Nex-N2.5 Mini: オープンウェイトはローンチ時に登場 — Nex-AGIの最小のコンピュータ操作エージェントが入り口

オープンなコンピュータ使用エージェントが実用に耐えるかどうかを見極める方法は、今や発表当日にプルできるモデルとなった。Nex-AGIは2026年9月8日、Nex-N2.5ファミリーを発表した。Nex-N2.5 Mini、Nex-N2.5 Pro、Nex-N2.5 Maxの3つのエージェント向けティアである。その中で、ダウンロードしてすぐ実行できるという点が売りのティアは、最小モデルだ。Nex-N2.5 MiniはApache-2.0ライセンスの重みをHugging Face上で公開しており、16個のBF16シャードに分かれている。パラメータ数は約350億で、報告によるとトークンあたり約30億のアクティブパラメータを持つ。また、H100を2枚使うリファレンスデプロイメントも用意されている。その一方、より大きなマルチモーダルの姉妹モデルNex-N2.5 Proは、本稿執筆時点ではまだ「近日公開」となっている。テキストのみの1.6兆パラメータのNex-N2.5 Maxも公開されているが、実行するには2ノードにまたがる16基のH200が必要だ。このファミリーの背後にあるテーゼ――オープンなエージェントモデルが、単に質問に答えるだけでなく、長期的なコンピュータ使用でも持ちこたえられるかどうか――を試したい人にとって、Miniはその入り口となる。

Nex-AGIとは何者か。その名前は新しく、ローンチは初の公開リリースという趣がある。発表の報道では、この取り組みは上海の複数の組織——上海創新研究院、上海奇績智峰、Mosi Intelligence、Kuafu Technology——による共同作業と説明されており、ファミリーはオープンソースとして位置づけられ、チームは@NexEcosystemハンドルで活動している。モデルカードは、Nex-N2.5-miniとNex-N2.5-Proが「Nex-N2のマルチモーダル基盤を継承している」としている。Nex-N2は以前のNexリリースで、その重みはすでに公開されている。ここで本当に新しいのは、その枠組みである。Nex-AGIは、これらのモデルを実世界環境における長期的なタスク——コンピュータの操作、ブラウザの駆動、コードの実行とテスト、画面で見たものからの軌道修正——のために構築したと述べ、その主張を検証可能にするために重みを公開したのである。

ティアは3つ、発表は1つ

ファミリーはスケールとモダリティによって分かれ、その違いは共有された名前以上に重要である。

• Nex-N2.5 Mini — 総パラメータ約35B / アクティブ約3Bのマルチモーダルモデル。画像とテキストを受け付け、ビジュアルコンピュータ利用、ブラウジング、およびインターフェースからのフィードバックを必要とするタスクを対象としています。リファレンスデプロイメントは、H100を2基搭載した単一ノードです。

• Nex-N2.5 Pro — 総パラメータ397B / アクティブ約17Bと報告され、マルチモーダルでもあり、より負荷の高いコンピューター操作ワークロード向け。リファレンス展開はH100 8基。そのウェイトはローンチ時点ではダウンロードできなかった。

• Nex-N2.5 Max — 合計1.6T / アクティブ約49B、テキストのみ。Nex-AGIの説明によると、これは「trillionパラメータ規模での初の完全なポストトレーニングの取り組み」であるという。モデルカードには、DeepSeek-V4-Pro-Base基盤の上に構築されていると記載されている。リファレンスデプロイメントは2ノードにわたる16×H200。

3つすべてがmixture-of-experts（混合エキスパート）です。MiniとProはQwen3.5モデルファミリーに位置づけられます。Nex-AGIの発表資料では、両方ともQwen3.5派生モデルからのポストトレーニングであると説明され、Mini自身の設定にもqwen3_5_moeというアーキテクチャタグが付いています。一方、MaxはDeepSeekベースの異色モデルです。つまり、このファミリーは「3つのサイズに1つのレシピ」ではなく「2つのレシピ」であり、マルチモーダルな「画面上で操作する」系のモデル群は同じ系統を共有し、テキスト推論の巨人は別の系統に属しているのです。

出荷されたNex-N2.5 Miniが実際には何なのか

nex-agi/Nex-N2.5-mini の Hugging Face リポジトリは、プレースホルダーではなく実際にダウンロード可能なチェックポイントです。合計約70GB で16個の safetensors シャード、BF16、ライセンスは Apache-2.0、最初に作成されたのは9月8日です。この config ファイルは、設計の基準にできるほど具体的です：

