「Nex-N2.5-mini」長期タスク向けのエージェントモデル：当サイトでの回答例・必要VRAM 16GB〜

2026年9月9日2026年11月3日

基本情報

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

当サイトで確かめたこと

• GPU の無い当サイトのサーバー(Neoverse-N1・3スレッド・llama.cpp b11223)で nex-agi_Nex-N2.5-mini-Q2_K.gguf(Q2_K)を動かし、生成は 7.3 トークン/秒でした(CPU での値で、GPU の速さの目安ではありません)。
• 固定の日本語の質問への回答を、下に原文のまま載せています。
• Qwen3 のトークナイザより約21%少ないトークンで同じ日本語を表せます。同じ文脈長に入る日本語が約1.26倍になり、生成も1字あたりで速くなります。

詳しい値と条件は、下の「当サイトでの実測」の節にあります。

概要

Nex-AGIは、実世界の環境における長期タスク向けに設計された次世代エージェントモデルファミリー「Nex-N2.5」より、マルチモーダル基盤を持つ「Nex-N2.5-mini」を公開しました。コンピュータ操作やウェブブラウジング、視覚的なフィードバックを通じた自己修正能力に焦点を当てており、オープンウェイトとして利用可能となっています。

スペック

• ライセンス: apache-2.0
• アーキテクチャ: Qwen3_5MoeForConditionalGeneration (qwen3_5_moe)

性能

モデルカードに記載されているテキストベンチマークおよびマルチモーダルベンチマークの比較表は以下の通りです。比較対象には「Nex-N2.5-Pro」「Nex-N2.5-Max」および主要な他モデルが含まれています。

Text Benchmarks

Multimodal Benchmarks

公開元の評価結果によれば、Nex-N2.5-miniは同ファミリー内では最も軽量なモデルであり、上位のProやMax、および他社の大型モデルと比較すると全般的にスコアは低めの傾向にあります。一方で、Terminal-Bench 2.1では73.4を記録し、BrowseCompでは83.4をマークするなど、一部のタスクでは一定の性能を示しています。マルチモーダル関連のOSWorld-VerifiedやOmniDocにおいても、ファミリー内のProや他モデルに比べて数値は下がるものの、一定の水準を維持しています。

得意なこと・想定用途

コンピュータ操作、ウェブブラウジング、視覚的なグラウンドを通じたエージェントとしての動作に焦点を当てて構築されています。ビジョンを入力モダリティとしてだけでなく、環境を認知し結果を検証してタスクを進めるための重要なインターフェースとして活用する点が特徴です。

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 35.1B

推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-11-03 時点): llama.cpp: 登録あり、vLLM: 登録あり、MLX (mlx-lm): 登録あり。

必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 ファイルサイズは変換版 bartowski/nex-agi_Nex-N2.5-mini-GGUF の配布ファイルの実測値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。

手元で動かせるか

Ollama・LM Studio・llama.cpp で動かせます(変換版を利用)。

公開元の配布は safetensors ですが、bartowski/nex-agi_Nex-N2.5-mini-GGUF が GGUF版を公開しているため、そちらを使えば手元で動きます。

ライセンス apache-2.0(商用利用可): 商用利用を含めて自由に利用・改変・再配布できます。再配布時にライセンス文と変更点の告知が必要で、特許の許諾条項があります。

量子化の圧縮率: Q2_K は実測 3.16 bit/weight で、元の16bitの重みの約20%のサイズです(配布ファイルの実サイズから当サイトが算出)。

配布形式・当サイトが見つけた変換版・各推論エンジンの登録表を突き合わせた判定です。「確認できていない」は当サイトが見つけていないという意味で、存在しないことの断定ではありません。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。

当サイトでの実測

当サイトのサーバー(GPUなし)で、このモデルのファイルを実際に読み込み・動かして確かめた値です。モデルカードの記載ではなく、当サイトが測った結果です。測り方と全モデルの一覧は観測データにまとめています。

