💡 站外导读:把大模型接入 Claude Code、Codex 或桌面电脑操控环境时,工程师最头疼的两大顽疾往往不是模型“不够聪明”,而是跑着跑着陷入原地复读死循环狂烧 Token,或是受历史对话污染调用了当前框架根本不存在的工具名。上海创智学院(Nex-AGI)最新开源的 321B 参数多模态能动性模型 Nex-N2.6,用一套极具工程针对性的“断点重放”与“跨 Harness 清单对齐”后训练方案,直接把复读率压低了九成,并在 OSWorld 电脑操控榜上交出了 83.0 分的一线答卷。

一、 底座延续与能力定位:321B 稀疏 MoE 注入纯正 Agentic 基因
在模型结构上,Nex-N2.6 选择站在智谱 GLM-5.3-Flash 的肩膀上进行深度后训练(Post-training),完整保留了底座的“混合注意力层 + MoE”高效拓扑,成品总参数量约为 321B,原生开放高达 256K 的超长上下文窗口,并直接以 Apache 2.0 宽松协议开源 FP8 量化权重(GitHub: sii-nex/Nex-N2.6,HuggingFace: nex-agi/Nex-N2.6)。
得益于对底座架构的完美继承,工程团队可以直接复用兼容 GLM-5.3-Flash 的成熟推理栈,在本地 8 卡环境下借助 SGLang 配合张量/专家并行完成 FP8 高效部署,而无需从头魔改推理引擎,兼顾了极高的桌面图形界面操控(CUA)精度与软件工程长程代码修改能力。
二、 两大核心后训练突破:死磕“原地打转”与“工具错配”
为了解决真实 Agent 生产流水线中最致命的两个稳定性陷阱,上海创智学院团队在 Nex-N2.6 的训练阶段设计了两套极具实战价值的工程策略:
- Badcase 驱动与 Checkpoint Replay(断点重放): 研发团队从内部及合作方真实业务日志中收集了 698 条典型故障 Badcase,构建起专门的“重复问题 Bench”。训练时直接冻结上一代模型报错或陷入死循环前的全部历史上下文与工具返回报文,强制模型从同一个故障断点继续向下推理,借此将复读率从前代 N2.5 的 16.0% 断崖式压降至 1.6%(降幅达 90%),整体调用未循环率高达 97.8%。
- 跨 Harness 工具清单严格对齐: 面对 Claude Code、Codex、Cursor 及自研框架各不相同的工具命名习惯,许多模型极易因预训练或历史轨迹记忆而“张冠李戴”。Nex-N2.6 通过多框架混合真实上下文强化训练,学会将注意力死死锚定在“当前请求声明的工具清单”之上,在 956 条跨框架真实样本评测中实现 100% 清单内精准匹配,成功媲美 GPT-6-Sol。
三、 权威基准实测横评:桌面操控与终端运维齐头并进
高强度的 Agentic 后训练并未以牺牲基础编码与系统运维能力为代价。相反,多维权威基准评测显示 Nex-N2.6 在电脑图形界面操控与命令行工程上实现了全面跃升:
| 核心评测维度 / 工程指标 | Nex-N2.6 实测表现 | 关键对比基准 / 提升幅度 | 对应的真实工程价值 |
|---|---|---|---|
| OSWorld 电脑界面操控 | 83.0 分 | 较自身底座提升 +5.0 分,超越 DeepSeek-V4.1-Flash | 直接看屏操作 LibreOffice、FreeCAD、Blender 等无 API 遗留软件 |
| Terminal-Bench 2.1 终端评测 | 84.1 分 | 完整无损保留底座高阶命令行运维功力 | 胜任服务器巡检、日志排障与批量自动化脚本运维 |
| 推理复读率(重复问题 Bench) | 1.6% | 较前代 Nex-N2.5(16.0%)暴降 90% | 长轨迹任务不再原地打转,显著节约 256K 上下文推理 Token 账单 |
