
Nex-N2.5 Mini vs Qwen3-8B: Potomek Qwen3.5 mierzy się z koniem roboczym Apache-2.0
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 185 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 228 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 89 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 98 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 113 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
U podstaw tego starcia leży ironia, o której marketing żadnego z modeli nie wspomni: Nex-N2.5 Mini wywodzi się z linii Qwen. Agent multimodalny firmy Nex-AGI o 35 miliardach parametrów — z około 3 miliardami aktywnych parametrów w architekturze mixture-of-experts, zapowiedziany 8 września 2026 roku, z wagami na licencji Apache-2.0 udostępnionymi tego samego dnia — powstał poprzez dotrenowanie wariantu Qwen3.5, co czyni go potomkiem tej samej rodziny, do której należy Qwen3-8B. Qwen3-8B to opracowany przez Alibabę w kwietniu 2025 roku koń roboczy z otwartymi wagami: około 8,2 miliarda gęstych parametrów, 119 języków, hybrydowe myślenie, które można przełączać dla każdego zapytania, licencja Apache-2.0 i szesnaście miesięcy produkcyjnych wdrożeń na koncie. Tak więc pytanie, które ta strona naprawdę zadaje, to pytanie, które prędzej czy później pojawia się w każdej linii — czy nowsza baza i trening zaprojektowany pod konkretny cel, przy mniejszej liczbie aktywnych parametrów, zdetronizują starszy model, który wszyscy już mają w produkcji?
Uczciwa odpowiedź zaczyna się od ostrzeżenia, aby nie traktować ich jako zamienników. Qwen3-8B to tekstowy generalista; Nex-N2.5 Mini to natywny agent wizyjny do obsługi komputerów i przeglądarek. Pokrywają się w zwykłej pracy z tekstem i narzędziami, a w pozostałych obszarach się rozchodzą. Jednak ten zwrot w pochodzeniu sprawia, że porównanie jest naprawdę pouczające, a nie tylko porównaniem jabłek do pomarańczy: pozwala zapytać, co trzy generacje ulepszeń Qwen plus doszkalanie pod kątem obsługi komputera faktycznie dają w małej skali, mierzone względem modelu 8B, który obsługuje ruch produkcyjny od czasów sprzed powstania tego wszystkiego.
Qwen3-8B: szesnaście miesięcy paragonów
Qwen3-8B to rzadki otwarty model, którego zachowanie jest w mniejszym stopniu dokumentowane przez producenta niż przez społeczność. Od kwietnia 2025 r. jest publicznie kwantyzowany, serwowany, dostrajany i mapowany pod kątem błędów: vLLM, SGLang i llama.cpp wspierają go wszędzie, jego osobliwości są znanymi wielkościami, a jeśli go wdrożysz i napotkasz problem, niemal na pewno ktoś już opisał obejście. To gęsty model ogólnego przeznaczenia o ~8,2 mld parametrów, z natywnym oknem kontekstowym 32K rozszerzalnym do 131K, obsługą 119 języków i hybrydowym mechanizmem myślenia Qwen — rozumowaniem włączanym lub wyłączanym dla każdego żądania, dzięki czemu szybki tryb bez myślenia i wolniejszy tryb refleksyjny współdzielą jedno wdrożenie. Jego wyniki matematyczne są jak na model ogólny mocne: oceny producenta i wariantów aligned plasują MATH-500 w trybie myślenia w przedziale 90–95%, a AIME-2024 w okolicach 75%, z typowym zastrzeżeniem, że wyniki w matematyce konkursowej są wrażliwe na protokół oceny i nigdy nie były specjalnością tego modelu. Jeśli chodzi o tekst, wywoływanie narzędzi i niezawodne zachowanie w klasie 8B, jest to tak blisko znanej wielkości, jak to tylko możliwe w przypadku otwartych wag — a przy tym model jest wyłącznie tekstowy, bo wizja w generacji Qwen3 mieszka w osobnej linii Qwen3-VL, a nie w 8B.

Nic z tego nie sprawia, że Qwen3-8B jest ekscytujący w 2026 roku. O to właśnie chodzi. Szesnaście miesięcy nudnej niezawodności to odrębna klasa cech i jest to dokładnie ten atut, którego jednodniowy model nie może podrobić.
