Um card de título hero exibindo 'Nex-N2.5 Mini vs Qwen3-8B', com o subtítulo 'Um descendente do Qwen3.5 enfrenta o cavalo de batalha Apache-2.0'. Dois cards arredondados: o card da esquerda mostra um galho de árvore genealógica rotulado 'descendente do Qwen3.5', e o card da direita mostra um escudo com uma marca de verificação rotulado '16 meses de comprovantes', com um ícone de balança entre eles; há também três chips: 'um dia de vida', '16 meses testado em batalha' e 'Apache-2.0 ambos'. O logotipo da OrcaRouter fica no canto inferior direito.
Guides & Insights

Nex-N2.5 Mini vs Qwen3-8B: Um descendente do Qwen3.5 enfrenta o cavalo de batalha Apache-2.0

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Há uma ironia no fundo deste confronto que o marketing de nenhum dos modelos vai divulgar: o Nex-N2.5 Mini é construído sobre a linhagem Qwen. O agente multimodal de 35 bilhões de parâmetros da Nex-AGI — aproximadamente 3 bilhões de parâmetros ativos sob um design de mistura de especialistas, anunciado em 8 de setembro de 2026 com pesos Apache-2.0 disponibilizados no mesmo dia — é pós-treinado a partir de uma variante do Qwen3.5, o que o torna descendente exatamente da família à qual o Qwen3-8B pertence. O Qwen3-8B é o cavalo de batalha de pesos abertos da Alibaba de abril de 2025: aproximadamente 8,2 bilhões de parâmetros densos, 119 idiomas, pensamento híbrido que você pode alternar por solicitação, Apache-2.0 e dezesseis meses de histórico comprovado em produção por trás dele. Então, a pergunta que esta página realmente faz é aquela que toda linhagem acaba gerando mais cedo ou mais tarde — uma base mais nova somada a um treinamento com propósito específico, em uma pegada de parâmetros ativos menor, destrona o modelo mais antigo que todo mundo já usa em produção?

A resposta honesta começa com um aviso para não tratá-los como substitutos. O Qwen3-8B é um generalista de texto; o Nex-N2.5 Mini é um agente nativo de visão para operar computadores e navegadores. Eles se sobrepõem em tarefas simples de texto e ferramentas e divergem em todo o resto. Mas a reviravolta de linhagem torna a comparação genuinamente informativa, em vez de mera comparação entre coisas distintas: ela permite que você pergunte o que três gerações de melhorias do Qwen, mais um pós-treinamento focado em uso de computador, realmente entregam em pequena escala, medido contra o modelo de 8B que já carrega tráfego de produção desde antes de tudo isso existir.

Qwen3-8B: dezesseis meses de recibos

Qwen3-8B é um raro modelo aberto cujo comportamento é mais documentado por sua comunidade do que por seu fornecedor. Desde abril de 2025, ele tem sido quantizado, servido, ajustado e mapeado em falhas publicamente: vLLM, SGLang e llama.cpp o suportam em todos os lugares, suas idiossincrasias são conhecidas e, se você o implantar e encontrar um problema, quase certamente alguém já escreveu a solução de contorno. É um generalista denso de ~8,2B com contexto nativo de 32K extensível até 131K, 119 idiomas e o design de pensamento híbrido da Qwen — raciocínio ativado ou desativado por solicitação, de modo que um modo rápido sem raciocínio e um modo deliberado mais lento compartilham uma única implantação. Sua matemática é forte para um generalista: avaliações do fornecedor e avaliações alinhadas colocam o MATH-500 na casa dos 90 baixos a médios em modo de raciocínio e o AIME-2024 em torno dos 75, com a ressalva usual de que os números de matemática competitiva são sensíveis ao protocolo e nunca foram a especialidade deste modelo. Para texto, chamada de ferramentas e comportamento confiável de classe 8B, ele é o mais próximo de uma quantidade conhecida que os pesos abertos conseguem chegar — e é somente texto, porque a visão na geração Qwen3 está na linha separada Qwen3-VL, não no 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.

