Nex-N2.5-Pro基准测试深度解读OSWorld-Verified 82.2、Terminal-Bench 82.7智能体能力对标GPT-5.6与Claude【免费下载链接】Nex-N2.5-Pro项目地址: https://ai.gitcode.com/hf_mirrors/nex-agi/Nex-N2.5-ProNex-N2.5-Pro 是 Nex-AGI 开源的新一代多模态智能体Agent模型。在官方基准测试中它的 OSWorld-Verified 得分 82.2、Terminal-Bench 2.1 得分 82.7电脑操作与终端任务能力正面对标 GPT-5.6 Sol 与 Claude Opus 5。本文带你逐项解读这份 Nex-N2.5-Pro 基准测试成绩单并给出开源智能体模型的选型建议。一、模型档案Nex-N2.5-Pro 的核心配置速览Nex-N2.5 家族提供 mini、Pro、Max 三种尺寸。Pro 版在 Nex-N2 的多模态底座上进一步强化了电脑操作、网页浏览和视觉智能体能力——视觉不再只是输入方式而是智能体感知环境、验证结果、推进任务的眼睛。上一代的成绩单如下可作为理解本代提升的参照从模型配置config.json可以看到 Pro 版的技术底色 ️配置项数值通俗解读架构Qwen3_5Moe 多模态 MoE同时支持文本、图像、视频输入隐藏层 / 注意力头60 层 / 32 头config.json#L529-L532中层规模兼顾能力与部署成本专家路由每层 512 个专家每 token 激活 10 个共享专家MoE 稀疏计算推理更省注意力机制3 层线性注意力 1 层全注意力循环长上下文更高效上下文长度262,144约 256K可处理超长对话与文档量化FP8 分块量化128×128降低显存占用利于单机部署权重共切分为 122 个 safetensors 分片model.safetensors.index.json配套分词器 tokenizer.json 与多模态处理器配置 processor_config.json。二、基准成绩单总览13 项评测分数一次看懂 官方在 README.md 中发布了 Pro 版及 mini、Max与 Claude Opus 5、GPT-5.6 Sol、Kimi-K3、GLM-5.3、Qwen3.8-Max 等模型在编码、智能体、电脑操作、多模态四大类基准上的完整对比。先看 Pro 与 mini 的核心分数对照基准类别miniPro提升Terminal-Bench 2.1终端智能体73.482.79.3SWE-Bench Pro真实 Issue 修复43.861.217.4OSWorld-Verified电脑操作71.282.211.0OSWorld-G电脑操作82.987.4全场最佳4.5BrowseComp深度浏览83.489.76.3WebArena-Verified网页智能体63.467.64.2Toolathlon Verified工具调用54.668.513.9GDPval-AA v2办公生产力14461628182OmniDoc文档理解89.792.22.5Pro 相对 mini 的提升是全面且大幅度的其中工具调用与真实 Issue 修复提升最显著。三、OSWorld-Verified 82.2 如何解读电脑操作逼近闭源旗舰 OSWorld-Verified 衡量模型在真实操作系统中看屏幕、动鼠标键盘、完成任务的能力是智能体模型的硬指标。Pro 版的 82.2 分意味着什么与闭源旗舰差距极小Claude Opus 5 为 83.4、GPT-5.6 Sol 为 83.2Pro 仅落后 1.0~1.2 分属于同一梯队大幅领先多数开源多模态模型DeepSeek-V4-Flash-Vision 76.7、MiniMax-M3 75.2、GLM-5.3-Flash 仅 62.3OSWorld-G 上 87.4 为全场最佳在更强调通用 GUI 操作的 OSWorld-G 基准中Pro 以 87.4 超过 Qwen3.8-Max84.9、Kimi-K379.6、GPT-5.6 Sol77.7、Claude Opus 576.8。当然也要看到差距在更难、更强调长程规划的 OSWorld-2 上Pro 为 56.4落后 Claude Opus 568.3约 12 分——复杂多步任务仍是开放课题。电脑操作类测试均基于官方 NexCUA 评测框架完成坐标归一化到 0–1000 尺度该框架计划开源详见 README.md#L156。四、Terminal-Bench 82.7 与编程智能体开源阵营的真实水位Terminal-Bench 2.1 要求模型在终端中自主执行、调试、验证程序是会干活的编程智能体的试金石。Pro 的 82.7 分处于什么位置基准Nex-N2.5-ProClaude Opus 5GPT-5.6 SolQwen3.8-MaxTerminal-Bench 2.182.789.188.886.6SWE-Bench Pro61.279.264.667.7DeepSWE v1.155.873.772.769.3客观地说纯编程赛道上Pro 落后 Claude Opus 5 约 6~18 分闭源旗舰依然领先。但在开源阵营中Pro 的 SWE-Bench Pro 61.2 已接近 GPT-5.6 Sol64.6且比上一代同定位模型提升明显——对需要私有化部署编程智能体的团队这是目前开源侧性价比很高的选择。五、浏览、工具调用与办公生产力长尾能力盘点 智能体好不好用关键看长尾任务。