GPT
הוספת כלי
N

Nex-N2-Pro

קוד פתוח

nex-agiapache-2.02026-06-03

  • transformers
  • safetensors
  • qwen3_5_moe
  • image-text-to-text
  • text-generation

מודל ענק שמיועד למשימות תכנות ארוכות והפעלת כלים בסוכנים עצמאיים. הוא נבנה עבור מי שרוצה ביצועים ברמה של המודלים המובילים, אבל בקוד פתוח תחת רישיון חופשי.

  • 397Bפרמטרים
  • 262,144טוקנים בהקשר
  • 739 GBמשקל הקבצים
  • 864הורדות בחודש

מה זה

מדובר במודל MoE עם 397 מיליארד פרמטרים שמבוסס על סדרת Qwen3.5, ומתוכם רק 17 מיליארד פעילים בכל טוקן. המטרה שלו היא לא שיחה רגילה אלא שרשראות עבודה של סוכנים, החל מכתיבת קוד והרצה בטרמינל ועד תיקון באגים לפי פלט מהסביבה וחיפוש ברשת. חלון ההקשר מגיע ל־262,144 טוקנים, מה שמאפשר להזין תיקיות קוד שלמות ומסמכים ארוכים.

במבחני ביצועים הוא עוקף חלק ניכר מהמתחרים הפתוחים ומגיע קרוב למודלים סגורים מובילים. ב־Terminal-Bench 2.1 הוא קיבל 75.3 נקודות, וב־SWE-Bench Verified הוא הגיע ל־80.8 אחוזים. עם זאת, במבחנים קשים במיוחד של הנדסת תוכנה מורכבת כמו DeepSWE הוא מקבל 33.6 אחוזים, שזה הרבה מעל מודלים פתוחים אחרים בטבלה אבל חצי מהתוצאה של מודלים סגורים מתקדמים.

מתאים ל

  • סוכן תכנות אוטונומי

    הוא מגיע ל־75.3 בטרמינל ותומך בהרצה ותיקון שגיאות בקוד באופן עצמאי לאורך זמן.

  • מחקר ואיסוף מידע ברשת

    תוצאה של 83.7 ב־BrowseComp ו־75.6 ב־WideSearch הופכות אותו לכלי מעולה לסריקה וסיכום מקורות.

  • ניתוח בסיסי קוד ענקיים

    חלון הקשר של מעל 260 אלף טוקנים מאפשר לקרוא ריפו שלם ולהבין את התלויות בין הקבצים.

איפה זה נופל

הנתונים מראים נפילה ברורה כשמגיעים למשימות תוכנה סבוכות באמת. ב־DeepSWE הוא משיג 33.6 נקודות לעומת 70 במודלים סגורים מובילים, וב־SWE Atlas QnA הוא עומד על 37.9 נקודות בלבד, כך שלא כדאי לבנות עליו שיפתור באגים ארכיטקטוניים מורכבים בלי השגחה הדוקה. בנוסף, הוא כבול לסביבת הרצה ייעודית עם מזלג מותאם של sglang וארכיטקטורת Qwen3_5Moe, מה שאומר שהטמעה במערכות קיימות עם ספריות הסקה סטנדרטיות תדרוש התאמות תשתית ולא תעבוד ישר מהקופסה.

שאלות
נפוצות

האם אפשר להריץ את גרסת הפרו על שרת בודד עם כרטיס RTX ביתי?

לא. המודל שוקל 739 גיגה־בייט ודורש תשתית של 16 כרטיסי H100 על פני שני שרתים נפרדים. עבור חומרה מקומית או שרת בודד כדאי לבדוק את גרסת המיני, או לפנות ישירות ל־API בענן.

במה הוא שונה מסתם מודל שמייצר תשובות טקסט?

הוא תוכנן לעבוד כסוכן. המשמעות היא שהוא משלב מנגנון חשיבה שמתאים את העומק לפי המשימה, מחזיר עקבות חשיבה נפרדים, ומפעיל כלים ופקודות טרמינל כדי לבדוק את עצמו בסביבה אמיתית.

איך מריצים

להריץ אותו לבד זו משימה לתשתיות כבדות בלבד. המשקל שלו עומד על 739 גיגה־בייט, והמפתחים מציינים במפורש שהרצה דורשת שני שרתים עם שמונה כרטיסי H100 בכל אחד, סך הכול 16 כרטיסי H100 עם מקביליות טנזורים של 16, תוך שימוש במזלג ייעודי של sglang או בקונטיינר דוקר שלהם. מי שצריך חומרה צנועה יותר יצטרך לבחור בגרסת המיני, שדורשת שני כרטיסי H100 בלבד.

אם אין לכם קלאסטר כזה בענן או בדאטה סנטר, אין מה לנסות להוריד אותו למחשב מקומי. עדיף בהרבה להשתמש ב־API דרך ספקי ענן כמו OpenRouter או SiliconFlow, במיוחד כשיש להם תקופות התנסות חינמיות, ולשלם לפי טוקנים במקום לתחזק שרתי ענק.

from transformers import pipeline

pipe = pipeline("text-generation", model="nex-agi/Nex-N2-Pro")
print(pipe("שלום"))

הקבצים

134 קבצים במאגר, 739 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל משוחרר תחת רישיון apache-2.0. זהו רישיון קוד פתוח מתירני שמאפשר שימוש מסחרי חופשי, שינוי של המשקולות, הפצה והרצה במוצרים פנימיים או ציבוריים, ללא תמלוגים. התנאי העיקרי הוא שמירה על הודעת זכויות היוצרים וכתב הוויתור על אחריות.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