• アーキテクチャ — Qwen3_5MoeForConditionalGeneration、qwen3_5_moe ファミリーで、ビジョンスタックを備えています。カードはこれを image-text-to-text とタグ付けしており、リポジトリにはテキスト設定と並んで preprocessor_config.json が同梱されています。

• 形状 — 40層、隠れサイズ2048、クエリヘッド16個とKVヘッド2個を備えたグループ化クエリアテンション、語彙数248,320。

• MoE — 256のルーティング先エキスパート、トークンあたり8つがアクティブ、さらに共有エキスパート付き、中間サイズ512 — この疎アクティブ化プロファイルにより、約30億パラメータがアクティブな「350億パラメータ級」モデルがH100を2枚使って実行可能になる。

• コンテキスト — リリースされた設定では、max_position_embeddings は 262,144 トークンで、これはファミリーのデプロイメントレシピ全体で見られる同じ 262K という値です。

• 重みとライセンス — BF16、Apache-2.0、ゲートなし。リポジトリはまた、ModelScopeミラーと、このファミリーのデプロイメントレシピを掲載するGitHub組織（nex-agi）へのリンクも示しています。

Nex-AGIのデプロイメントドキュメントは、大半のオープンリリースが失敗しがちな部分であり、今回のリリースはそれを異例なほど的確に仕上げている。Miniは、カスタムSGLang Dockerイメージ（nexagi/sglang:v0.5.18-nex-patch）を用いて、2基のH100を搭載した単一ノード上でテンソル並列度2により提供される。推奨サンプリング設定はtemperature 0.7、top_p 0.95、top_k 40である。ツール呼び出しはSGLangのqwen3_coderパーサーを介して実行され、モデルはreasoning_effortフィールドを通じて3つの思考モードを公開する。「none」は非思考用、「medium」（適応的デフォルト）、「high」は常時思考用である。小さなエージェント型モデルにとって、この思考モード制御は、実用的なエージェントループと低速なループを分ける重要な要素であり、ユーザー任せではなくサービング構成に組み込まれている。

ウェイト：実際にダウンロードできるもの

リリース当日時点での3ティアの状況は、正確に述べておく価値がある。発表内容とリポジトリの内容が完全には一致していないからだ。本稿の執筆時点で、MiniはApache-2.0ライセンスの下で完全にダウンロード可能であり、本稿はこのMiniに基づいている。Nex-N2.5 Maxも公開されている。そのHugging Faceリポジトリには644個のsafetensorsシャードが含まれているが、1兆パラメータ規模を再現するには16×H200規模のプロジェクトが必要だ。公開が見送られているのはNex-N2.5 Proだ。Hugging Faceのリポジトリは存在するが、中身はREADMEと図だけ。モデルシャードは無く、カードにも「ウェイトは近日公開」と書かれたままである。仮に注目しているティアが大型マルチモーダル版なら、そこが要注目のギャップだ。発表資料ではProは、このファミリーの中で最強のコンピューター操作モデルとして説明されているが、まだローカルで実行できないのは、そのProなのである。

Nex-AGIが報告した数字——そしてそれらに付随する注意事項

Nex-AGIのモデルカードにはMini向けの完全なベンチマーク表が含まれており、そこに記載されたすべての数値はベンダー自身による報告です。本稿執筆時点で独立した実行結果は公開されておらず、カードには、スコアは公式ベンチマークのリーダーボードと入手可能な最新の評価レポート、およびそれ以外の項目についてはNex-AGI自身の評価に由来することが明記されています。コーディング結果はチームのNexAUハーネスを用いて生成され、コンピューター利用・ブラウザ利用の結果にはNexCUAハーネスが使用されており、カードによればこれはオープンソース化される予定です。見出しの数値は、中立な第三者が再現するまではベンダー側の最良事例として扱うべきです。

その枠組みで見ると、Miniの報告スコアは次の通りです。テキストおよびコーディング系の作業では、Terminal-Bench 2.1が73.4、SWE-Bench Proが43.8、DeepSWE v1.1が36.1、AutomationBench v1.0.6が32.3、Toolathlon Verifiedが54.6、BrowseCompが83.4、そしてGDPval-AA v2スコアは1446です。マルチモーダル/コンピューター操作系では、注目を集めているのはOSWorld-Verifiedの71.2、WebArena-Verifiedの63.4、WebTestの48.6（グラウンドトゥルースのチェックリストに対してオラクルモードで実行）、OSWorld-Gの82.9、OmniDocの89.7で、それに加えてより控えめなOSWorld-2（30.5）とVision2Web（52.9）の結果もあります。