Pro 版在这几类评测中的表现深度浏览BrowseComp 89.7Claude Opus 5 为 90.8、GPT-5.6 Sol 为 90.4多步信息检索能力已进入第一梯队网页智能体WebArena-Verified 67.6、WebTestoracle 模式52.8接近 GPT-5.6 Sol 的 54.0仅次于 Kimi-K371.6工具调用Toolathlon Verified 68.5超过 GPT-5.6 Sol74.9约 6 分落后 Claude Opus 576.5办公生产力GDPval-AA v2 得分 1628Job Bench 41.4知识工作与复杂生产力任务是其重点强化方向视觉产出Vision2Web 68.2用截图反馈驱动前端生成的能力明显强于 mini52.9。这些分数背后是同一条技术主线通过视觉反馈持续行动、自我纠错这也是 Pro 相对 mini 提升最猛的原因。六、快速上手采样参数与 8×H100 部署要点 官方推荐采样参数复现基准分数的关键参数推荐值temperature0.7top_p0.95top_k40部署上官方提供了预装定制 sglang 的 Docker 镜像nexagi/sglang:v0.5.18-nex-patchPro 版单机 8×H100 即可启动张量并行 tp 8端口 30000完整命令见 README.md#L208-L225。两个实用细节思考模式通过reasoning_effort参数控制——none不思考、medium自适应思考默认、high始终思考对应聊天模板 chat_template.jinja函数调用启动时加--tool-call-parser qwen3_coder即可启用配合--reasoning-parser qwen3分离推理链与最终回答。七、选型建议谁最适合 Nex-N2.5-Pro ✅你的场景推荐需要私有化部署的电脑操作/办公智能体Nex-N2.5-Pro开源权重 逼近旗舰的 GUI 操作能力追求最强纯编程与超长程任务关注闭源旗舰或 Nex-N2.5-Max边缘设备 / 低成本批量调用Nex-N2.5-mini2×H100 可部署一句话总结Nex-N2.5-Pro 是 2026 年开源多模态智能体模型中会操作电脑、会浏览网页、会调工具能力最均衡的中坚力量——OSWorld-Verified 82.2 已站在与 GPT-5.6 Sol、Claude Opus 5 同一擂台上而开源权重 8×H100 单机部署让它成为自建智能体系统的高性价比首选。【免费下载链接】Nex-N2.5-Pro项目地址: https://ai.gitcode.com/hf_mirrors/nex-agi/Nex-N2.5-Pro创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Nex-N2.5-Pro基准测试深度解读：OSWorld-Verified 82.2、Terminal-Bench 82.7，智能体能力对标GPT-5.6与Claude
Nex-N2.5-Pro基准测试深度解读OSWorld-Verified 82.2、Terminal-Bench 82.7智能体能力对标GPT-5.6与Claude【免费下载链接】Nex-N2.5-Pro项目地址: https://ai.gitcode.com/hf_mirrors/nex-agi/Nex-N2.5-ProNex-N2.5-Pro 是 Nex-AGI 开源的新一代多模态智能体Agent模型。在官方基准测试中它的 OSWorld-Verified 得分 82.2、Terminal-Bench 2.1 得分 82.7电脑操作与终端任务能力正面对标 GPT-5.6 Sol 与 Claude Opus 5。本文带你逐项解读这份 Nex-N2.5-Pro 基准测试成绩单并给出开源智能体模型的选型建议。一、模型档案Nex-N2.5-Pro 的核心配置速览Nex-N2.5 家族提供 mini、Pro、Max 三种尺寸。Pro 版在 Nex-N2 的多模态底座上进一步强化了电脑操作、网页浏览和视觉智能体能力——视觉不再只是输入方式而是智能体感知环境、验证结果、推进任务的眼睛。上一代的成绩单如下可作为理解本代提升的参照从模型配置config.json可以看到 Pro 版的技术底色 ️配置项数值通俗解读架构Qwen3_5Moe 多模态 MoE同时支持文本、图像、视频输入隐藏层 / 注意力头60 层 / 32 头config.json#L529-L532中层规模兼顾能力与部署成本专家路由每层 512 个专家每 token 激活 10 个共享专家MoE 稀疏计算推理更省注意力机制3 层线性注意力 1 层全注意力循环长上下文更高效上下文长度262,144约 256K可处理超长对话与文档量化FP8 分块量化128×128降低显存占用利于单机部署权重共切分为 122 个 safetensors 分片model.safetensors.index.json配套分词器 tokenizer.json 与多模态处理器配置 processor_config.json。二、基准成绩单总览13 项评测分数一次看懂 官方在 README.md 中发布了 Pro 版及 mini、Max与 Claude Opus 5、GPT-5.6 Sol、Kimi-K3、GLM-5.3、Qwen3.8-Max 等模型在编码、智能体、电脑操作、多模态四大类基准上的完整对比。