un ingombro di parametri attivi più ridotto, riesce a scalzare il modello più vecchio che tutti già distribuiscono?

La risposta onesta inizia con un avvertimento: non trattarli come sostituti. Qwen3-8B è un generalista del testo; Nex-N2.5 Mini è un agente nativamente visivo per operare computer e browser. Si sovrappongono nel lavoro su testo semplice e strumenti, ma divergono in tutto il resto. Ma il colpo di scena della discendenza rende il confronto davvero informativo, e non un semplice paragone tra mele e arance: ti permette di chiederti cosa ti diano realmente, su piccola scala, tre generazioni di miglioramenti di Qwen più un post-training per l'uso del computer, misurati rispetto al modello 8B che ha sostenuto il traffico di produzione da prima che tutto ciò esistesse.

Qwen3-8B: sedici mesi di prove

{{1}}Qwen3-8B è il raro modello open il cui comportamento è documentato meno dal suo vendor che dalla sua community.{{/1}} Da aprile 2025 è stato quantizzato, servito, affinato e mappato nei suoi fallimenti in pubblico: vLLM, SGLang e llama.cpp lo supportano ovunque, le sue stranezze sono quantità note, e se lo distribuisci e incontri un problema, qualcuno ha quasi certamente già documentato il workaround. {{2}}È un generalista denso da ~8,2B con un contesto nativo di 32K estendibile fino a 131K, 119 lingue e il design hybrid-thinking di Qwen — ragionamento attivo o disattivo per richiesta, così una modalità veloce non-thinking e una modalità deliberata più lenta condividono un unico deployment.{{/2}} La sua matematica è solida per un generalista: le valutazioni del vendor e quelle allineate collocano MATH-500 tra il 90% e il 95% in modalità thinking e AIME-2024 intorno al 75%, con la solita avvertenza che i punteggi della matematica competitiva sono sensibili al protocollo e non sono mai stati il punto di forza di questo modello. {{3}}Per il testo, il tool-calling e un comportamento affidabile di classe 8B, questo è quanto di più vicino a una quantità nota i pesi open possano offrire — ed è text-only, perché la visione nella generazione Qwen3 vive nella linea separata Qwen3-VL, non nella 8B.{{/3}}

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.

Niente di tutto ciò rende Qwen3-8B interessante nel 2026. È proprio questo il punto. Sedici mesi di affidabilità noiosa sono una categoria di funzionalità a sé stante, ed è esattamente l'asset che un modello di un giorno non può contraffare.

Nex-N2.5 Mini: un giorno di promessa, su una linea Qwen più recente

Nex-N2.5 Mini è ciò che accade quando una base Qwen più recente viene puntata verso un compito per cui Qwen3-8B non era mai stato progettato. Il suo stack testuale discende da una variante Qwen3.5 — il tokenizer e il parser delle chiamate agli strumenti appartengono alla famiglia Qwen3 — ma Nex-AGI (un'alleanza organizzata attorno allo Shanghai Innovation Institute, con Shanghai Qiji Zhifeng, Mosi Intelligence e Kuafu Technology) l'ha post-addestrato trasformandolo in qualcosa che il Qwen 8B del 2025 non è: un agente multimodale che legge uno schermo, agisce in una sessione browser o desktop e verifica le proprie azioni confrontandole con il risultato. È un MoE sparso — 40 layer, otto esperti attivi per token — con un encoder visivo e un contesto nativo di 262.144 token, più del doppio della finestra nativa di Qwen3-8B. I suoi pesi sono sotto licenza Apache-2.0 e sono scaricabili dall'8 settembre; endpoint hosted gratuiti sono linkati dalla sua scheda; una ricetta self-host gira su due H100 con un'immagine SGLang personalizzata.

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.

Ciò che il Mini non può ancora mostrare sono prove. La sua scheda di benchmark — OSWorld-Verified 71.2, BrowseComp 83.4, Terminal-Bench 2.1 73.4 e OmniDoc 89.7 sul fronte positivo; OSWorld-2 30.5, SWE-MM 25.5 e AutomationBench 32.3 sul fronte più modesto — è di Nex-AGI stessa, prodotta almeno in parte attraverso il suo harness NexCUA, e nessuna di queste è stata riprodotta in modo indipendente. Non esiste un prezzo di listino, il livello ospitato è gratuito e il contatore dei download è a una cifra. Le affermazioni sulle capacità potrebbero essere del tutto vere; semplicemente non sono verificate, e la differenza tra i punteggi del Mini su OSWorld-Verified e OSWorld-2 è abbastanza ampia da rendere un test esterno non una gentilezza, ma una necessità.

Le righe che contano

• Origine — Nex-N2.5 Mini: post-addestrato da una variante Qwen3.5 di Nex-AGI. Qwen3-8B: modello denso della generazione Qwen3 di Alibaba, aprile 2025.

• Parametri — Nex-N2.5 Mini: 35B totali, ~3B attivi per token (MoE). Qwen3-8B: ~8.2B densi, tutti attivi.

• Modalità — Nex-N2.5 Mini: immagini e testo in ingresso, testo in uscita — nativamente visivo, progettato per agenti GUI. Qwen3-8B: solo testo (la visione è nella linea separata Qwen3-VL).

