En hero-titelruta med texten 'Nex-N2.5 Mini vs Qwen3-8B' och undertexten 'En Qwen3.5-ättling tar sig an Apache-2.0-arbetshästen'. Två rundade kort: ett vänsterkort som visar en släktträdsgren märkt 'Qwen3.5-ättling' och ett högerkort som visar en sköld med en bock märkt '16 månaders meriter', med en balansvågsikon mellan dem, och tre chips med texten 'en dag gammal', '16 månader stridstestad' och 'Apache-2.0 båda'. OrcaRouter-logotypen är längst ner till höger.
Guides & Insights

Nex-N2.5 Mini mot Qwen3-8B: En Qwen3.5-ättling tar sig an Apache-2.0-arbetshästen

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Ironin i den här uppställningen är något som ingen av modellernas marknadsföring frivilligt kommer att nämna: Nex-N2.5 Mini bygger på Qwen-släktlinjen. Nex-AGI:s multimodala agent på 35 miljarder parametrar – med cirka 3 miljarder aktiva parametrar i en mixture-of-experts-design, tillkännagiven den 8 september 2026 med Apache-2.0-vikter tillgängliga samma dag – är eftertränad från en Qwen3.5-variant, vilket gör den till en ättling till just den familj som Qwen3-8B tillhör. Qwen3-8B är Alibabas arbetshäst med öppna vikter från april 2025: cirka 8,2 miljarder täta parametrar, 119 språk, hybridtänkande som du kan växla per förfrågan, Apache-2.0 och sexton månaders produktionsmeriter bakom sig. Så frågan som den här sidan faktiskt ställer är den som varje släktlinje förr eller senare ger upphov till – kan en nyare basmodell plus ändamålsinriktad träning, i ett mindre fotavtryck av aktiva parametrar, störta den äldre modellen som alla redan kör?

Det ärliga svaret börjar med en varning: behandla dem inte som ersättningar. Qwen3-8B är en textgeneralist; Nex-N2.5 Mini är en visionsnativ agent för att hantera datorer och webbläsare. De överlappar när det gäller ren text- och verktygsarbete och går isär på alla andra områden. Men släktskapets twist gör jämförelsen genuint informativ snarare än bara äpplen och päron: den låter dig fråga vad tre generationer av Qwen-förbättringar plus en post-träning för datoranvändning faktiskt ger dig i liten skala, mätt mot 8B som har burit produktionstrafik sedan innan något av detta fanns.

Qwen3-8B: sexton månaders bevis

Qwen3-8B är den ovanliga öppna modellen vars beteende dokumenterats mindre av sin leverantör än av sitt community. Sedan april 2025 har den kvantiserats, serverats, finjusterats och felkartlagts offentligt: vLLM, SGLang och llama.cpp stödjer den överallt, dess egenheter är kända storheter, och om du driftsätter den och stöter på ett problem har någon nästan säkert dokumenterat en lösning. Det är en tät generalistmodell på ~8,2 miljarder parametrar med ett nativt kontextfönster på 32K som kan utökas mot 131K, 119 språk och Qwens hybriddesign för tänkande – resonemang på eller av per förfrågan, så att ett snabbt icke-tänkande läge och ett långsammare, mer eftertänksamt läge delar samma driftsättning. Dess matematiska förmåga är stark för att vara en generalist: tillverkarens och anpassade utvärderingar placerar MATH-500 i låga till mellersta 90-talet i tänkandeläge och AIME-2024 runt mitten av 70-talet, med det sedvanliga förbehållet att tävlingsmatematikresultat är protokollkänsliga och aldrig var den här modellens specialitet. För text, verktygsanrop och pålitligt beteende i 8B-klassen är detta så nära en känd storhet som man kan komma med öppna vikter – och den är enbart text, eftersom synförmågan i Qwen3-generationen finns i den separata Qwen3-VL-serien, inte i 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.

