Nex AGI: Nex-N2-Mini
Nex AGI: Nex-N2-Mini est un LLM à poids ouverts lancé par Nex AGI le 24 juin 2026. Post-entraîné à partir de Qwen3.5-35B-A3B-Base, il adopte un cadre agentique qui relie compréhension des exigences, planification, production de code, évaluation, débogage et itération.
Nex AGI: Nex-N2-Mini est un LLM à poids ouverts lancé par Nex AGI le 24 juin 2026. Post-entraîné à partir de Qwen3.5-35B-A3B-Base, il adopte un cadre agentique qui relie compréhension des exigences, planification, production de code, évaluation, débogage et itération.
Sa fenêtre de contexte atteint 262 144 tokens. Le modèle prend en charge les appels de fonctions, la recherche approfondie, l’usage d’outils et l’exécution en terminal, avec des traces de raisonnement explicites. Il peut fonctionner localement ou sous Docker grâce à un fork personnalisé de sglang. Son tarif se situe 99% sous la moyenne des LLM similaires.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Nex AGI |
| Poids | 🟢 Poids ouverts |
| Date de sortie | 24 juin 2026 |
| Multimodal | oui |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Email Classification (Baseline) | 97,0 % | 100ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 93,0 % | 139ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 92,5 % | 130ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 76,5 % | 109ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 72,0 % | 130ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 64,0 % | 71ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 62,0 % | 100ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 58,0 % | 125ᵉ / 146 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : Email Classification (Baseline)
Benchable : Ethics (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Nex AGI | 0,025 $ | 0,1 $ | 0,0025 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 99 % en dessous de la moyenne des LLM similaires, et 220 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 59 min 18 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Nex-N2-Mini associe une longue fenêtre de contexte à des fonctions conçues pour les flux agentiques, du découpage d’une tâche jusqu’aux retours de l’environnement et aux corrections successives. Instruction Following constitue son meilleur placement relatif dans les évaluations Benchable. Email Classification affiche un score brut élevé. Le principal avantage reste toutefois économique : les tarifs sont très inférieurs à ceux des LLM similaires et environ 220 fois plus bas que ceux des modèles frontière. Les poids ouverts et le déploiement local élargissent aussi les possibilités d’intégration.
Limites et points d'attention. Les classements Benchable restent globalement en retrait. Le modèle se situe dans le bas du tableau en Ethics, General Knowledge, Mathematics et Coding. Son résultat en Email Classification partage seulement la 100e place avec 21 autres modèles malgré un score de 97% : ce benchmark plafonné distingue mal les concurrents. Coding et Instruction Following présentent aussi des égalités sur des évaluations plafonnées, ce qui interdit d’y voir une avance nette. Le déploiement avec sglang repose par ailleurs sur un fork personnalisé. Nex-N2-Mini reste surtout pertinent pour des expérimentations agentiques à budget serré, notamment autour du code, des outils et du terminal.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).