Nex-N2.5 Mini: jeden dzień obietnicy, na nowszej linii Qwen
Nex-N2.5 Mini to efekt skierowania nowszej bazy Qwen do zadania, do którego Qwen3-8B nie został stworzony. Jego stos tekstowy wywodzi się z wariantu Qwen3.5 — tokenizator i parser wywołań narzędzi należą do rodziny Qwen3 — ale Nex-AGI (sojusz zorganizowany wokół Shanghai Innovation Institute, z udziałem Shanghai Qiji Zhifeng, Mosi Intelligence i Kuafu Technology) w wyniku post-treningu przekształcił ten model w coś, czym Qwen 8B z 2025 roku nie jest: w agenta multimodalnego, który czyta ekran, działa w przeglądarce lub sesji pulpitu i weryfikuje swoje działania na podstawie wyniku. To rzadki model MoE — 40 warstw, osiem ekspertów aktywnych na token — z enkoderem wizyjnym i natywnym oknem kontekstowym wynoszącym 262 144 tokenów, ponad dwukrotnie większym niż natywne okno Qwen3-8B. Jego wagi są na licencji Apache-2.0 i można je pobierać od 8 września; bezpłatne hostowane punkty końcowe są podlinkowane z jego karty; przepis na samodzielny hosting działa na dwóch układach H100 z niestandardowym obrazem SGLang.

To, czego Mini nie może jeszcze pokazać, to dowody. Jego karta benchmarkowa — po mocnej stronie: OSWorld-Verified 71.2, BrowseComp 83.4, Terminal-Bench 2.1 73.4 i OmniDoc 89.7; po słabszej: OSWorld-2 30.5, SWE-MM 25.5 i AutomationBench 32.3 — jest autorstwa Nex-AGI, powstała przynajmniej częściowo z wykorzystaniem środowiska NexCUA i żaden z tych wyników nie został niezależnie odtworzony. Nie ma ceny katalogowej, wersja hostowana jest darmowa, a licznik pobrań pokazuje jednocyfrową liczbę. Deklaracje o możliwościach mogą być całkowicie prawdziwe; są po prostu niezweryfikowane, a rozpiętość między własnymi wynikami Mini dla OSWorld-Verified i OSWorld-2 jest na tyle duża, że niezależny test to nie luksus, lecz konieczność.
Wiersze, które się liczą
• Pochodzenie — Nex-N2.5 Mini: dotrenowany przez Nex-AGI na bazie wariantu Qwen3.5. Qwen3-8B: gęsty model generacji Qwen3 firmy Alibaba z kwietnia 2025 r.
• Parametry — Nex-N2.5 Mini: łącznie 35 mld parametrów, ~3 mld aktywnych na token (MoE). Qwen3-8B: ~8,2 mld parametrów (model gęsty), wszystkie aktywne.
• Modalność — Nex-N2.5 Mini: obraz i tekst na wejściu, tekst na wyjściu — natywnie wizyjny, zaprojektowany dla agentów GUI. Qwen3-8B: tylko tekst (obsługa wizji znajduje się w osobnej linii Qwen3-VL).
• Kontekst — Nex-N2.5 Mini: 262 144 tokeny natywnie. Qwen3-8B: 32K natywnie, rozszerzalny do ~131K.
• Języki — Nex-N2.5 Mini: to nie jest hasło reklamowe. Qwen3-8B: 119.
• Rozumowanie — Nex-N2.5 Mini: reasoning_effort none / medium (adaptive) / high. Qwen3-8B: myślenie hybrydowe włączane lub wyłączane na żądanie.
• Otwarte wagi — Nex-N2.5 Mini: Apache-2.0, dostępny od 8 września 2026. Qwen3-8B: Apache-2.0, dostępny od kwietnia 2025.
• Historia — Nex-N2.5 Mini: dzień od premiery, jednocyfrowa liczba pobrań, zero niezależnych uruchomień. Qwen3-8B: szesnaście miesięcy obecności w społeczności, zaufane kwantyzacje, zmapowane tryby awarii.
• Zajętość zasobów self-hostingu — Nex-N2.5 Mini: ~70 GB BF16, konfiguracja dwóch H100. Qwen3-8B: klasa pojedynczego GPU, rutynowo kwantyzowany.

Jeśli uczciwie odczytać wiersze, oba modele nie walczą o to samo wdrożenie. Qwen3-8B wygrywa miejsce tekstowego generalisty w każdym wymiarze, w którym zebrano dowody; Nex-N2.5 Mini wygrywa miejsce agenta wizyjnego, ponieważ jako jedyny z tej dwójki może je zająć.
