Nex-N2.6上线！更省 Token、更强电脑操控能力，Agent 长程体验全新升级

AtomGit

44人浏览 · 2026-11-12 14:44:25

AtomGit · 2026-11-12 14:44:25 发布

2026 年 9 月，上海创智学院开源发布了Nex-N2.5系列。作为主打「所见即行动」的能动性模型（Agentic Model），N2.5 系列突破了传统文本对话的边界，实现了直接看屏幕、操作真实电脑界面的工程化能力，一经发布便登上 OpenRouter 热门模型榜首。

在 N2.5 收到社区的热烈反馈后，团队专门针对模型电脑操作能力（CUA）和工具调用能力进行精细化打磨，现正式推出 Nex-N2.6。在长任务执行上，Nex-N2.6 相比 N2.5 推理复读率降低 90%、大幅降低 Token 消耗；在跨框架适配上，实现了跨 Harness 零误调的突破，能力与 GPT-6-Sol 相当。Nex 系列模型在长程任务的工业级交付能力上，迈出了坚实的一步。

90%

复读率下降

100%

工具精准匹配

83.0

OSWorld 得分

256K

上下文窗口

Nex-N2.6 支持文本、图片、视频输入和文本输出，目前已正式开放 256K 上下文窗口的 API 调用，并同步开源 321B 参数的 FP8 量化权重，欢迎体验！

模型获取

AtomGit：https://ai.atomgit.com/Nex-AGI/Nex-N2.6

OpenRouter：https://openrouter.ai/nex-agi/nex-n2.6

MOSS 开放平台：https://platform.moss.cn/docs/models/nex-n2-6

一、更低 Token 消耗，更稳定的长程交付

为了客观评估 Nex-N2.6 模型的升级能力，团队整理了 698 条内部团队与合作伙伴团队使用中沉淀的 Badcase，构建了内部「重复问题 Bench」。测试采用了长轨迹故障断点重放（Checkpoint Replay）机制：完全冻结上一代模型发生报错或卡死前的历史上下文与工具返回结果，让 Nex-N2.6 从同一个故障断点接续生成下一次响应。

这种严格控制单一变量的断点重放方法，排除了从头重跑时的路径选择随机性，是验证 Agent 故障修复效果的权威工程标尺。相较 N2.5-Pro，Nex-N2.6 的推理复读触发率相对下降 90%（16.0% 降至 1.6%），整体调用未循环率 97.8%。

升级后的 Nex-N2.6 模型，执行长任务不再「原地打转」，不仅避免了无效思考带来的 Token 资源浪费，更大幅提升了端到端任务的成功率。

评测指标	N2.5-mini	N2.5-Pro	GLM-5.3-Flash	N2.6
推理复读触发率	20.2%	16.0%	6.0%	1.6%
整体调用未循环率	86.2%	91.0%	96.2%	97.8%

二、Harness 跨框架适配，与 GPT-6-Sol 相当

在实际开发中，个人或团队往往需要频繁在不同的 Harness、运行框架或环境之间切换。Harness 负责向模型声明当前可用的工具清单。举个例子，历史对话记录了旧框架的工具名称，而新框架名称不一致（如 read_file 与 open_file 的细微差别），模型就极易报错。

团队保留了 956 条真实上下文进行测试，无论开发者使用的是 Claude Code、Codex、Cursor 还是自研的 Harness，在实际发起工具调用的响应中，Nex-N2.6 实现了 100.00% 的清单内精准匹配，与 GPT-6-Sol 相当。这表明模型有效摆脱了对特定训练环境的过拟合，在不同 Harness 之间做到了真正丝滑切换、即插即用。

模型	有效工具选择率（整体）	有效工具选择率（有工具调用时）
N2.5-mini	81.53%	79.95%
N2.5-Pro	82.22%	80.56%
GLM-5.3-Flash	85.25%	84.11%
N2.6	100.00%	100.00%
GPT-6-Sol（参照）	100.00%	100.00%

三、更强的电脑操作能力，CUA 跻身一梯队

Nex-N2.6 展现出顶级的全栈电脑操控能力：其在桌面图形界面评测 OSWorld 得分达到 83.0 分（较底座提升 5.0 分，远超 DeepSeek-V4.1-Flash），成功跻身第一梯队；同时在纯命令行评测 Terminal-Bench 2.1 中取得 84.1 分，无损保留了底座的自动化运维功力。

实测表明，新版本的后训练配方在大幅解决长任务「思考打转」与「跨框架过拟合」两大工程痛点的同时，不仅没有牺牲通用性能，更实现了电脑操控能力的定向突破。