Nex-N2.5、3種類のエージェントモデルをオープン化——視覚対応版と兆パラメータ級テキスト版で異なる能力の限界

Nex AGIは9月8日、Nex-N2.5シリーズの重みを公開し、mini、Pro、Maxの3モデルを展開した。miniとProはマルチモーダル路線を継承し、画面表示を利用してアクションの結果を検証する設計で、Webブラウジング、GUI操作、コード実行を対象とする。一方、Maxは1.6兆パラメータのテキスト専用MoEモデルだ。3モデルはいずれもApache-2.0ライセンスを採用し、262,144 tokenのコンテキストを提供する。また、OpenAI Chat Completions互換の`reasoning_effort`によって、直接回答、適応的推論、強制推論の各モードを切り替えられる。[公式リポジトリ](https://github.com/nex-agi/Nex-N2.5)ではQwen3 Coderのツールパーサーも指定されており、Maxの推論トレースを分離するにはDeepSeek-R1 parserを使用する。

公開された結果は、「エージェント能力」をモデルサイズだけで評価できないことを示している。MaxはAutomationBench v1.0.6で50.2を記録し、公式比較表に掲載されたClaude Opus 5のスコアをわずか0.1下回った。Terminal-Bench 2.1では86.1だった。しかし、画面を理解してコンピューターを操作する必要があるOSWorld-2では、テキスト専用のMaxは30.5にとどまり、マルチモーダルのProは56.4、比較対象のClaude Opus 5は68.3だった。この対照的な結果は、テキストモデルを大規模化するだけでは、視覚的グラウンディングとアクションのフィードバックループを代替できないことを示している。

展開コストも重要だ。[miniのモデルカード](https://huggingface.co/nex-agi/Nex-N2.5-mini)ではH100を2基、ProではH100を8基使用する構成が推奨されている。Maxのリファレンス構成は2ノード、合計16基のH200で、Nexが修正したSGLangイメージ、FP8 KV cache、DeepEP、DeepGEMMに依存する。今後、エンジニアリングチームは、まだオープンソース化されていない公式のNexCUA評価フレームワーク、第三者による再検証結果、さらに各モデルの障害復旧、権限制御、長時間タスクのコストにおける性能を注視すべきだ。現時点のスコアは主に公開元が提示したものであり、独立した検証結果とはみなせない。