| 整体调用未循环率 | 97.8% | 长程多步工具链执行稳定性行业领先 | 大幅提升跨文件重构、多步骤 ERP 审批流端到端交付成功率 |
| 跨 Harness 工具清单匹配率 | 100%(956 条样本) | 对齐主流编码框与 GPT-6-Sol 持平 | 一套权重即插即用适配 Claude Code、Codex、Cursor 等多元框架 |
四、 SGLang 8 卡本地化与云端 API 落地实战指南
在落地接入方面,Nex-N2.6 同时打通了重度私有化部署与轻量化云端调用两条路径。对于拥有 8 卡算力节点且注重源码或业务数据不出域的企业,可通过 ModelScope CLI 拉取 nex-agi/Nex-N2.6 的 FP8 权重后,拉起官方 lmsysorg/sglang:latest Docker 镜像,以 8 卡 TP/EP 模式挂载运行,并显式指定 --served-model-name Nex-N2.6、--reasoning-parser glm45 与 --tool-call-parser glm47。服务启动后即可通过 OpenAI 兼容接口传入 image_url 屏幕截图与 tools 工具声明,开启 reasoning_effort: "max" 执行流式多模态 Agent 推理。
对于希望零运维快速尝鲜或做原型验证的开发者,Nex-N2.6 也已同步上架 OpenRouter 与 MOSS 开放平台,直接配置 OpenAI 兼容 SDK 即可畅享完整 256K 上下文窗口,快速串联自由设计软件参数化建模、跨应用表单自动录入等复杂 GUI 自动化工作流。
📝 站长洞察 (Editor’s Insight)
过去半年我们评测过不少号称擅长 Agent 的开源大模型,绝大多数只顾着刷 SWE-bench 单点分数,一放到真实的 Claude Code 或桌面 GUI 自动化工作流里跑超过二十步,要么开始像坏掉的唱片一样原地复读消耗光预算,要么幻觉调用了别的框架里的工具名称直接报错中断。上海创智学院开源的 Nex-N2.6 非常可贵地把工程火力集中在了这两个“真实世界卡脖子细节”上:用 698 条故障断点重放把复读率干到 1.6%,用多框架上下文混合训练把跨 Harness 工具匹配拉到 100%,再辅以 OSWorld 83.0 分的硬核看屏操作实力。对于正在搭建私有化 Coding Agent 或 RPA+AI 桌面自动化的企业团队而言,这款 Apache 2.0 协议的 321B FP8 模型绝对值得放进生产评估清单的首位。
Nex-N2.6为什么能减少复读死循环?
核心在于Checkpoint Replay断点重放:训练时冻结模型报错或陷入循环前的历史上下文与工具返回,让模型从同一故障断点继续推理。配合698条真实Badcase,复读率从16.0%降到1.6%。
Nex-N2.6能兼容哪些Agent框架?
文章明确提到它面向Claude Code、Codex、Cursor及自研框架做了跨Harness工具清单对齐训练。在956条跨框架真实样本评测中,工具清单内精准匹配率达到100%。
Nex-N2.6的实测成绩怎么样?
它在OSWorld电脑界面操控上拿到83.0分,在Terminal-Bench 2.1上达到84.1分,同时整体调用未循环率为97.8%。说明它既能做桌面GUI操控,也能胜任终端运维与长程工具链任务。
Checkpoint Replay怎么接入现有Agent框架?
把每次工具调用、状态变更和失败分支都序列化成可回放轨迹,再在调试环境按同一输入重放。这样能快速定位复读、错配和状态漂移,适合接入LangChain、AutoGen等框架做回归测试。
跨框架工具100%命中靠什么工程策略?
核心是统一工具语义层:先做工具能力抽象,再建立名称、参数、返回值的映射与校验规则,最后加上检索和约束解码。这样模型不必记住每个框架细节,也能稳定选对工具并减少幻觉调用。