読み方について2つの注意点。第一に、OSWorld-VerifiedとOSWorld-2は異なるスイートである。前者は結果としての環境状態から採点される検証済みサブセットであり、後者はより新しく、総じてより厳しいテスト実行だ。したがって、一方の71.2と他方の30.5は矛盾しない。これらは別のテストであり、Nex自身の表でも別々の列に分けられている。第二に、ファミリーテーブルのどの行でもMiniはProとMaxよりスコアが低く、各列の最上位はClaude Opus 5やGPT-5.6 Solといったフロンティアの既存モデルが占めている。Miniの物語はフロンティアモデルを打ち負かすことではなく、アクティブパラメータ約3Bのオープンモデルが、H100 2基というフットプリントでコンピュータ操作ベンチマークに競争力のあるスコアを報告していることだ。それが持ちこたえるかどうかこそ、オープンウェイトによってあなた自身が答えられる問いなのである。

今日はNex-N2.5 Miniを動かしています。

2基のH100を使用するこの構成により、Miniはファミリーの中核となる主張を実際に試す最も安価な方法となる。アーキテクチャが標準的なQwen3.5-MoEで、qwen3_coderツール呼び出しパーサーを備えているため、カスタム推論コードなしでNex-AGI SGLangフォークに読み込むことができ、推奨設定もリバースエンジニアリングに委ねられるのではなく公開されている。開始前に設定すべき正直な期待値は、できたばかりのチェックポイントと新しいハーネスの組み合わせは、依存対象ではなく実験であるということだ。Miniリポジトリのダウンロード数はまだ一桁台で、この記事が書かれた時点では、サードパーティによる独立した評価はまだ公開されていなかった。これは昨日リリースされたモデルにとっては正常な状態であり、2基のH100という設置面積が重要な理由でもある。つまり、誰か他の人が評価するのを待つのではなく、今週中に自分で実験を実行できるということだ。

手動で単一デプロイを調整するよりも、Miniを独自のベンチマークテーブル上でフロンティアエージェント群と比較したいなら、そこでルーティングレイヤーが存在価値を発揮します。ホステッドプロバイダーがNex-N2.5 Miniを取り扱い、比較対象である既存モデルがすでにルーター経由で利用可能なら、200以上のモデルに対応する単一API（プロバイダーのリスト価格を0%マークアップで透過し、自動フェイルオーバーを備えたもの）は、追加の統合なしに同じタスクを複数のモデルに対して実行する安価な手段です。OrcaRouterでは、これは当社がルーティングするすべてのモデルにとって標準のセットアップです。同じキー、同じ呼び出し形式、ベンダー自身の価格のまま、何も上乗せされません。この点は、今回のような実績のないモデルで最も重要です。フェイルオーバーがあるからこそ、経路そのものを賭けに出すことなく、実際の経路でそのモデルを試せるからです。

誰がこれらの重りを引くべきですか

コンピューター操作エージェント、ブラウザ自動化、または視覚情報に基づくツール利用に取り組んでいて、ホスト型のトップモデルとベンチマーク比較するための、寛容なライセンスでセルフホスト可能なモデルを求めているなら、それらを取得して使いましょう。Apache-2.0ライセンスは、中国の研究所によるリリースにありがちな摩擦を取り除きます。H100×2基で動く規模は、本格的なエージェントチームなら手の届く範囲です。そして、推論努力の制御と実際に機能するツール呼び出しパーサーにより、これはおもちゃではなく、信頼できるテストベッドになります。このファミリーで最強のコンピューター操作モデルが必要なら、導入は見合わせてください。その座はProのものであり、まだ公開されていないのはProのウェイトです。また、独立した実行による裏付けが取れるまで、ベンチマーク表のすべての行にはベンダーのラベルを付け続けてください。アクティブパラメータ約3BのオープンモデルがOSWorld-Verifiedで71.2を記録したというのは実に際立った主張であり、その数字を前提に開発を進める前に、まさに自前の評価ハーネスで検証すべき類の主張です。

次に注目すべき点。Pro版ウェイトの公開は、何より大きなシグナルだ。それによってモデルファミリーは、「Mini＋1兆パラメータの巨人」という姿から、発表資料が説明するフルラインナップへと変わる。2つ目は、NexCUAハーネスのオープンソース化。これなしには、コンピュータ操作の数値を同じプロトコルの下で独立に再現することはできない。3つ目は、初の中立的な評価だ。Artificial Analysis、大学の研究室、あるいはOSWorld-Verifiedでの再現を公開する実務者のいずれかによるものである。この3つのうちどれかが実現した時点で、今回の発表が提起する問い——オープンなエージェント型モデルが、ホスト型のコンピュータ操作スタックとの差を本当に埋めたのか——は、もはやベンダーが示す表の問題ではなくなる。