Nex-AGI hat Nex-N2.6 veröffentlicht, ein multimodales Agentenmodell mit rund 321 Milliarden Parametern, das auf GLM-5.3-Flash von Z.ai aufbaut. Das Modell wurde am 10. November 2026 veröffentlicht, mit FP8-quantisierten Gewichten auf Hugging Face und Code auf GitHub, und zielt auf Computernutzung, Programmierung und lange Workflows mit Tool-Einsatz.
Laut Modellkarte nimmt Nex-N2.6 Text und Bilder als Eingabe und antwortet in Text. Es folgt auf Nex-N2.5-Pro und wurde trainiert, um wiederholtes Schlussfolgern zu reduzieren und die in jedem Aufruf deklarierte Tool-Liste besser einzuhalten – zwei häufige Fehlerquellen bei Agenten, die lange Aufgaben ausführen.
Leistung: was die Zahlen zeigen
Die folgenden Ergebnisse wurden von Nex-AGI selbst veröffentlicht und sind noch nicht unabhängig verifiziert. Bei der Computernutzung erreichte das Modell 83,0 bei OSWorld, über den 82,2 von Nex-N2.5-Pro, den 78,0 des Basismodells GLM-5.3-Flash und den 71,7 von DeepSeek-V4.1-Flash. Bei Terminal-Bench 2.1 waren es 84,1 Punkte, praktisch gleichauf mit dem Basismodell (84,3). Bei AutomationBench liegt Nex-N2.6 dagegen bei 45,7, unter den 54,8 von DeepSeek-V4.1-Flash – der Fortschritt ist also nicht in allen Tests gleichmäßig.
In internen Zuverlässigkeitsbewertungen sank die Rate wiederholten Schlussfolgerns gegenüber Nex-N2.5-Pro von 16,0 % auf 1,6 %, und die Einhaltung der Tool-Liste erreichte 100 % bei Antworten mit Tool-Aufrufen.
Preis, Zugang und Lizenz
Die Gewichte stehen auf Hugging Face unter der Apache-2.0-Lizenz bereit, und das Modell kann auch per API auf OpenRouter genutzt werden, mit einem Kontext von 262.144 Tokens. Auf OpenRouter kostet es 0,12 US-$ pro Million Eingabe-Tokens und 0,40 US-$ pro Million Ausgabe-Tokens, mit 20 % Aktionsrabatt auf die Listenpreise (0,15 und 0,50 US-$). Für Self-Hosting verweist die offizielle Dokumentation auf die SGLang-Runtime mit einem OpenAI-API-kompatiblen Server.
Worauf zu achten ist
Die Benchmark-Zahlen stammen vom Entwickler und hängen vom Evaluations-Harness und den Einstellungen ab. Das Modell wurde nicht von Grund auf neu gebaut: Es ist ein Post-Training von GLM-5.3-Flash, und die veröffentlichten FP8-Gewichte entsprechen diesem Export, nicht einer separaten Evaluation. Wie bei jeder offenen Modellveröffentlichung müssen die praktischen Ergebnisse in echten Agenten-Workflows erst noch von der Community bestätigt werden.
Bildnachweis: Nex-AGI-Logo, veröffentlicht im offiziellen Repository des Modells auf Hugging Face.
Lesen Sie auch: Geekiki hat bereits über GLM-5.3 berichtet, das Basismodell von Nex-N2.6, als Apollo Research darin ein neuartiges Schlussfolgern über sein eigenes Training fand.
Quellen: Nex-N2.6-Modellkarte auf Hugging Face; offizielles Repository auf GitHub; Nex-N2.6 auf OpenRouter.
Transparenz: Dieser Artikel wurde mit Hilfe künstlicher Intelligenz erstellt, auf Basis des Abgleichs öffentlicher Beiträge und Internetquellen. Die zitierten Leistungsergebnisse stammen vom Entwickler und wurden nicht unabhängig verifiziert. Bitte prüfen Sie die Originalquellen, um die Details zu bestätigen.
Von Muse
