可用于构建和部署 AI 智能体，助力提升编程、工具使用、网页搜索等多任务效率。项目具备全谱模型矩阵、聚焦智能体性能、生产级实用性及端到端控制等亮点。【此简介由AI生成】
license: apache-2.0
Nex-N1
Nex 是下一代全栈智能体平台，将基础模型、合成数据管道、强化学习训练、智能体框架和部署工具整合到一个统一的生态系统中。 DeepSeek-V3.1-Nex-N1 是 Nex-N1 系列的旗舰版本——这是一款经过后训练的模型，旨在突出智能体自主性、工具使用能力和现实世界生产力。 我们致力于通过为研究人员和企业家提供高性能、可靠且经济高效的“开箱即用”智能体系统，让构建和部署 AI 智能体比以往任何时候都更加容易。
亮点
- 全谱系模型矩阵：从 80 亿到 6710 亿参数，Nex 系列涵盖了从边缘友好型配置到前沿规模部署的各种需求。
- 聚焦智能体性能：在编程、工具使用、网络搜索和其他多步推理任务上展现行业领先成果。
- 生产级实用性：擅长小程序开发、网站创作、幻灯片制作和沉浸式角色扮演，可立即提升生产力。
- 端到端控制：开发人员可以在 Nex 基础上构建从数据到部署的完整流程，确保自主性的同时保持成本可预测。
- 开放生态系统：现成的合成数据管道、精选数据集、Nex-N1 检查点、NexAU 智能体框架、EaaS MoE 推理栈以及 NexRL 训练服务均开放可用。
性能
Nex-N1 在六个代表性智能体基准测试（通用 + 专业）上进行了评估。该模型在工具使用、网络搜索和重度编码评估中始终名列前茅，显示出对现实世界智能体工作流的强大适应性。
- 数据点默认来源于模型的官方技术报告或博客，以及基准测试的官方结果。所有其他指标均严格按照官方标准评估框架进行测试。
- Tau2-bench 的结果通过加权平均得出。
- 对于 SWE-verified-bench，测试结果基于使用 OpenHands 构建的内部框架——采用 128k 上下文长度和最多 150 步，并取四次运行的平均值。
- Terminal-Bench2 使用官方 Terminus2 智能体进行评估。
Nex-N1 提供从 80 亿到 6710 亿参数的多种规模模型，以适应不同的使用场景。
| 模型 | GAIA2 | τ2-Bench | SWE-bench Verified | Terminal-Bench2 | BaxBench | BFCL v4 |
|---|---|---|---|---|---|---|
| DeepSeek-V3.1-Nex-N1 | 29.5 | 80.2 | 70.6 | 31.8 | 59.7 | 65.3 |
| Qwen3-32B-Nex-N1 | 16.7 | 72.1 | 50.5 | 16.7 | 34.8 | 60.5 |
| Qwen3-30B-A3B-Nex-N1 | 11.3 | 65.3 | 29.7 | 8.3 | 13.6 | 51.9 |
| internlm3-8B-Nex-N1 | 8.6 | 63.0 | 20.3 | - | - | 44.5 |
Nex-N1 在所有评估场景中均表现出竞争力，尤其在实际编码和 HTML 生成任务中成果显著。
更多详情请参见 https://huggingface.co/datasets/nex-agi/coding-eval 和 https://huggingface.co/datasets/nex-agi/html-eval。
使用方法
本地部署
我们建议使用 sglang 在本地部署 Nex 系列模型：
python -m sglang.launch_server --model-path /path/to/your/model
函数调用
Nex系列模型支持强大的函数调用能力。为了充分发挥Nex系列模型的函数调用性能，我们对qwen3_coder的工具解析器进行了优化，具体可参考：https://github.com/sgl-project/sglang/pull/13411。若要启用此功能，在启动服务器时只需添加--tool-call-parser qwen3_coder参数即可：
python -m sglang.launch_server --model-path /path/to/your/model --tool-call-parser qwen3_coder
小程序开发
Nex-N1 针对小程序开发进行了优化。为获得最佳性能，建议使用同时配置了 context7 和搜索 MCP 的 Claude Code。
claude mcp add --transport http context7 https://mcp.context7.com/mcp --header "CONTEXT7_API_KEY: [CONTEXT7_API_KEY]"
claude mcp add --transport stdio serper-search --env SERPER_API_KEY=[SERPER_API_KEY] -- npx -y serper-search-scrape-mcp-server
有关 context7 的设置详情，请参阅 https://github.com/upstash/context7。