実測から分かったこと

nex-agiのNex-N2.5-miniをCPUだけで動かしたところ、日本語のトークン効率が良く文章題や要約などのタスクでスムーズに回答を得られた一方で、俳句の生成では上限トークンに達して途中で打ち切られるという結果になりました。CPU環境においてQ2_Kの量子化版で検証した際の生成速度は毎秒7.31トークンであり、日本語の字数に直すと毎秒13.4字というテンポで出力されます。これは同じ条件で測った比較対象のモデル群と比べて速い速度が出ていますが、ピーク時のメモリが14.9GBに達する点には注意が必要です。

日本語の処理においては、1000字あたりのトークン数が546トークンとなっており、Qwen3の688トークンと比べて少ないトークン数でより多くの日本語を文脈に含めることができます。実際に5問のテストを行ったところ、取引先への敬語メールの作成や、280円という正解を導き出した買い物の文章題、さらに1200字の記事を過不足なく3文でまとめた要約のタスクなどでしっかりと回答が得られました。知識問題においても海に面していない8県のうち7県を正しく挙げています。

一方で、春の俳句を3つ作るという指示では回答が得られず、上限の1024トークンに達して途中で打ち切られてしまいました。また、知識問題では海に面している都道府県を誤って1つ含めてしまうという間違いも見られます。全体として、トークン効率の良さと実用的な文章生成能力を発揮する一方で、特定の創作課題における打ち切りの発生や知識の正確性には弱い部分があることが確認できました。

日本語のトークン効率

Qwen3 のトークナイザより約21%少ないトークンで同じ日本語を表せます。同じ文脈長に入る日本語が約1.26倍になり、生成も1字あたりで速くなります。

nex-agi/Nex-N2.5-mini の tokenizer.json で、当サイトが書き下ろした固定の文章(876字。ニュース・会話・技術文書・敬語のメール・紀行文・料理の6種)と、同じ内容の英文を数えました。トークン数が少ないほど、同じ文脈長に長い日本語が入ります。

GGUFファイルの中身

対象: nex-agi_Nex-N2.5-mini-Q4_K_M.gguf(20.79GB、Q4_K_M)。ファイルの先頭のメタデータだけを読んで確かめました(重みはダウンロードしていません)。

ファイル名の量子化名はファイル全体の呼び名で、実際には層ごとに型が混ざっています。平均のビット数は、ファイルのデータの大きさを重みの数で割った実測値です。

CPUだけで動かした結果

条件: Neoverse-N1 の3スレッド・GPUなし・llama.cpp b11223・bartowski/nex-agi_Nex-N2.5-mini-GGUF の Q2_K(12.89GB)・2026-09-29に測定しました。本体と画像を読む部品を合わせると当サイトの上限(13GB)を超えるため、画像の問いは省き、テキストの問いだけを尋ねました。4bit 前後のファイルは当サイトの上限(13GB)に収まらないため、ビット数の低い Q2_K で測りました(4bit より品質は下がります)。 同じ条件で測った他のモデル(ファイルの大きさが近い順):

ピーク時のメモリは、ファイルをメモリに割り当てた分(mmap)を含みます。GPUのあるPCではこれより大幅に速くなります。ミニPC・ARMのボードなど、CPUだけで動かす環境の目安です。

日本語の質問への回答(原文のまま)

上の条件で、全モデルに同じ5問を日本語で尋ねた回答を、手を加えずに載せています(温度0・チャットテンプレートが対応していれば思考なし・最大1024トークン)。正誤は判定していません。答えが1つに決まる問いには、正解を併記します。

要約

次の記事を3文で要約してください。

みどり市は今年の春、市内に三つある公立図書館のうち最も古い中央図書館の改修を終え、十月一日に再開館した。改修は約一年半にわたり、総事業費は約十二億円。このうち約四億円は国の補助金でまかなわれた。

最大の変化は、閲覧席の配置である。以前は館内の座席の大半が学習用の机で、試験期間になると中高生で埋まり、高齢の利用者や小さな子ども連れが座れないという苦情が毎年寄せられていた。改修後は座席数を百二十席から二百席に増やしたうえで、学習用の机を三階にまとめ、一階は会話ができる「にぎわいフロア」、二階は静かに本を読む「閲覧フロア」に分けた。一階には予約制のグループ学習室が四室と、飲み物を持ち込めるカフェスペースも設けられた。