Inget av detta gör Qwen3-8B spännande 2026. Det är just poängen. Sexton månader av tråkig tillförlitlighet är en funktionsklass för sig själv, och det är den exakta tillgången en endagarsgammal modell inte kan förfalska.

Nex-N2.5 Mini: en dag av löfte, på en nyare Qwen-linje

Nex-N2.5 Mini är vad som händer när en nyare Qwen-bas riktas mot en uppgift som Qwen3-8B aldrig byggdes för. Dess textstack härstammar från en Qwen3.5-variant – tokenizern och parsern för verktygsanrop tillhör Qwen3-familjen – men Nex-AGI (en allians organiserad kring Shanghai Innovation Institute, med Shanghai Qiji Zhifeng, Mosi Intelligence och Kuafu Technology) har eftertränat den till något som 2025 års Qwen 8B inte är: en multimodal agent som läser av en skärm, agerar i en webbläsar- eller skrivbordssession och verifierar sina egna handlingar mot resultatet. Den är en gles MoE – 40 lager, åtta experter aktiva per token – med en vision-encoder och ett nativt kontextfönster på 262 144 token, mer än dubbelt så stort som Qwen3-8B:s nativa fönster. Dess vikter är Apache-2.0 och har varit nedladdningsbara sedan den 8 september; gratis hostade slutpunkter länkas från dess modellkort; ett recept för att hosta själv körs på två H100:er med en anpassad 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.

Vad Mini ännu inte kan visa är bevis. Dess benchmarkkort — OSWorld-Verified 71.2, BrowseComp 83.4, Terminal-Bench 2.1 73.4 och OmniDoc 89.7 på den starka sidan; OSWorld-2 30.5, SWE-MM 25.5 och AutomationBench 32.3 på den blygsamma sidan — är Nex-AGI:s eget, framtaget åtminstone delvis genom dess NexCUA-ramverk, och inget av det är oberoende reproducerat. Det finns inget listpris, den värdbaserade nivån är gratis, och nedladdningsräknaren ligger på ensiffriga tal. Kapacitetspåståendena kan vara helt sanna; de är helt enkelt overifierade, och skillnaden mellan Minis egna OSWorld-Verified- och OSWorld-2-siffror är tillräckligt stor för att en extern körning inte är en lyx utan en nödvändighet.

De rader som spelar roll

• Härstamning — Nex-N2.5 Mini: posttränad från en Qwen3.5-variant av Nex-AGI. Qwen3-8B: Alibabas täta modell från Qwen3-generationen, april 2025.

• Parametrar — Nex-N2.5 Mini: 35B totalt, ~3B aktiva per token (MoE). Qwen3-8B: ~8,2B dense, alla aktiva.

• Modalitet — Nex-N2.5 Mini: bild och text in, text ut — visionsnativ, byggd för GUI-agenter. Qwen3-8B: endast text (vision finns i den separata Qwen3-VL-serien).

• Kontext — Nex-N2.5 Mini: 262 144 tokens nativt. Qwen3-8B: 32K nativt, utbyggbart mot ~131K.

• Språk — Nex-N2.5 Mini: inte ett rubrikpåstående. Qwen3-8B: 119.

• Resonemang — Nex-N2.5 Mini: reasoning_effort ingen / medel (adaptiv) / hög. Qwen3-8B: hybridt tänkande på eller av per förfrågan.

• Öppna vikter — Nex-N2.5 Mini: Apache-2.0, tillgänglig 8 september 2026. Qwen3-8B: Apache-2.0, tillgänglig april 2025.

• Meritlista — Nex-N2.5 Mini: en dag gammal, ensiffriga nedladdningar, noll oberoende körningar. Qwen3-8B: sexton månaders exponering i communityn, beprövade kvantiseringar, kartlagda felmoder.

• Självhostningsfotavtryck — Nex-N2.5 Mini: ~70 GB BF16, ett recept med två H100. Qwen3-8B: en-GPU-klass, rutinmässigt kvantiserad.