先看 Pro 与 mini 的核心分数对照基准类别miniPro提升Terminal-Bench 2.1终端智能体73.482.79.3SWE-Bench Pro真实 Issue 修复43.861.217.4OSWorld-Verified电脑操作71.282.211.0OSWorld-G电脑操作82.987.4全场最佳4.5BrowseComp深度浏览83.489.76.3WebArena-Verified网页智能体63.467.64.2Toolathlon Verified工具调用54.668.513.9GDPval-AA v2办公生产力14461628182OmniDoc文档理解89.792.22.5Pro 相对 mini 的提升是全面且大幅度的其中工具调用与真实 Issue 修复提升最显著。三、OSWorld-Verified 82.2 如何解读电脑操作逼近闭源旗舰 OSWorld-Verified 衡量模型在真实操作系统中看屏幕、动鼠标键盘、完成任务的能力是智能体模型的硬指标。Pro 版的 82.2 分意味着什么与闭源旗舰差距极小Claude Opus 5 为 83.4、GPT-5.6 Sol 为 83.2Pro 仅落后 1.0~1.2 分属于同一梯队大幅领先多数开源多模态模型DeepSeek-V4-Flash-Vision 76.7、MiniMax-M3 75.2、GLM-5.3-Flash 仅 62.3OSWorld-G 上 87.4 为全场最佳在更强调通用 GUI 操作的 OSWorld-G 基准中Pro 以 87.4 超过 Qwen3.8-Max84.9、Kimi-K379.6、GPT-5.6 Sol77.7、Claude Opus 576.8。当然也要看到差距在更难、更强调长程规划的 OSWorld-2 上Pro 为 56.4落后 Claude Opus 568.3约 12 分——复杂多步任务仍是开放课题。电脑操作类测试均基于官方 NexCUA 评测框架完成坐标归一化到 0–1000 尺度该框架计划开源详见 README.md#L156。四、Terminal-Bench 82.7 与编程智能体开源阵营的真实水位Terminal-Bench 2.1 要求模型在终端中自主执行、调试、验证程序是会干活的编程智能体的试金石。Pro 的 82.7 分处于什么位置基准Nex-N2.5-ProClaude Opus 5GPT-5.6 SolQwen3.8-MaxTerminal-Bench 2.182.789.188.886.6SWE-Bench Pro61.279.264.667.7DeepSWE v1.155.873.772.769.3客观地说纯编程赛道上Pro 落后 Claude Opus 5 约 6~18 分闭源旗舰依然领先。但在开源阵营中Pro 的 SWE-Bench Pro 61.2 已接近 GPT-5.6 Sol64.6且比上一代同定位模型提升明显——对需要私有化部署编程智能体的团队这是目前开源侧性价比很高的选择。五、浏览、工具调用与办公生产力长尾能力盘点 智能体好不好用关键看长尾任务。Pro 版在这几类评测中的表现深度浏览BrowseComp 89.7Claude Opus 5 为 90.8、GPT-5.6 Sol 为 90.4多步信息检索能力已进入第一梯队网页智能体WebArena-Verified 67.6、WebTestoracle 模式52.8接近 GPT-5.6 Sol 的 54.0仅次于 Kimi-K371.6工具调用Toolathlon Verified 68.5超过 GPT-5.6 Sol74.9约 6 分落后 Claude Opus 576.5办公生产力GDPval-AA v2 得分 1628Job Bench 41.4知识工作与复杂生产力任务是其重点强化方向视觉产出Vision2Web 68.2用截图反馈驱动前端生成的能力明显强于 mini52.9。这些分数背后是同一条技术主线通过视觉反馈持续行动、自我纠错这也是 Pro 相对 mini 提升最猛的原因。六、快速上手采样参数与 8×H100 部署要点 官方推荐采样参数复现基准分数的关键参数推荐值temperature0.7top_p0.95top_k40部署上官方提供了预装定制 sglang 的 Docker 镜像nexagi/sglang:v0.5.18-nex-patchPro 版单机 8×H100 即可启动张量并行 tp 8端口 30000完整命令见 README.md#L208-L225。两个实用细节思考模式通过reasoning_effort参数控制——none不思考、medium自适应思考默认、high始终思考对应聊天模板 chat_template.jinja函数调用启动时加--tool-call-parser qwen3_coder即可启用配合--reasoning-parser qwen3分离推理链与最终回答。七、选型建议谁最适合 Nex-N2.5-Pro ✅你的场景推荐需要私有化部署的电脑操作/办公智能体Nex-N2.5-Pro开源权重 逼近旗舰的 GUI 操作能力追求最强纯编程与超长程任务关注闭源旗舰或 Nex-N2.5-Max边缘设备 / 低成本批量调用Nex-N2.5-mini2×H100 可部署一句话总结Nex-N2.5-Pro 是 2026 年开源多模态智能体模型中会操作电脑、会浏览网页、会调工具能力最均衡的中坚力量——OSWorld-Verified 82.2 已站在与 GPT-5.6 Sol、Claude Opus 5 同一擂台上而开源权重 8×H100 单机部署让它成为自建智能体系统的高性价比首选。【免费下载链接】Nex-N2.5-Pro项目地址: https://ai.gitcode.com/hf_mirrors/nex-agi/Nex-N2.5-Pro创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考