• Contesto — Nex-N2.5 Mini: 262.144 token nativi. Qwen3-8B: 32K nativi, estendibile fino a ~131K.

• Lingue — Nex-N2.5 Mini: non è un'affermazione da titolo. Qwen3-8B: 119.

• Ragionamento — Nex-N2.5 Mini: reasoning_effort nessuno / medio (adattivo) / alto. Qwen3-8B: pensiero ibrido attivo o disattivato su richiesta.

• Pesi aperti — Nex-N2.5 Mini: Apache-2.0, disponibile dall'8 settembre 2026. Qwen3-8B: Apache-2.0, disponibile da aprile 2025.

• Storico — Nex-N2.5 Mini: un giorno di vita, download a una cifra, zero esecuzioni indipendenti. Qwen3-8B: sedici mesi di esposizione alla community, quantizzazioni affidabili, modalità di errore mappate.

• Impronta di self-hosting — Nex-N2.5 Mini: ~70 GB BF16, configurazione a due H100. Qwen3-8B: classe single-GPU, abitualmente quantizzato.

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.

Leggendo le righe con onestà, i due modelli non competono per lo stesso deployment. Qwen3-8B si aggiudica il ruolo di generalista del testo su ogni dimensione per cui si sono accumulate prove; Nex-N2.5 Mini si aggiudica il ruolo di agente visivo essendo l'unico dei due in grado di ricoprirlo.

Cosa ti dice e cosa non ti dice il lignaggio

{{1}}Il DNA condiviso di Qwen è informativo su una cosa e irrilevante su un'altra.{{/1}} {{2}}È informativo sulla qualità di base: Nex-N2.5 Mini parte da una run di pre-addestramento Qwen più recente rispetto a quella di Qwen3-8B, il che è un vantaggio reale e spesso visibile nella competenza linguistica grezza, e i controlli di tool-calling e reasoning della Mini risulteranno familiari a chiunque abbia servito un modello della famiglia Qwen3 — le convenzioni di parsing si mantengono.{{/2}} {{3}}È irrilevante per la parte che conta di più, cioè che il post-addestramento di Nex-AGI — non la base — è ciò che rende la Mini un agente, e che quel post-addestramento è proprio la parte senza verifica indipendente.{{/3}} {{4}}Discendere da Qwen ti dice che la Mini dovrebbe essere un modello fluente della linea Qwen.{{/4}} {{5}}Non ti dice nulla sul fatto che il loop di computer-use funzioni davvero al 71.2 OSWorld-Verified come dichiarato.{{/5}}

Quale ottiene lo slot?

Per un team che oggi distribuisce testo, chiamate a strumenti e scaffold per agenti, Qwen3-8B è la risposta a basso rischio e l'argomento del lignaggio non la minaccia: sedici mesi di risultati, economia di singola GPU e una modalità di guasto per ogni occasione già documentata pubblicamente. Per un team che costruisce agenti GUI — automazione del browser, computer-use, auto-correzione visiva — Nex-N2.5 Mini è l'unico dei due progettato per il compito, e l'atteggiamento sensato è la sperimentazione, non la dipendenza: eseguitelo tramite l'endpoint gratuito, considerate i punteggi di computer-use del fornitore come affermazioni in attesa di una esecuzione indipendente, e non lasciate che un modello di un giorno scalzi il cavallo di battaglia dal percorso principale sulla base di una scheda del modello.

Nessuno dei due modelli è oggi presente nel catalogo di OrcaRouter — Qwen3-8B viene eseguito tramite l'API proprietaria di Alibaba e diverse piattaforme di terze parti, e Nex-N2.5 Mini viene eseguito sugli endpoint di Nex-AGI e sulle vostre GPU — quindi la valutazione avviene di nuovo nel vostro stack, ed è lì che il livello di routing dimostra il suo valore. Lo schema che si adatta a una valutazione tra discendente e cavallo di lavoro: mantenere in produzione il collaudato 8B, mettere il nuovo agente su un ramo di test raggiungibile tramite la stessa API, e lasciare che il failover automatico decida al momento della richiesta quale dei due serva — con i modelli ospitati che passano al prezzo di listino del fornitore, con un ricarico dello 0%, così il confronto dei costi rimane aggiornato il giorno in cui un fornitore modifica un prezzo. Il router non vi dirà se un discendente di Qwen3.5 batte il cavallo di lavoro del 2025 — solo un'esecuzione indipendente dell'agente può farlo — ma rende l'esecuzione di questo esperimento economica, reversibile e affiancata, che è esattamente il punto.

Qwen3-8B risponde alla domanda "cosa posso rilasciare questo pomeriggio" con un modello completo, Apache-2.0, in 119 lingue, che è stato provato sul campo per sedici mesi. Nex-N2.5 Mini risponde alla domanda "quale piccolo modello open source può davvero controllare un computer" con un discendente di Qwen3.5 di un giorno, i cui pesi sono reali, il cui design di agente nativamente visivo è genuinamente nuovo a queste dimensioni, e i cui punteggi nell'uso del computer sono, ad oggi, una promessa del fornitore. Il cavallo di battaglia mantiene il posto di testo finché il discendente non dimostra l'agente — e se le affermazioni di Nex-AGI superano una prova indipendente, in quel momento la questione del lignaggio smette di essere teorica.

Confrontati in questo articolo3

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno