上海创智学院携手上海奇绩智峰、模思智能、跨赴科技等众多创业合作伙伴，共同发布下一代能动性模型体系与开源生态——Nex。本项目旨在构建可持续迭代的能动性闭环开源生态，以技术突破赋能产业升级，真正推动 AI 能动性时代的到来。作为集模型、数据、Agent 开发框架与基础设施代码于一体的 AI Agent 全栈解决方案，Nex 致力于大幅降低 AI Agent 的开发与部署门槛，为学术界科研人员、产业界创业者提供高性能、高稳定、低成本的“开箱即用”能动体系，助力开发者将AI能动性快速落地各类应用场景。核心优势体现在以下三个维度：
1. 性能领先：全尺寸覆盖，全能场景适配
全尺寸模型矩阵：涵盖 8B 到 671B 全尺度模型，灵活满足从轻量级嵌入式场景到高性能复杂任务的多样化需求；
强能动性表现：在通用能力、氛围编程、网页搜索、工具调用等复杂任务中达到行业领先水平，具备高效解决复杂问题的能力；
高实用价值：在小程序开发、网页编写、幻灯片制作、角色扮演等真实生产力场景中表现出色，可提升工作效率。
2. 全面开源：端到端闭环，全链路开源
端到端自主可控：开发者可基于 Nex 完成从数据构造、模型训练、Agent 开发到部署落地的全流程AI Agent开发与产品构建，实现自主可控，降低开发成本；
全链路开源：可一键获取的数据合成管线、高质量训练数据集、全尺寸能动性模型 Nex-N1、Agent 开发框架 NexAU、MoE 推理服务框架 EaaS、强化学习训练服务框架 NexRL，具备完整开源生态。
3. 拥抱生态：立足真实场景，共创能动价值
场景驱动创新：深度结合学术界科研探索、产业界实际开发等真实场景需求，重点优化模型面向实际应用的能动性表现；
生态协同共赢：上海创智学院联合科研机构与创业生态伙伴，搭建开放协作平台，共同探索AI 能动性技术边界，共创产业价值闭环。
Nex 已全面开源至 GitHub、Hugging Face 和 ModelScope，欢迎全球开发者探索使用。相关技术报告也将在后续正式发布，敬请关注。
相关链接：
GitHub链接：https://github.com/nex-agi
Hugging Face链接：https://huggingface.co/nex-agi
ModelScope链接：https://modelscope.cn/organization/nex-agi
Nex模型：Agentic能力全面提升
基于能动性模型全链路方案，我们开源 4 款能动性模型：
模型名称 | 基座模型 | 链接 |
DeepSeek-V3.1-Nex-N1 | DeepSeek-V3.1-Base | https://huggingface.co/nex-agi/DeepSeek-V3.1-Nex-N1 |
Qwen3-32B-Nex-N1 | Qwen3-32B | https://huggingface.co/nex-agi/Qwen3-32B-Nex-N1 |
Qwen3-30B-A3B-Nex-N1 | Qwen3-30B-A3B-Base | https://huggingface.co/nex-agi/Qwen3-30B-A3B-Nex-N1 |
internlm3-8B-Nex-N1 | internlm3-8b-instruct | https://huggingface.co/nex-agi/internlm3-8B-Nex-N1 |
我们选取了6项代表性基准测试，从通用与专业能力维度，全面评估 Nex-N1 模型在 Agent 相关任务中的表现。结果表明，Nex-N1 系列模型在氛围编程、工具使用、后端开发等核心任务中表现优异。
同时，Nex-N1 系列模型也在 Agentic coding、小程序全栈开发、网页编写、幻灯片制作等真实生产力场景中，展现了极强的易用性与实用价值。
Agentic Coding
为了测试模型在实用场景下的编程能力，我们在涵盖全栈开发、代码转写、游戏开发、数据分析、爬虫、测试样例编写、机器学习、矢量图生成、小程序开发等多场景的测试集上，将 Nex-N1 模型与国内外主流模型进行人工对战。测试过程中，我们聚焦真实开发场景中的核心需求，从代码准确性、执行效率、可读性及场景适配度等多维度展开客观评估并表现突出。
所有测试集数据均已开源：https://huggingface.co/datasets/nex-agi/coding-eval
小程序开发
我们联合跨赴科技，面向小程序开发场景进一步优化 Nex-N1 模型，打造低成本、高可用的全栈小程序开发解决方案。Nex-N1 模型精准适配小程序开发语法规则，同时支持相关素材的灵活检索调用。
网页编写
为了测试模型生成前端网页的能力，我们在涵盖网页开发、小游戏开发、教育场景开发、3D 场景开发、数据可视化五大类任务的内部测试集上，将 Nex-N1 模型与国内外主流模型进行人工对战。
结果显示，Nex-N1 模型在功能实现、布局合理性、美观度等维度的表现，超越了除 Claude4.5-Sonnet 外的所有参比模型。
所有测试集数据均已开源：https://huggingface.co/datasets/nex-agi/html-eval
图文网站
结合图片搜索、文件读写工具，基于 Nex-N1 模型和 NexAU 框架开发的智能体能够完成页面布局规划、图片优化与排版设计，输出兼具高审美质感与实用性的图文网页，支持多元化的 UI 风格灵活切换。
海报生成
针对学术海报生成需求，用户只需上传论文 PDF 或提供 论文链接，Nex-N1 模型便能智能提炼研究核心，高效产出符合学术规范的中英双语海报。
输入：请根据 uploads/2510.23027v1.pdf 中的内容帮我生成一个poster
输出：
输入：帮我从uploads/2510.18927v1.pdf生成一张海报
输出：
深度调研
深度调研（Deep Research）是学术研究、商业分析、战略决策等高价值场景的核心智能任务。我们基于 Nex-N1 模型实现深度调研智能体，可自主制定调研计划、网络查询、融合多源数据，支持多模态、不同格式的深度研究报告输出，实现从调研到制作的全流程智能化。
在 Deep Research Benchmark 榜单评测中，该智能体综合性能优异，在信息准确性、报告结构化程度及多模态可视化能力上均展现出领先优势。
输入：深度调研英伟达近10年发展和今年近况，调研、分析、预测英伟达2025年11月18号发布的财报，并根据预测的财报、和各个机构预测的财报情况判断发布当日英伟达股价的涨跌趋势，制作成一份图文并貌的调研报告。
输出：
幻灯片制作
借助 Nex-N1 模型的编码能力与能动性，我们构建的幻灯片制作智能体可自主完成画面设计、素材收集、页面制作等任务。配合深度调研智能体，能够基于用户需求拆解任务、并行调研、分析汇总、素材搜集，交付信源可靠、信息富集、逻辑清晰且图文兼具的优质演示幻灯片。
输入：请深度调研分析《黑神话悟空》的成功，包括研发、发布、评价等全方面，并制作一份幻灯片报告讲解。
输出：
开源速览
除核心模型外，我们同步开源智能体开发框架 NexAU 、训练数据及配套生产管线、强化学习框架 NexRL、MoE 推理框架 EaaS 的核心通信组件 NexVenusCL，实现端到端开放共享。
Agent 开发框架 NexAU
NexAU (Nex Agent Universe) 以 “低门槛、高效率、可灵活定制” 为核心设计理念，全面覆盖智能体开发所需基础能力，包括动态工具注入、Skills、Subagents、Hooks、MCP、状态管理、Interleaved Thinking 、记忆压缩召回及完整可观测性等。该框架将智能体搭建从 “复杂编码” 转化为 “快速组装”，助力新手快速上手，让资深开发者效率倍增。
框架链接：https://github.com/nex-agi/nexau
基于 NexAU ，我们已落地多款实用智能体，部分案例如下：
元智能体（Agent4Agent）：https://github.com/nex-agi/NexA4A
深度研究智能体：https://github.com/nex-agi/NexDR
网页编写、学术海报生成智能体：https://github.com/nex-agi/NexHTML
训练数据及生产管线
我们提供端到端 Agentic 数据合成管线，利用 NexAU 灵活高效的智能体框架和 NexA4A 强大多样的智能体构造能力，全面覆盖智能体基础能力、工具调用、 MCP 调用、Agentic Coding 等核心领域，囊括从智能体框架生成、问题合成、轨迹生成到处理的全流程标准化环节。核心资源包括：
端到端训练数据合成管线：https://github.com/nex-agi/NexGAP
7万条高质量能动性数据：https://huggingface.co/datasets/nex-agi/agent-sft
底层 Infra 全套支持
Nex 模型的训练过程，面临着比传统大语言模型更复杂的基础设施挑战，例如场景化训练需求的动态适配，训练与运行时的强耦合束缚，Rollout 长尾带来的资源利用率低。我们针对性构建了一套面向能动性（ Agentic ）模型的服务化 Infra 体系，该体系将模型训练过程中的所有相关组件服务化，包括模型训练过程、模型推理、工具交互、Reward 计算等。
NexRL
NexRL 是以极致松耦合为设计理念的强化学习训练框架，我们对 Rollout 与 Training 进行了服务化解耦，借助标准化 API 无缝兼容现有训推生态；框架内组件深度模块化设计，支持任意灵活替换，无需改动 Agent 采样代码，即可适配多形态 Agent 快速启动强化学习训练。
开源链接：https://github.com/nex-agi/NexRL
EaaS
EaaS 是一个专为 MoE 模型设计的高效推理框架。该系统通过将专家模块解耦为独立、无状态的服务，实现了细粒度的资源弹性扩展与高容错能力。依托高性能 GPU 点对点通信技术，EaaS 系统兼顾高吞吐与低开销，在达到当前 SOTA 推理性能的基础上，节省了 37.5% 的计算资源，并在硬件故障场景下将吞吐量下降控制在 2% 以内。本次开源的是 EaaS 系统的核心通信组件——NexVenusCL。该库是一款基于 IBGDA 技术构建的 GPU P2P 通信库，支持通信与计算并行执行，具备低延迟、高灵活性的特点，可高效支撑跨 GPU 的细粒度通信需求。
开源链接：https://github.com/nex-agi/NexVenusCL
我们期待与广大开发者、用户携手共建 Nex 生态。模型技术报告即将发布，敬请期待。
