Een hero-titelkaart met de tekst {{1}}'Nex-N2.5 Mini vs Qwen3-8B'{{/1}} en de ondertitel {{2}}'Een afstammeling van Qwen3.5 neemt het op tegen het Apache-2.0-werkpaard'{{/2}}. Twee afgeronde kaarten: een linker kaart met een stamboomtak met het label {{3}}'afstammeling van Qwen3.5'{{/3}} en een rechter kaart met een schild met een vinkje en het label {{4}}'16 maanden aan bewijs'{{/4}}, met daartussen een weegschaalpictogram, en drie chips met de tekst {{5}}'één dag oud'{{/5}}, {{6}}'16 maanden beproefd'{{/6}} en {{7}}'beide Apache-2.0'{{/7}}. Het OrcaRouter-logo staat rechtsonder.
Guides & Insights

Nex-N2.5 Mini vs Qwen3-8B: Een Qwen3.5-nazaat neemt het op tegen het Apache-2.0-werkpaard

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Er schuilt een ironie onder deze vergelijking die geen van beide marketingteams vrijwillig zal melden: Nex-N2.5 Mini is gebouwd op de Qwen-lijn. Nex-AGI's multimodale agent met 35 miljard parameters — ongeveer 3 miljard actieve parameters onder een mixture-of-experts-ontwerp, aangekondigd op 8 september 2026 met Apache-2.0-gewichten die dezelfde dag live gingen — is post-getraind vanuit een Qwen3.5-variant, waardoor het een afstammeling is van precies de familie waartoe Qwen3-8B behoort. Qwen3-8B is Alibaba's in april 2025 uitgebrachte werkpaard met open gewichten: ongeveer 8,2 miljard dense parameters, 119 talen, hybride denken dat je per verzoek kunt omschakelen, Apache-2.0, en zestien maanden productieverleden erachter. Dus de vraag die deze pagina werkelijk stelt, is de vraag die elke afstammingslijn vroeg of laat voortbrengt: kan een nieuwere basis plus doelgerichte training, met een kleinere footprint aan actieve parameters, het oudere model onttronen dat iedereen al inzet?

Het eerlijke antwoord begint met een waarschuwing: behandel ze niet als vervangers. Qwen3-8B is een tekstgeneralist; Nex-N2.5 Mini is van nature een visuele agent voor het bedienen van computers en browsers. Ze overlappen elkaar bij eenvoudig werk met tekst en tools en lopen op alle andere gebieden uiteen. Maar de afstammingstwist maakt de vergelijking werkelijk informatief in plaats van louter een appels-met-peren-vergelijking: het laat je de vraag stellen wat drie generaties Qwen-verbeteringen plus een post-training voor computergebruik je op kleine schaal daadwerkelijk opleveren, gemeten tegen de 8B die al sinds vóórdat dit alles bestond productieverkeer verwerkt.

Qwen3-8B: zestien maanden aan bonnetjes

Qwen3-8B is het zeldzame open model waarvan het gedrag minder door de leverancier dan door de community is gedocumenteerd. Sinds april 2025 wordt het in het openbaar gekwantiseerd, geserveerd, gefinetuned en op faalpatronen in kaart gebracht: vLLM, SGLang en llama.cpp ondersteunen het overal, de eigenaardigheden ervan zijn bekende grootheden, en als je het implementeert en een probleem tegenkomt, heeft vrijwel zeker iemand de workaround beschreven. Het is een dense generalist van ~8,2B met een native context van 32K die uitbreidbaar is tot 131K, 119 talen en Qwens hybrid-thinking-ontwerp — redeneren aan of uit per verzoek, zodat een snelle niet-denkmode en een langzamere, weloverwogen mode één implementatie delen. De wiskundeprestaties zijn sterk voor een generalist: evaluaties van de leverancier en afgestemde evaluaties plaatsen MATH-500 in de lage tot midden jaren 90 in de denkmode en AIME-2024 rond de midden jaren 70, met het gebruikelijke voorbehoud dat competitiewiskunde-resultaten protocolgevoelig zijn en nooit de specialiteit van dit model waren. Voor tekst, tool-calling en betrouwbaar gedrag in de 8B-klasse is dit zo dicht bij een bekende grootheid als open weights maar kunnen komen — en het is uitsluitend tekstgericht, want vision in de Qwen3-generatie zit in de afzonderlijke Qwen3-VL-lijn, niet in de 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.