Nada disso torna o Qwen3-8B empolgante em 2026. Esse é o ponto. Dezesseis meses de confiabilidade monótona são uma classe própria de característica, e é exatamente o ativo que um modelo com apenas um dia não consegue falsificar.

Nex-N2.5 Mini: um dia de promessa, em uma linha Qwen mais recente.

Nex-N2.5 Mini é o que acontece quando uma base Qwen mais nova é apontada para uma tarefa para a qual o Qwen3-8B nunca foi construído. Sua pilha de texto descende de uma variante Qwen3.5 — o tokenizador e o parser de chamada de ferramentas são da família Qwen3 — mas a Nex-AGI (uma aliança organizada em torno do Instituto de Inovação de Xangai, com Shanghai Qiji Zhifeng, Mosi Intelligence e Kuafu Technology) o pós-treinou para se tornar algo que o Qwen 8B de 2025 não é: um agente multimodal que lê uma tela, age em uma sessão de navegador ou desktop e verifica suas próprias ações em relação ao resultado. É um MoE esparso — 40 camadas, oito especialistas ativos por token — com um codificador de visão e um contexto nativo de 262.144 tokens, mais que o dobro da janela nativa do Qwen3-8B. Seus pesos são Apache-2.0 e estão disponíveis para download desde 8 de setembro; endpoints hospedados gratuitos estão vinculados ao seu card; uma receita de auto-hospedagem roda em dois H100s com uma imagem SGLang personalizada.

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.

O que o Mini ainda não consegue mostrar são evidências. Sua ficha de benchmarks — OSWorld-Verified 71,2, BrowseComp 83,4, Terminal-Bench 2.1 73,4 e OmniDoc 89,7 no lado mais forte; OSWorld-2 30,5, SWE-MM 25,5 e AutomationBench 32,3 no lado mais modesto — é da própria Nex-AGI, produzida pelo menos em parte por meio de sua estrutura NexCUA, e nenhum desses resultados foi reproduzido de forma independente. Não há preço tabelado, a versão hospedada é gratuita e o contador de downloads está em um único dígito. As alegações de capacidade podem ser totalmente verdadeiras; elas simplesmente não foram verificadas, e a diferença entre os números do próprio Mini em OSWorld-Verified e OSWorld-2 é grande o suficiente para que uma execução externa não seja um luxo, mas uma necessidade.

As linhas que importam

• Linhagem — Nex-N2.5 Mini: pós-treinado a partir de uma variante Qwen3.5 da Nex-AGI. Qwen3-8B: modelo denso da geração Qwen3 da Alibaba, abril de 2025.

• Parâmetros — Nex-N2.5 Mini: 35B no total, ~3B ativos por token (MoE). Qwen3-8B: ~8,2B densos, todos ativos.

• Modalidade — Nex-N2.5 Mini: imagem e texto na entrada, texto na saída — nativo de visão, criado para agentes de GUI. Qwen3-8B: apenas texto (a visão fica na linha separada Qwen3-VL).

• Contexto — Nex-N2.5 Mini: 262.144 tokens nativos. Qwen3-8B: 32K nativos, extensível até ~131K.

• Idiomas — Nex-N2.5 Mini: não é uma afirmação exagerada. Qwen3-8B: 119.

• Raciocínio — Nex-N2.5 Mini: reasoning_effort nenhum / médio (adaptativo) / alto. Qwen3-8B: pensamento híbrido ativado ou desativado conforme a solicitação.

• Pesos abertos — Nex-N2.5 Mini: Apache-2.0, disponível em 8 de setembro de 2026. Qwen3-8B: Apache-2.0, disponível em abril de 2025.

• Histórico — Nex-N2.5 Mini: um dia de existência, downloads de dígito único, zero execuções independentes. Qwen3-8B: dezesseis meses de exposição na comunidade, quantizações confiáveis, modos de falha mapeados.

• Pegada de auto-hospedagem — Nex-N2.5 Mini: ~70 GB em BF16, receita com dois H100. Qwen3-8B: classe de uma única GPU, comumente quantizado.

