⚡

Chinese Models FREE

Nex-N2-Pro

Nex AGI 于 2026 年 6 月发布的开源 Agent 模型。SWE-Bench Pro 得分 58.8，超越 GPT-5.5。397B 总参数 MoE 架构，仅 17B 激活，262K 上下文。独创 Adaptive Thinking 自适应推理 + Coherent Thinking 统一推理范式。Apache 2.0 完全开源，OpenRouter 免费 API 可用。限时免费！

Nex AGI's open-source Agent model released June 2026. SWE-Bench Pro score 58.8 — beating GPT-5.5. 397B MoE with only 17B active params, 262K context. Novel Adaptive Thinking + Coherent Thinking. Apache 2.0 fully open source, free API via OpenRouter. Limited-time free!

↗ 免费 API 试用Free API Access 🤗 下载权重Download Weights 🆓 限时免费

📊 基准测试对比Benchmark Comparison

Benchmark	Nex-N2-Pro	GPT-5.5	Claude Opus 4.7
SWE-Bench Verified（编码）	80.8	82.9	87.6
SWE-Bench Pro（专业编码）	58.8 ⬆超GPT-5.5	58.6	64.3
Terminal-Bench 2.1（终端操作）	75.3 ⬆超Opus	83.4	69.7
GPQA Diamond（研究生推理）	90.7	93.6	94.2
BrowseComp（浏览理解）	83.7	84.4	79.8
IFEval（指令遵循）	94.0	—	—
SWE-Bench Verified (Coding)	80.8	82.9	87.6
SWE-Bench Pro (Pro Coding)	58.8 ⬆Beats GPT-5.5	58.6	64.3
Terminal-Bench 2.1 (Terminal)	75.3 ⬆Beats Opus	83.4	69.7
GPQA Diamond (Grad Reasoning)	90.7	93.6	94.2
BrowseComp (Browsing)	83.7	84.4	79.8
IFEval (Instruction Following)	94.0	—	—

🧠 模型规格Model Specs

规格	Spec	Nex-N2-Pro
总参数	397B	35B
每轮激活参数	17B (MoE)	3B (MoE)
上下文窗口	262,144 tokens	128K tokens
最大输出	256K tokens	128K tokens
架构	Transformer MoE	Transformer MoE
基座模型	Qwen3.5-397B-A17B	Qwen3.5-35B-A3B
输入模态	文本 + 图像	文本 + 图像
开源协议	Apache 2.0 ✓	Apache 2.0 ✓
自部署显存	~794 GB BF16 / 216 GB INT4	~70 GB BF16 / 20 GB INT4
Total Params	397B	35B
Active per Forward	17B (MoE)	3B (MoE)
Context Window	262,144 tokens	128K tokens
Max Output	256K tokens	128K tokens
Architecture	Transformer MoE	Transformer MoE
Base Model	Qwen3.5-397B-A17B	Qwen3.5-35B-A3B
Input Modality	Text + Image	Text + Image
License	Apache 2.0 ✓	Apache 2.0 ✓
Self-Host VRAM	~794 GB BF16 / 216 GB INT4	~70 GB BF16 / 20 GB INT4

🔬 核心技术Core Innovations

🧠

Adaptive Thinking 自适应推理智能判断任务复杂度——简单问题秒回，复杂问题自动进入深度推理模式。节省 30-50% 推理 Token，告别"一刀切"慢速思考。

🔄

Coherent Thinking 统一推理跨编码、搜索、工具调用、通用任务的一致性推理循环：目标分解→状态追踪→策略调整→自我验证。

🔧

原生 Tool UseFunction Calling、结构化 JSON 输出、多步工具链调用，专为 AI Agent 场景设计。

📊

超强编码能力SWE-Bench Pro 58.8 超越 GPT-5.5，Terminal-Bench 75.3 超越 Claude Opus。代码生成、Debug、重构全能。

🧠

Adaptive ThinkingIntelligently judges task complexity — instant on simple queries, deep reasoning on complex ones. Saves 30-50% reasoning tokens.

🔄

Coherent ThinkingUnified reasoning loop across coding, search, tool calling: goal decomposition → state tracking → strategy adjustment → self-verification.

🔧

Native Tool UseFunction Calling, structured JSON output, multi-step tool chains — purpose-built for AI Agent scenarios.

📊

Elite CodingSWE-Bench Pro 58.8 beats GPT-5.5, Terminal-Bench 75.3 beats Claude Opus. Code gen, debugging, refactoring — all top-tier.

🚀 免费使用方式How to Access (Free)

🔌 OpenRouter API

🆓 免费

即开即用 API
无需部署
速率限制宽松
推荐首选

立即使用 →

☁️ SiliconFlow

🆓 免费

国内访问快
输入/输出均 $0
高并发支持

国内入口 →

🤗 Hugging Face

📦 开源

直接下载权重
Apache 2.0 商用
完全离线

下载模型 →

🐳 Docker 自部署

🖥️ 私有化

nexagi/sglang:v0.5.12
数据不出境
企业级控制

❓ FAQ

Nex-N2-Pro 是免费的吗？

是的！通过 OpenRouter 和 SiliconFlow 提供的 API 完全免费。模型本身 Apache 2.0 开源，下载权重自行部署也完全免费。是限时免费活动，建议尽快体验。

和 GPT-5.5 比真的更强吗？

在 SWE-Bench Pro（专业编码）和 Terminal-Bench（终端操作）上确实超越了 GPT-5.5。在通用推理上略逊（GPQA Diamond 90.7 vs 93.6），但已经是目前最接近闭源旗舰的开源免费模型。

我能在自己电脑上跑吗？

Pro 版（397B）需要数据中心级硬件（~794GB 显存 BF16，或 ~216GB INT4）。个人用户建议用 OpenRouter 免费 API 或下载 mini 版（35B/3B，~70GB BF16 / ~20GB INT4，单张 RTX 4090+ 可跑）。

Is Nex-N2-Pro really free?

Yes! API access via OpenRouter and SiliconFlow is completely free. The model itself is Apache 2.0 open-source — download and self-host at no cost. Limited-time free offer, try it now.

Does it really beat GPT-5.5?

On SWE-Bench Pro (coding) and Terminal-Bench (terminal ops), yes. On general reasoning it's slightly behind (GPQA Diamond 90.7 vs 93.6), but it's the closest open-source free model to closed-source flagships.

Can I run it on my own machine?

Pro (397B) needs data-center hardware (~794GB VRAM BF16, ~216GB INT4). For personal use, try the free API or the mini variant (35B/3B, ~20GB INT4 — runs on RTX 4090+).