蔵書の面でも見直しが進んだ。貸出の少ない古い資料約三万冊を市内の他の館や保存書庫に移し、代わりに子ども向けの絵本と、介護・子育て・仕事探しといった暮らしに関わる実用書を約一万五千冊増やした。電子書籍の貸出サービスも始まり、利用登録をすれば自宅から一度に三冊まで、二週間借りられる。

建物そのものにも手が入った。築四十年を超えていた空調設備を入れ替え、屋上には太陽光パネルを設置して、館内で使う電力の約二割をまかなえるようにした。車いすの利用者から要望の多かったエレベーターは一基から二基に増え、書架の間の通路も以前より三十センチ広げられた。入口には段差のないスロープが新たに設けられ、授乳室と多目的トイレも各階に一つずつ置かれた。

一方で課題も残る。駐車場は改修前と同じ四十台のままで、週末には近くの道路に順番待ちの車が並んだ。市は隣接する市有地を臨時駐車場として開放したが、恒久的な対策は決まっていない。また、開館時間を平日の夜九時まで延ばしたことで職員の負担が増えており、職員団体は人員の追加を求めている。

利用者の受け止めはおおむね好意的だ。週に二度、孫を連れて来るという七十代の女性は「前は子どもが声を出すと周りの目が気になったが、一階なら気兼ねなく絵本を読んであげられる」と話す。一方、受験を控えた高校生の中には「学習席が三階だけになり、夕方はすぐに満席になる」と不満を漏らす人もいる。図書館は、学習席の空き状況をホームページで確認できる仕組みを年内に導入する予定だ。

再開館に合わせて、催しも増えた。毎週土曜の午前には読み聞かせ会、月に一度は地元の農家や商店主を講師に招く「まちの先生」講座が開かれる。十一月には、市内の中学生が選んだ本を紹介する展示も予定されている。

館長の山本和子さんは「本を借りる場所から、人が集まって過ごす場所へ変えたかった。再開館からの一か月で来館者は以前の一・八倍になった」と話す。市は来年度、残る二つの図書館についても利用者への聞き取りを行い、改修の必要性を検討する方針だ。

みどり市は公立中央図書館を約1年半・総額約12億円かけて改修し、閲覧席を増やし、一階をにぎわい、二階を閲覧、三階を学習スペースに分けるなど、単なる貸出施設から交流・生活支援の場へ変えた。  
蔵書では古い資料を減らして絵本や実用書を増やし、電子書籍、太陽光発電、バリアフリー設備も導入したが、駐車場不足や夜間開館による職員負担などの課題も残っている。  
利用者は改修を評価する一方、学習席の不足を指摘しており、市は空き状況の表示導入や残る図書館の改修検討を進める方針だ。

敬語のメール

取引先の担当者に、来週火曜日の打ち合わせを水曜日に変更してほしいとお願いするメールを、丁寧な敬語で書いてください。

件名：来週火曜日の打ち合わせ日程変更のお願い

〇〇様

お世話になっております。  
〇〇です。

先日ご連絡いただいた、来週火曜日の打ち合わせにつきまして、  
ご都合を調整いただき、来週水曜日に変更していただくことは可能でしょうか。

変更によりご不便をおかけし申し訳ございません。  
もし来週水曜日が難しい場合は、ご都合のよい日時をご教示いただけますと幸いです。

何卒よろしくお願いいたします。

文章題

りんごが1個120円、みかんが1個45円です。りんごを3個とみかんを8個買って、1,000円札で払いました。おつりはいくらですか。考え方も示してください。

りんご：120円 × 3個 = 360円  
みかん：45円 × 8個 = 360円  

合計：360円 + 360円 = 720円  

1,000円札で払ったので、おつりは  
1,000円 − 720円 = **280円**  

したがって、おつりは **280円** です。

参考: 正解は280円です(120×3=360円、45×8=360円、1,000−720=280円)。

知識

日本の都道府県のうち、海に面していない県をすべて挙げてください。

海に面していない県は、以下の8つです。

1. 群馬県  
2. 埼玉県  
3. 栃木県  
4. 山梨県  
5. 長野県  
6. 岐阜県  
7. 滋賀県  
8. 京都府  

合計8都道府県です。

参考: 正解は8県です(栃木県・群馬県・埼玉県・山梨県・長野県・岐阜県・滋賀県・奈良県)。

指示どおりの創作

「春」をテーマにした俳句を3つ、五・七・五の音数を守って作ってください。それぞれに一言の説明を付けてください。

(思考だけで上限に達し、回答は出ませんでした)