Niets daarvan maakt Qwen3-8B in 2026 spannend. Dat is nu juist het punt. Zestien maanden saaie betrouwbaarheid is als eigenschap een klasse op zich, en dat is precies de troef die een model van één dag oud niet kan vervalsen.

Nex-N2.5 Mini: één dag van belofte, op een nieuwere Qwen-lijn

Nex-N2.5 Mini is wat er gebeurt wanneer een nieuwere Qwen-basis wordt ingezet op een taak waarvoor Qwen3-8B nooit was gebouwd. De tekst-stack stamt af van een Qwen3.5-variant — de tokenizer en de tool-call-parser zijn Qwen3-familie — maar Nex-AGI (een alliantie georganiseerd rond het Shanghai Innovation Institute, met Shanghai Qiji Zhifeng, Mosi Intelligence en Kuafu Technology) heeft het verder getraind tot iets dat de Qwen 8B uit 2025 niet is: een multimodale agent die een scherm leest, handelt in een browser- of desktop-sessie en zijn eigen acties verifieert aan de hand van het resultaat. Het is een sparse MoE — 40 lagen, acht experts actief per token — met een vision-encoder en een native context van 262.144 tokens, meer dan het dubbele van het native venster van Qwen3-8B. De gewichten vallen onder Apache-2.0 en zijn sinds 8 september downloadbaar; gratis gehoste eindpunten zijn gekoppeld vanaf de kaart; een self-host-recept draait op twee H100's met een aangepaste SGLang-image.

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.

Wat de Mini nog niet kan tonen is bewijs. Zijn benchmarkkaart — OSWorld-Verified 71,2, BrowseComp 83,4, Terminal-Bench 2.1 73,4 en OmniDoc 89,7 aan de sterke kant; OSWorld-2 30,5, SWE-MM 25,5 en AutomationBench 32,3 aan de bescheiden kant — is van Nex-AGI zelf, op zijn minst gedeeltelijk geproduceerd via de NexCUA-harness, en niets ervan is onafhankelijk gereproduceerd. Er is geen adviesprijs, de gehoste laag is gratis en de downloadteller staat in de enkele cijfers. De beweringen over de mogelijkheden kunnen volledig waar zijn; ze zijn simpelweg niet geverifieerd, en de spreiding tussen zijn eigen OSWorld-Verified- en OSWorld-2-cijfers is groot genoeg dat een externe run geen luxe maar een noodzaak is.

De rijen die ertoe doen

• Afstamming — Nex-N2.5 Mini: nagetraind op basis van een Qwen3.5-variant door Nex-AGI. Qwen3-8B: Alibaba's dense model uit de Qwen3-generatie, april 2025.

• Parameters — Nex-N2.5 Mini: 35B in totaal, ~3B actief per token (MoE). Qwen3-8B: ~8.2B dense, alle actief.

• Modaliteit — Nex-N2.5 Mini: beeld en tekst erin, tekst eruit — vision-native, gemaakt voor GUI-agents. Qwen3-8B: alleen tekst (vision zit in de afzonderlijke Qwen3-VL-lijn).

• Context — Nex-N2.5 Mini: 262.144 native tokens. Qwen3-8B: 32K native, uitbreidbaar tot ~131K.

• Talen — Nex-N2.5 Mini: geen opvallende claim. Qwen3-8B: 119.

• Redeneren — Nex-N2.5 Mini: reasoning_effort: geen / gemiddeld (adaptief) / hoog. Qwen3-8B: hybride denken per verzoek aan of uit.

• Open gewichten — Nex-N2.5 Mini: Apache-2.0, live sinds 8 september 2026. Qwen3-8B: Apache-2.0, live sinds april 2025.

• Staat van dienst — Nex-N2.5 Mini: één dag oud, nog geen tien downloads, nul onafhankelijke runs. Qwen3-8B: zestien maanden zichtbaar in de community, vertrouwde quantisaties, in kaart gebrachte faalmodi.

• Voetafdruk van self-hosting — Nex-N2.5 Mini: ~70 GB BF16, twee-H100-recept. Qwen3-8B: klasse met één GPU, routinematig gekwantiseerd.

