一张主标题卡片,上书“Nex-N2.5 Mini vs Qwen3-8B”,副标题为“Qwen3.5 的后代对决 Apache-2.0 的劳模”。两张圆角卡片:左侧卡片展示一支标注为“Qwen3.5 后代”的家谱分支;右侧卡片展示一枚带对勾的盾牌,标注为“16 个月的实战考验”,两卡之间有一个天平图标;另有三枚标签,分别写着“发布仅一天”、“历经 16 个月实战”和“均为 Apache-2.0”。OrcaRouter 标志位于右下角。
Guides & Insights

Nex-N2.5 Mini 对比 Qwen3-8B:Qwen3.5 后裔挑战 Apache-2.0 主力

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

这场对决暗藏一种讽刺,而双方模型的市场宣传都不会主动提及:Nex-N2.5 Mini 建立在 Qwen 血统之上。Nex-AGI 的 350 亿参数多模态智能体——采用混合专家设计,活跃参数约 30 亿,于 2026 年 9 月 8 日发布,Apache-2.0 权重当日同步上线——基于 Qwen3.5 变体进行后训练,因此它是 Qwen3-8B 所属同一家族的直系后代。Qwen3-8B 是阿里巴巴于 2025 年 4 月推出的开源权重主力模型:约 82 亿稠密参数、支持 119 种语言、可按请求逐次切换的混合思维模式、Apache-2.0 许可,背后还有十六个月的生产实战验证。因此,本页真正提出的问题,是每个技术谱系迟早都会催生的那个问题——更新的基座模型加上特定目标训练,以更小的活跃参数规模,能否撼动那款所有人都已经在生产中部署的老模型?

诚实的回答始于一个警告:不要把两者视为可互相替代的产品。Qwen3-8B 是一个文本通才;Nex-N2.5 Mini 则是一个原生视觉智能体,用于操作计算机和浏览器。它们在纯文本与工具调用类任务上有所重叠,而在其他方面则分道扬镳。但谱系上的转折使这种比较真正具有信息量,而不只是苹果与橘子的对比:它能让你追问,三代 Qwen 的改进加上一次面向电脑操作的后期训练,在小规模上究竟能为你带来什么——与之对照的,是那款早在这一切出现之前、就一直在承担生产流量的 8B 模型。

Qwen3-8B:十六个月的记录

Qwen3-8B 是少有的开源模型,其行为更多由社区而非供应商记录。自 2025 年 4 月以来,它已在公开环境中完成量化、部署、微调和故障映射:vLLM、SGLang 和 llama.cpp 均全面支持它,其特性已为众人所知,如果你部署它时遇到问题,几乎肯定已有人写下了解决方案。{{1}}它是一个稠密的约 8.2B 通用模型,拥有可扩展至 131K 的 32K 原生上下文、119 种语言,以及 Qwen 的混合思维设计——按请求开启或关闭推理,因此快速的非推理模式和较慢的深思模式共享同一部署。{{/1}}就通用模型而言,其数学能力相当出色:供应商和评测机构的评估显示,在推理模式下 MATH-500 得分在低至中 90 区间,AIME-2024 约为中 70 区间,当然通常的注意事项是,竞赛数学的分数对评测协议敏感,且从来不是该模型的专长。就文本、工具调用和可靠的 8B 级行为而言,这几乎就是开放权重领域中最接近已知量的事物——而且它仅支持文本,因为 Qwen3 代的视觉能力存在于独立的 Qwen3-VL 产品线中,而非 8B 模型中。{{2}}Qwen3-8B 是少有的开源模型,其行为更多由社区而非供应商记录。{{/2}}

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.

这些都不足以让 Qwen3-8B 在 2026 年令人兴奋——这正是关键所在。十六个月无聊的可靠性本身就是一种自成一类的特性,而这恰恰是发布仅一天的模型无法仿冒的资产。

Nex-N2.5 Mini:在更新的 Qwen 系列上充满希望的一天

Nex-N2.5 Mini 是将更新的 Qwen 基座模型指向 Qwen3-8B 从未被设计用于的任务时的产物。其文本栈源自 Qwen3.5 变体——分词器和工具调用解析器均属 Qwen3 家族——但 Nex-AGI(一个围绕上海创新研究院组建、由上海奇绩智峰、墨思智能和夸父科技参与的联盟)对其进行了后训练,使其成为 2025 年 Qwen 8B 所不具备的存在:一个能够读取屏幕、在浏览器或桌面会话中操作,并对照结果验证自身行为的视觉智能体。它是一个稀疏 MoE——40 层、每 token 激活 8 个专家——配备视觉编码器,原生上下文达 262,144 个 token,是 Qwen3-8B 原生窗口的两倍以上。其权重采用 Apache-2.0 许可,自 9 月 8 日起即可下载;模型卡片上提供了免费托管端点的链接;使用定制 SGLang 镜像即可在两块 H100 上运行自托管方案。

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.