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.

Läs raderna ärligt och de två modellerna kämpar inte om samma driftsättning. Qwen3-8B vinner textgeneralistens plats på varje dimension där evidens har ackumulerats; Nex-N2.5 Mini vinner vision-agentens plats genom att vara den enda av de två som kan fylla den.

Vad härstamningen berättar och inte berättar för dig.

Det delade Qwen-DNA:t är informativt om en sak och irrelevant om en annan. Det är informativt om grundkvaliteten: Nex-N2.5 Mini utgår från en nyare Qwen-förträningskörning än Qwen3-8B:s, vilket är en verklig och ofta synlig fördel i rå språkkompetens, och Minis verktygsanrops- och resonemangskontroller känns bekanta för alla som har serverat en modell i Qwen3-familjen — parsningskonventionerna följer med. Det är irrelevant för den del som betyder mest: att Nex-AGI:s efterträning — inte basmodellen — är vad som gör Mini till en agent, och att just den efterträningen saknar oberoende verifiering. Att härstamma från Qwen säger dig att Mini borde vara en språkligt flytande modell i Qwen-linjen. Det säger ingenting om huruvida datoranvändningsloopen faktiskt fungerar på 71,2 OSWorld-Verified som påstått.

Vilken får platsen?

För ett team som idag har textgenerering, verktygsanrop och agentramverk i produktion är Qwen3-8B det lågriskalternativ som gäller, och härstamningsargumentet hotar inte den positionen: sexton månaders bevis, ekonomi kring en enda GPU och en feltyp för varje tillfälle — allt redan offentligt dokumenterat. För ett team som bygger GUI-agenter — webbläsarautomation, computer use, visuell självkorrigering — är Nex-N2.5 Mini den enda av de två som är byggd för jobbet, och det vettiga förhållningssättet är att testa den, inte att göra sig beroende av den: kör den via den kostnadsfria endpointen, betrakta leverantörens siffror för computer use som påståenden i avvaktan på en oberoende körning, och låt inte en endagsgammal modell, med ett modellkort som enda grund, tränga undan arbetshästen från produktionsflödet.

Ingen av modellerna finns i OrcaRouters katalog i dag – Qwen3-8B körs via Alibabas eget API och flera tredjepartsplattformar, och Nex-N2.5 Mini körs på Nex-AGI:s endpoints och dina GPU:er – så utvärderingen sker återigen i din egen stack, och det är där routinglagret gör skäl för sin existens. Mönstret som passar en utvärdering av en ättling mot en arbetshäst: behåll produktionen på den beprövade 8B-modellen, placera den nya agenten på en testgren som nås via samma API, och låt automatisk failover avgöra vid varje anrop vilken som ska betjäna – där värdbaserade modeller skickas vidare till leverantörens listpris med 0 % påslag, så att kostnadsjämförelsen förblir aktuell den dag någon leverantör ändrar pris. Routern berättar inte för dig om en Qwen3.5-ättling slår 2025 års arbetshäst – bara en oberoende körning av agenten kan göra det – men den gör att experimentet kan köras billigt, reversibelt och sida vid sida, vilket är hela poängen.

Qwen3-8B svarar på frågan ”vad kan jag leverera i eftermiddag” med en färdig Apache-2.0-modell som täcker 119 språk och har stridstestats i sexton månader. Nex-N2.5 Mini svarar på frågan ”vilken liten öppen modell kan faktiskt styra en dator” med en endagsgammal Qwen3.5-ättling vars vikter är verkliga, vars visionsnativa agentdesign är genuint ny i den här storleken, och vars datoranvändningsresultat i dag är en leverantörs ord. Arbetshästen behåller textplatsen tills ättlingen bevisar agenten — och om Nex-AGI:s påståenden överlever en oberoende körning, är det ögonblicket då härstamningsfrågan slutar vara teoretisk.