Nex-N2.6

Nex-N2.6

作为多模态智能体模型处理计算机操作、编程和长时间的工具任务，基于 GLM-5.3-Flash，FP8 权重约 321B 参数。适合能自行托管大模型的团队。

由 nex-agi 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Nex-AGI 在 GLM-5.3-Flash 之上构建了 Nex-N2.6，这是一个多模态智能体模型。它能读取图像和文字，并用文字回答。它的目标是操作计算机、编写代码，以及处理需要调用工具的长任务。这个仓库提供约 321B 参数的 FP8 权重。

适合谁：它适合构建会操作电脑或调用工具的智能体的团队，以及能自己托管庞大模型的团体。

Title: 谁可能用到它
行业 | 谁在用 | 怎么用 | 例子
软件开发 | 开发者 | 作为编程或使用工具的智能体背后的模型 | 一个会发送模型可调用工具的智能体框架
AI 研究 | 研究者 | 在 OSWorld 等测试上比较智能体表现 | 用自己的测试设置核对报告的分数
基础设施 | ML 平台团队 | 用兼容 FP8 的运行时自行托管权重 | 通过 SGLang 部署来提供模型服务

没有能容纳约 321 GB 权重的硬件的人可以跳过下载。模型卡还提到了 OpenRouter 上的 API。

用在哪里：

• 自行托管的服务器：任何能运行 GLM-5.3-Flash 的运行时，例如 SGLang
• 兼容 OpenAI 的服务器：模型卡的示例监听 8000 端口
• 智能体框架：由客户端或框架执行工具调用
• OpenRouter：模型卡列出了那里的 API
• Windows、macOS 或 Linux：用 Python 下载文件

Title: 它能做的事
用途 | 适合谁 | 得到什么
计算机操作 | 智能体开发者 | 针对电脑任务设计的模型，用 OSWorld 打分
编程 | 开发者 | 按要求写出的代码，例如一个简短的 Python 函数
使用工具的任务 | 智能体团队 | 只使用请求中声明的工具的工具调用

如何设置：你需要先准备：

• Windows、macOS 或 Linux 上的 Python 和 pip，用来下载文件
• 约 321 GB 权重的存储空间，4-bit 时估计约 161 GB
• 支持 GLM-5.3-Flash 的服务运行时，以及适合你硬件的兼容 FP8 的配置

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 按照模型卡指向的 SGLang 部署指南操作，选择兼容 FP8 的配置。
4. 把模型路径指向下载好的文件夹，并设置服务的模型名称。
5. 保留随权重提供的分词器、处理器和对话模板。

pip install -U huggingface_hub
hf download nex-agi/Nex-N2.6

服务的模型名称用下面这个参数设置。

--served-model-name Nex-N2.6

如何使用：兼容 OpenAI 的服务器在 8000 端口监听后，用模型名 Nex-N2.6 向它发送聊天请求。有几个请求设置值得注意：

• reasoning_effort：low、high 或 max，默认是 max
• stream：设为 true，边生成边收到回复
• max_tokens：限制回复的长度
• 图像：使用你的服务运行时支持的图像内容块
• 工具：每次请求都带上可用的工具，由你的客户端执行调用并返回结果

示例：你发送一个聊天请求，内容是“Write me a Python function that tests whether some text reads the same backward”，并把 reasoning_effort 设为 max。回复会以流的形式返回这个函数。

新手与专家：如果你刚接触，请知道它是一个面向服务器的庞大模型，不适合笔记本电脑。第一步可以先读模型卡，再决定用 OpenRouter 上的托管 API，还是自己托管权重。

如果你熟悉这个领域，这个版本接在 Nex-N2.5-Pro 之后，目标是减少重复推理，并更严格地遵守当前环境中的工具。团队报告，在内部回放评估中，推理重复率从 16.0% 降到 1.6%，在发起工具调用的回复中，工具列表遵守率为 100%。团队说明分数取决于评估设置，针对的是整个模型，而不是单独针对这个 FP8 副本。在 Terminal-Bench 2.1 和 AutomationBench 上，表格显示它低于 GLM-5.3-Flash。

下载 FP8 权重
用兼容 FP8 的运行时提供服务
在 8000 端口发送 OpenAI 风格的聊天请求
提供工具，由你的客户端执行调用

注意事项：团队报告了这个版本和对比模型的 OSWorld 分数。

Title: 团队报告的 OSWorld 分数
Nex-N2.6: 83.0 分
Nex-N2.5-Pro: 82.2 分
GLM-5.3-Flash: 78.0 分
DeepSeek-V4.1-Flash: 71.7 分

• License: apache-2.0
• Cost to run: 模型卡提到 OpenRouter 上的 API，自行托管需要能容纳约 321 GB 权重的硬件，未提及价格
• Data it reaches: 你在请求中发送的任何内容，工具调用会触及哪些文件或服务由你自己的客户端决定
• Not for: 不能保证在你的环境里得到这些分数，因为分数取决于评估设置

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：321B
• Weights: about 321 GB in F8_E4M3; about 161 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：191
• 点赞：60
• 许可证：apache-2.0
• Quantized versions: 6
• 标签：transformers, safetensors, glm5_next, image-text-to-text, conversational, fp8

链接

• 模型：https://huggingface.co/nex-agi/Nex-N2.6
• 文件：https://huggingface.co/nex-agi/Nex-N2.6/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download nex-agi/Nex-N2.6

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。