Główna karta tytułowa z napisem 'Nex-N2.5 Mini vs Qwen3-8B' i podtytułem 'Potomek Qwen3.5 mierzy się z koniem roboczym Apache-2.0'. Dwie zaokrąglone karty: lewa przedstawia gałąź drzewa genealogicznego z etykietą 'potomek Qwen3.5', a prawa przedstawia tarczę z ptaszkiem i etykietą '16 miesięcy dowodów', z ikoną wagi szalkowej między nimi i trzema chipami z napisami: 'jednodniowy', '16 miesięcy sprawdzony w boju' i 'oba na Apache-2.0'. Logo OrcaRouter znajduje się w prawym dolnym rogu.
Guides & Insights

Nex-N2.5 Mini vs Qwen3-8B: Potomek Qwen3.5 mierzy się z koniem roboczym Apache-2.0

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

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.

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.

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.

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.

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.

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.

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