Co mówi ci rodowód, a czego nie mówi
Wspólne DNA Qwen w jednej kwestii niesie informację, a w innej jest nieistotne. Miarodajne jest w kwestii jakości modelu bazowego: Nex-N2.5 Mini bazuje na nowszej iteracji pretreningu Qwen niż Qwen3-8B, co stanowi realną i często widoczną przewagę w surowych kompetencjach językowych, a mechanizmy wywoływania narzędzi i rozumowania w Mini będą znajome każdemu, kto serwował model z rodziny Qwen3 — konwencje parsowania przechodzą wprost. Nieistotne jest natomiast dla tego, co najważniejsze: to post-training Nex-AGI — a nie model bazowy — czyni z Mini agenta, i właśnie ta warstwa nie doczekała się żadnej niezależnej weryfikacji. Pochodzenie od Qwen mówi, że Mini powinno być płynnym modelem z linii Qwen. Nie mówi natomiast nic o tym, czy pętla obsługi komputera faktycznie działa na poziomie 71.2 OSWorld-Verified, jak twierdzono.
Który dostaje miejsce?
Dla zespołu, który dziś wdraża tekst, wywoływanie narzędzi i szkielety agentów, Qwen3-8B jest rozwiązaniem niskiego ryzyka, a argument o pochodzeniu linii modeli mu nie zagraża: szesnaście miesięcy udokumentowanych wyników, ekonomika pojedynczego GPU i publicznie udokumentowany tryb awarii na każdą okazję. Dla zespołu budującego agentów GUI — automatyzację przeglądarek, obsługę komputera, wizualną samokorektę — Nex-N2.5 Mini jest jedynym z tych dwóch stworzonym do tego zadania, a rozsądne podejście to próba, nie uzależnienie: uruchom go przez darmowy endpoint, traktuj wyniki dostawcy w zakresie obsługi komputera jako deklaracje oczekujące na niezależne testy i nie pozwól, aby jednodniowy model wyparł sprawdzonego konia roboczego ze ścieżki krytycznej na podstawie samej karty modelu.
Żaden z modeli nie znajduje się dziś w katalogu OrcaRouter — Qwen3-8B działa przez własne API Alibaby i kilka platform zewnętrznych, a Nex-N2.5 Mini działa na punktach końcowych Nex-AGI i twoich procesorach GPU — więc ewaluacja ponownie odbywa się w twoim własnym środowisku i to właśnie tam warstwa routingu pokazuje swoją wartość. Wzorzec, który pasuje do ewaluacji potomka kontra sprawdzonego konia roboczego: utrzymaj produkcję na sprawdzonym modelu 8B, umieść nowego agenta na gałęzi testowej osiągalnej przez to samo API i pozwól automatycznemu przełączaniu awaryjnemu decydować w momencie żądania, który model ma odpowiadać — przy czym modele hostowane przechodzą po cenie katalogowej dostawcy z 0% marżą, więc porównanie kosztów pozostaje aktualne w dniu, w którym jakikolwiek dostawca zmieni cenę. Router nie powie ci, czy potomek Qwen3.5 pokona konia roboczego z 2025 roku — tylko niezależne uruchomienie agenta może to ustalić — ale sprawia, że przeprowadzenie tego eksperymentu jest tanie, odwracalne i możliwe do wykonania obok siebie, o co właśnie chodzi.
{{1}}Qwen3-8B odpowiada na pytanie „co mogę wysłać dziś po południu” gotowym modelem na licencji Apache-2.0, obsługującym 119 języków, który był testowany bojowo przez szesnaście miesięcy. Nex-N2.5 Mini odpowiada na pytanie „który mały otwarty model może faktycznie sterować komputerem” potomkiem Qwen3.5 sprzed jednego dnia, którego wagi są prawdziwe, którego natywnie wizyjny projekt agenta jest autentycznie nowatorski w tej skali, a którego wyniki w obsłudze komputera są — na dzień dzisiejszy — jedynie słowem producenta.{{/1}} {{2}}Robot roboczy zachowuje miejsce w tekście, dopóki potomek nie udowodni, że jest agentem — a jeśli twierdzenia Nex-AGI przetrwają niezależny test, to właśnie wtedy pytanie o linię rodową przestaje być teoretyczne.{{/2}}
Porównane w tym artykule3
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