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.

Lendo as linhas com honestidade, os dois modelos não estão disputando a mesma implantação. O Qwen3-8B vence a posição de generalista de texto em todas as dimensões para as quais há evidências acumuladas; o Nex-N2.5 Mini vence a posição de agente de visão por ser o único dos dois que consegue preenchê-la.

O que a linhagem diz e o que ela não diz

O DNA compartilhado da Qwen é informativo sobre uma coisa e irrelevante sobre outra. Ele é informativo sobre a qualidade da base: o Nex-N2.5 Mini parte de uma execução de pré-treinamento da Qwen mais recente do que a do Qwen3-8B, o que é uma vantagem real e frequentemente visível na competência linguística bruta. Os controles de chamada de ferramentas e de raciocínio do Mini parecerão familiares a qualquer pessoa que já tenha servido um modelo da família Qwen3 — as convenções de parsing são mantidas. Ele é irrelevante para a parte que mais importa: o pós-treinamento da Nex-AGI — não a base — é o que faz do Mini um agente, e esse pós-treinamento é precisamente a parte sem nenhuma verificação independente. Descender da Qwen indica que o Mini deve ser um modelo fluente da linhagem Qwen. Isso não diz nada sobre se o loop de uso do computador realmente funciona, como alegado, com 71,2 no OSWorld-Verified.

Qual deles fica com a vaga

Para uma equipe que está lançando texto, chamada de ferramentas e scaffolds de agentes hoje, o Qwen3-8B é a resposta de baixo risco e o argumento de linhagem não o ameaça: dezesseis meses de histórico comprovado, economia de GPU única e um modo de falha para cada ocasião já documentado publicamente. Para uma equipe que está construindo agentes de GUI — automação de navegador, uso de computador, autocorreção visual — o Nex-N2.5 Mini é o único dos dois criado para essa função, e a postura sensata é testar, não depender: execute-o pelo endpoint gratuito, trate as pontuações de uso de computador do fornecedor como alegações pendentes de uma execução independente e não deixe que um modelo de um dia de vida desloque o cavalo de batalha do caminho crítico com base em uma ficha técnica.

Nenhum dos dois modelos está no catálogo da OrcaRouter hoje — o Qwen3-8B roda pela API própria da Alibaba e por várias plataformas de terceiros, e o Nex-N2.5 Mini roda nos endpoints da Nex-AGI e nas suas GPUs — portanto a avaliação acontece de novo na sua própria stack, e é aí que a camada de roteamento se justifica. O padrão que se encaixa numa avaliação de descendente contra cavalo de batalha: manter a produção no 8B comprovado, colocar o novo agente em um branch de teste acessado pela mesma API e deixar o failover automático decidir, no momento da requisição, qual deles atende — com os modelos hospedados sendo repassados pelo preço de tabela do provedor com 0% de acréscimo, portanto a comparação de custos permanece atualizada no dia em que qualquer fornecedor reajustar um preço. O roteador não dirá se um descendente do Qwen3.5 supera o cavalo de batalha de 2025 — somente uma execução independente do agente dará essa resposta — mas ele permite rodar esse experimento lado a lado, de forma barata e reversível, que é exatamente o objetivo.

Qwen3-8B responde à pergunta "o que posso enviar esta tarde" com um modelo pronto, Apache-2.0, em 119 idiomas, testado em batalha por dezesseis meses. O Nex-N2.5 Mini responde à pergunta "qual pequeno modelo aberto consegue realmente operar um computador" com um descendente do Qwen3.5 de um dia de idade, cujos pesos são reais, cujo design de agente nativo de visão é genuinamente novo nesse tamanho, e cujas pontuações de uso de computador são, até hoje, apenas a palavra de um fornecedor. O cavalo de batalha mantém a vaga de texto até o descendente provar o agente — e se as alegações da Nex-AGI sobreviverem a uma execução independente, esse é o momento em que a questão de linhagem deixa de ser teórica.

Comparados neste artigo3

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente