Nex-AGI 是由上海创智学院发起的创新联盟旨在建设一个可持续的能动性闭环开源生态。近日Nex-AGI 正式开源下一代模型 Nex-N2 —— 一款具备“智能体思维”的智能体模型凭借一流的代码能力和智能体能力能在真实环境中持续推进复杂、长周期的任务稳定地交付端到端的结果。在多项权威基准上Nex-N2-Pro 整体紧追 GPT-5.5、Claude Opus 4.7 等顶尖闭源模型并在终端智能体任务和浏览检索任务 上双双超过 Claude Opus 4.7。Nex-N2 提供两个版本均基于 Qwen3.5 系列进行后训练Nex-N2-Pro基于 Qwen3.5-397B-A17B和 Nex-N2-mini基于 Qwen3.5-35B-A3B-Base以满足不同的延迟与质量权衡需求。开源地址Nex-N2-Prohttps://www.modelscope.cn/models/nex-agi/Nex-N2-ProNex-N2-minihttps://www.modelscope.cn/models/nex-agi/Nex-N2-mini01智能体思维推理与行动同一种思维过去一年由“氛围编码”Vibe Coding和“驾驭工程”Harness Engineering引领的范式转变正在重新定义大语言模型智能体的能力边界。从对话、推理到能通过环境反馈执行长周期任务的智能体模型所需处理的任务越来越难上下文越来越长环境也越来越贴近现实。下一代模型竞争的核心已不再是“模型能否思考”而是它能否可靠且高效地将思考转化为可执行、可验证、可迭代的行动。Nex-N2 并未将推理、工具使用和环境执行视为独立的能力而是通过一个智能体思维Agentic Thinking框架将需求理解、任务规划、代码实现、环境反馈、评估调试和持续迭代统一为一个闭环。该框架包含两个部分自适应思维Adaptive Thinking 让模型自主决定何时思考以及思考深度——对简单操作快速执行对关键决策则深入推理。连贯思维Coherent Thinking 在通用推理与多样化的智能体任务中保持一致的推理范式在不同任务和模态间维持一致性从而实现稳定的能力迁移。Nex-N2 实现了 Thinking 范式的全局统一。无论是 Search、Coding 还是 Agentic Tool Calling模型的思维链遵循一致的结构范式目标分解、状态追踪、策略调整、自我校验这种优势在混合任务如一次代码任务中穿插搜索和工具调用中尤为突出。02基于任务复杂度的自适应推理Nex-N2能够自主决定是否开启 Thinking并动态调控推理强度。相比强制开启Adaptive Thinking 在保持任务完成率的同时显著降低了推理 token 消耗实现资源的最优分配。Adaptive Thinking下的 Nex-N2-mini 模型效果相较于强制关闭思维链显著提升与强制每轮开启思维链相比性能持平甚至略好同时整体 token 花销节省20%左右。在三类任务上Nex-N2 展现出与任务结构契合的三种推理构型。在搜索任务中前期着重拆解搜索策略末段再集中综合证据在 SWE 类任务中定位 bug 阶段与验证修复阶段最为密集在 OpenClaw 开放式长程任务中推理随任务推进逐步加深在收尾整合结果时达到峰值。推理总是被集中于不确定性高、需要关键决策的环节更高效。03Nex-N2 构建的真实案例游戏开发·巫师之殇在游戏开发场景Nex-N2-Pro 设计了一个以主 Agent 为核心的多智能体协作流程以一个主 Agent 主导完成游戏的设计与开发调度三个子 Agent 分别从玩法、性能、体验等不同维度测试将问题回传主 Agent 迭代修复直到产出一个完整、稳定、可玩的成品。 多智能体协同、长链路规划、自主发现并解决问题正是复杂任务最考验模型的地方。这款“巫师之殇”就是这样诞生的用户只输入了素材库和几句想法Nex-N2-Pro 便端到端完成了从设计、测试到修复交付的全过程。小程序原型开发在产品设计场景用户提出自然语言需求“做个 AI 健身减肥管理 iOS 原型4 个核心屏幕要真能点击”Nex-N2-Pro 便自主规划出今日总览、今日计划、教练、我的进度四个完整屏幕并为每个屏幕设计了差异化的信息架构总览用深色 hero 卡承载核心数据计划页用时间线串联饮食与运动教练页用对话式交互传递建议进度页用列表呈现长期趋势。底部 Tab 栏、卡片跳转、返回导航均实现了真实可点击的状态流转。深度研究与PPT生成基于 Claude Code 框架Nex-N2-Pro 根据研究目标搜集一份 SpaceX IPO的相关资料并整理把 SpaceX 的业务、技术、财务、估值、治理、竞争、里程碑、愿景重新组织成 12 页叙事结构使用 SVG 进行绘图并最终转化为完全可编辑的 pptx 格式。复杂前端能力Nex-N2-Pro可以完成复杂的前端代码开发工作。用户输入指令“帮我用html做个3d机械臂要功能完整逻辑通顺关节点击可以旋转”Nex-N2-Pro 便可以一气呵成完成复杂功能的模拟在视觉表现和逻辑复杂度达到专业水准。Nex-N2 x North Coder在复杂全栈开发场景中基于自研编程 harness North Coder Nex-N2 自动将需求拆解为约 100 个 RFC明确各自的优先级与依赖关系实现自主调度、并行执行、回收依赖。通过 North Coder用户可以实时看到上百个任务的状态流转前端、后端、Agent Runtime 各条线并行开工每个 RFC 端到端地完成方案设计、编码实现与自我验证最终汇聚成一个完整可运行的项目。04模型部署指南为了在 Nex 系列模型上获得最佳性能官方仓库支持使用sglang部署。环境安装# Use the customized sglang fork git clone https://github.com/nex-agi/sglang.git cd sglang # Install the python packages pip install --upgrade pip pip install -e python模型下载modelscope download --model nex-agi/Nex-N2-Pro --local_dir nex-agi/Nex-N2-Pro启动服务器Nex-N2-Pro在两台配备 8× H100 GPU、CUDA 13.0 的服务器上运行python -m sglang.launch_server \ --model-path /path/to/your/model \ --tp 16 \ --nnodes 2 \ --node-rank node-rank \ --dist-init-addr node0-ip:20000 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --mamba-scheduler-strategy extra_bufferNex-N2-mini在一台配备 2× H100 GPU、CUDA 13.0 的服务器上运行SGLANG_USE_MODELSCOPEtrue python -m sglang.launch_server \ --model-path /path/to/your/model \ --tp 2 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --mamba-scheduler-strategy extra_bufferdocker部署官方还提供了一个预构建的 Docker 镜像其中已预装定制的sglang分支nexagi/sglang:v0.5.12启动命令docker run --gpus all --shm-size 32g --network host \ -v /path/to/your/model:/model \ nexagi/sglang:v0.5.12 \ python3 -m sglang.launch_server \ --model-path /model \ --tp 16 \ --nnodes 2 \ --node-rank node-rank \ --dist-init-addr node0-ip:20000 \ --host 0.0.0.0 --port 30000 \ --reasoning-parser qwen3 \ --tool-call-parser qwen3_coder \ --mamba-scheduler-strategy extra_buffer为获得最佳生成质量temperature: 0.7top_p: 0.95top_k: 40工具调用Nex 系列模型支持强大的函数调用功能。启用函数调用时请在启动服务器时添加 --tool-call-parser qwen3_coder 标志python -m sglang.launch_server --model-path /path/to/your/model --tool-call-parser qwen3_coder推理解析Nex 系列模型会输出显式的推理轨迹。添加 --reasoning-parser qwen3 标志可将推理内容与最终响应分开解析。python -m sglang.launch_server --model-path /path/to/your/model --tool-call-parser qwen3_coder --reasoning-parser qwen3说真的这两年看着身边一个个搞Java、C、前端、数据、架构的开始卷大模型挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis稳稳当当过日子。结果GPT、DeepSeek火了之后整条线上的人都开始有点慌了大家都在想“我是不是要学大模型不然这饭碗还能保多久”我先给出最直接的答案一定要把现有的技术和大模型结合起来而不是抛弃你们现有技术掌握AI能力的Java工程师比纯Java岗要吃香的多。即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇这绝非空谈。数据说话2025年的最后一个月脉脉高聘发布了《2025年度人才迁徙报告》披露了2025年前10个月的招聘市场现状。AI领域的人才需求呈现出极为迫切的“井喷”态势2025年前10个月新发AI岗位量同比增长543%9月单月同比增幅超11倍。同时在薪资方面AI领域也显著领先。其中月薪排名前20的高薪岗位平均月薪均超过6万元而这些席位大部分被AI研发岗占据。与此相对应市场为AI人才支付了显著的溢价算法工程师中专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%产品经理岗位中AI方向的产品经理薪资也领先约20%。当你意识到“技术AI”是个人突围的最佳路径时整个就业市场的数据也印证了同一个事实AI大模型正成为高薪机会的最大源头。最后我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】