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.

Lees de rijen eerlijk en de twee modellen strijden niet om dezelfde implementatie. Qwen3-8B wint de positie van tekstgeneralist op elke dimensie waarvoor bewijs is verzameld; Nex-N2.5 Mini wint de positie van visieagent doordat het van de twee het enige is dat die plek kan invullen.

Wat de afstamming je wel en niet vertelt

Het gedeelde Qwen-DNA is informatief over het ene en irrelevant over het andere. Het is informatief over de basiskwaliteit: de Nex-N2.5 Mini komt voort uit een nieuwere Qwen-pretraining-run dan die van Qwen3-8B, wat een reëel en vaak zichtbaar voordeel is in ruwe taalvaardigheid, en de tool-calling- en reasoning-controls van de Mini zullen bekend voorkomen bij iedereen die een Qwen3-familie-model heeft gehost — de parseerconventies worden overgenomen. Het is irrelevant voor het deel dat er het meest toe doet, namelijk dat het de post-training van Nex-AGI is — niet het basismodel — die de Mini tot een agent maakt, en dat die post-training juist het onderdeel is zonder onafhankelijke verificatie. Dat de Mini afstamt van Qwen vertelt je dat het een vloeiend model in de Qwen-lijn zou moeten zijn. Het vertelt je niets over de vraag of de computer-use-loop daadwerkelijk werkt op 71.2 OSWorld-Verified, zoals geclaimd.

Welke krijgt de plek?

Voor een team dat vandaag tekst, tool-calling en agent-scaffolds uitbrengt, is Qwen3-8B het antwoord met een laag risico, en het afstammingsargument vormt daarvoor geen bedreiging: zestien maanden aan praktijkbewijs, single-GPU-economie en een faalmodus voor elke gelegenheid, al publiekelijk gedocumenteerd. Voor een team dat GUI-agents bouwt — browserautomatisering, computergebruik, visuele zelfcorrectie — is Nex-N2.5 Mini de enige van de twee die voor die klus is ontworpen, en de verstandige houding is uitproberen, niet afhankelijkheid: draai het via de gratis endpoint, beschouw de computer-gebruikscores van de leverancier als claims in afwachting van een onafhankelijke run, en laat een model van één dag oud niet het werkpaard uit de hot path verdringen op grond van een modelkaart.

Geen van beide modellen staat vandaag in de catalogus van OrcaRouter — Qwen3-8B draait via Alibaba's eigen API en verschillende platforms van derden, en Nex-N2.5 Mini draait op de endpoints van Nex-AGI en je GPU's — dus de evaluatie gebeurt opnieuw in je eigen stack, en dat is waar de routinglaag zijn nut bewijst. Het patroon dat past bij een evaluatie van een opvolger versus een werkpaard: houd de productie op de bewezen 8B, zet de nieuwe agent op een testbranch die via dezelfde API toegankelijk is, en laat automatische failover op het moment van de aanvraag bepalen welke van de twee serveert — waarbij gehoste modellen doorlopen tegen de adviesprijs van de provider met 0% opslag, zodat de kostenvergelijking actueel blijft op de dag dat een leverancier een prijs aanpast. De router vertelt je niet of een Qwen3.5-opvolger het werkpaard van 2025 verslaat — alleen een onafhankelijke run van de agent kan dat doen — maar het maakt dat experiment goedkoop, omkeerbaar en naast elkaar uitvoerbaar, en dat is precies de bedoeling.

Qwen3-8B beantwoordt de vraag "wat kan ik vanmiddag verzenden" met een afgerond, Apache-2.0-model dat 119 talen ondersteunt en zestien maanden in de praktijk is getest. Nex-N2.5 Mini beantwoordt de vraag "welk klein open model kan echt een computer besturen" met een één dag oude afstammeling van Qwen3.5 wiens gewichten echt zijn, wiens vision-native agentontwerp op deze schaal werkelijk nieuw is, en wiens computergebruikscores op dit moment een belofte van de leverancier zijn. Het werkpaard houdt de tekstpositie totdat de afstammeling de agent bewijst — en als de claims van Nex-AGI een onafhankelijke test overleven, is dat het moment waarop de afstammingsvraag niet langer theoretisch is.