Mini目前还无法展示的是证据。其基准测试成绩单——OSWorld-Verified 71.2、BrowseComp 83.4、Terminal-Bench 2.1 73.4和OmniDoc 89.7位于强项之列;OSWorld-2 30.5、SWE-MM 25.5和AutomationBench 32.3则较为一般——出自Nex-AGI自家,至少部分经由其NexCUA测试框架得出,而且没有一项经过独立复现。没有公开标价,托管版免费,下载计数仍是个位数。这些能力声明或许完全属实,但它们根本没有经过验证;况且Mini自己给出的OSWorld-Verified与OSWorld-2成绩之间差距如此之大,外部独立跑分已经不是锦上添花,而是势在必行。

重要的行

• 谱系 — Nex-N2.5 Mini:由 Nex-AGI 基于 Qwen3.5 变体进行后训练。Qwen3-8B:阿里巴巴的 Qwen3 代稠密模型,2025 年 4 月。

• 参数 — Nex-N2.5 Mini:总计35B,每个token约3B激活(MoE)。Qwen3-8B:约8.2B稠密参数,全部激活。

• 模态——Nex-N2.5 Mini:支持图像和文本输入,输出文本——原生视觉,专为GUI智能体打造。Qwen3-8B:纯文本模型(视觉功能由独立的Qwen3-VL系列提供)。

• 上下文 — Nex-N2.5 Mini:原生支持 262,144 tokens。Qwen3-8B:原生 32K,可扩展至约 131K。

• 语言 — Nex-N2.5 Mini:并非主打卖点。Qwen3-8B:119。

• 推理 — Nex-N2.5 Mini:reasoning_effort 无 / 中(自适应)/ 高。Qwen3-8B:可根据请求开启或关闭混合思维。

• 开放权重——Nex-N2.5 Mini:Apache-2.0,2026年9月8日上线。Qwen3-8B:Apache-2.0,2025年4月上线。

• 历史表现——Nex-N2.5 Mini:发布才一天,下载量只有个位数,独立运行次数为零。Qwen3-8B:社区公开已达十六个月,量化版本广受信赖,失败模式也已摸清。

• 自托管资源占用 — Nex-N2.5 Mini:约 70 GB BF16,双 H100 方案。Qwen3-8B:单 GPU 级别,通常可量化。

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.

只要诚实地逐行看这些数据,就会发现这两个模型争夺的并不是同一个部署位置。Qwen3-8B 在每一个已有证据积累的维度上都赢得了文本通才的位置;而 Nex-N2.5 Mini 则赢得了视觉智能体的位置——因为它是两者中唯一能填补这一位置的模型。

谱系能告诉你什么,不能告诉你什么

共享的Qwen DNA在一件事上具有参考价值,在另一件事上则无关紧要。它对于基础质量具有参考价值:Nex-N2.5 Mini源自比Qwen3-8B更新的Qwen预训练版本,这在原始语言能力上是一个真实且往往可见的优势,而且Mini的工具调用与推理控制对任何服务过Qwen3系列模型的人来说都会感到熟悉——解析约定得以沿用。它对于最核心的部分无关紧要,即让Mini成为智能体的是Nex-AGI的后训练,而非基础模型,而后训练恰恰是缺乏独立验证的部分。源自Qwen只能告诉你Mini应当是一个流畅的Qwen系列模型。它无法告诉你计算机使用循环是否真的如声称的那样在71.2 OSWorld-Verified上有效。

哪个能获得这个名额?

For a team shipping text, tool-calling and agent scaffolds today, Qwen3-8B is the low-risk answer and the lineage argument does not threaten it: sixteen months of receipts, single-GPU economics, and a failure mode for every occasion already documented in public. For a team building GUI agents — browser automation, computer use, visual self-correction — Nex-N2.5 Mini is the only one of the two built for the job, and the sensible posture is trial, not dependency: run it through the free endpoint, hold the vendor's computer-use scores as claims pending an independent run, and do not let a one-day-old model displace the workhorse from the hot path on the strength of a model card. 对于今天要交付文本处理、工具调用和智能体脚手架(agent scaffolds)的团队来说,Qwen3-8B 是低风险的选择,而“血统论”的质疑并不构成威胁:十六个月的实战记录、单 GPU 即可运行的经济性,以及各种场景下的失败模式都已有公开文档。对于构建 GUI 智能体的团队——浏览器自动化、计算机操作、视觉自我修正——Nex-N2.5 Mini 是两者中唯一为此类任务而生的模型,理性的做法是试用而非依赖:先通过免费端点跑一遍,把厂商的 computer-use 得分视为有待独立运行验证的主张,并且不要让一个刚发布一天的模型仅凭一张模型卡就把主力模型挤出核心路径。

这两个模型目前都不在 OrcaRouter 的目录中——Qwen3-8B 通过阿里巴巴自家的 API 和几个第三方平台运行,Nex-N2.5 Mini 则在 Nex-AGI 的端点和你的 GPU 上运行——因此评估仍会在你自己的技术栈中进行,而这正是路由层发挥价值之处。适合这种“后继型号对比主力”评估的模式是:让经受住考验的 8B 继续承担生产负载,把新智能体放到经由同一个 API 访问的测试分支上,再让自动故障转移在请求时决定由哪个模型来服务——托管模型按提供商的列表价格中转,也就是0%的加价,因此只要任何一家供应商调价,成本对比在当天就能保持最新。路由器不会告诉你某个 Qwen3.5 后续型号是否击败了 2025 年的主力——只有独立运行一次该智能体才能给出答案——但它能让这个实验变得便宜、可逆且可并排进行,而这正是它的全部意义所在。

Qwen3-8B 用一个已完成、采用 Apache-2.0 许可、覆盖 119 种语言且经受十六个月实战检验的模型,回答了“今天下午我能交付什么”这个问题。Nex-N2.5 Mini 则用一款诞生仅一天的 Qwen3.5 衍生模型来回答“哪个小型开源模型能真正驱动电脑”——其权重真实存在,其原生视觉智能体设计在这一尺寸上确实是全新事物,但截至目前,其计算机使用得分还只是供应商的一面之词。主力模型将继续保住文本领域的席位,直到衍生模型证明自己的智能体能力——而如果 Nex-AGI 的说法能经受住独立运行的验证,那一刻血统问题就不再只是理论层面的了。

本文中的对比3

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新