同クラスの既報モデル

当サイトが最近取り上げた、パラメータ数 15〜40B のモデルを、比較のために記事ログからコードが並べたものです。VRAM階層は当サイトの概算、ライセンスはモデルカードの記載です。

入手方法

Hugging FaceおよびModelScopeからオープンソースとしてモデルウェイトが入手可能です。

• Hugging Face: nex-agi/Nex-N2.5-mini

派生版・量子化版

各リポジトリの量子化とファイルサイズ:

• bartowski/nex-agi_Nex-N2.5-mini-GGUF の量子化: IQ2_XXS 10.1GB / IQ2_XS 10.5GB / IQ2_S 11.2GB / IQ2_M 12.3GB / Q2_K 12.9GB / IQ3_XXS 14.5GB / IQ3_XS 15.2GB / Q3_K_S 15.2GB / Q3_K_M 16.2GB / Q3_K_L 17.0GB / IQ3_M 17.7GB / IQ4_XS 18.5GB / Q4_0 18.6GB / Q4_K_S 19.5GB / Q4_1 20.5GB / IQ4_NL 20.8GB / Q4_K_M 20.8GB / Q4_K_L 22.5GB / Q5_K_S 23.4GB / Q5_K_M 25.1GB / Q6_K 27.4GB / Q6_K_L 30.1GB / Q8_0 34.4GB / BF16 64.6GB
• mradermacher/Nex-N2.5-mini-GGUF の量子化: Q2_K 12.1GB / Q3_K_S 14.1GB / Q3_K_M 15.6GB / Q3_K_L 16.9GB / IQ4_XS 17.6GB / Q4_K_S 18.5GB / Q4_K_M 19.7GB / Q5_K_S 22.3GB / Q5_K_M 23.0GB / Q6_K 26.6GB / Q8_0 34.4GB
• mlx-community/Nex-N2.5-mini-OptiQ-4bit の量子化: MLX 4bit 20.6GB
• mlx-community/Nex-N2.5-mini-oQ4 の量子化: MLX 4bit 19.0GB

このほか、上記以外の投稿者による変換版が 33 件あります(当サイトは公開元自身と、実績のある量子化担当の配布だけを表に載せています)。

この節は、記事公開後に見つかった変換版を当サイトが機械的に追記したものです。必要メモリは配布ファイルのサイズから算出した概算です。 量子化の名前の読み方は用語集にあります。

関連記事

• 「Nex-N2.5-Pro」長期タスク向けエージェントモデル：必要メモリ約98GB・GGUF版あり

次に読むなら

• GPUのVRAMから探す(このモデルは16GBの階層から動きます) → 16GBのGPUで動くほかのモデル
• 同じモデル系統を調べる → Nex-N2.5 系統のまとめ(記事2本・変換版6件)
• このモデルを動かすエンジンを調べる → llama.cpp / Ollama / vLLM
• 入手できる形式と、表に出てくる Q2_K・Q4_K_S・Q5_K_M の意味を知る → GGUF形式の解説と対応モデル / MLX形式の解説と対応モデル / 量子化・モデル形式の用語集
• 公開元について調べる → Nex-AGI のモデル・ライセンス・記事のまとめ

出典

• https://huggingface.co/nex-agi/Nex-N2.5-mini

更新履歴

• 2026-09-18: 変換版を「派生版・量子化版」に追記しました: bartowski/nex-agi_Nex-N2.5-mini-GGUF, mradermacher/Nex-N2.5-mini-GGUF, mlx-community/Nex-N2.5-mini-OptiQ-4bit, mlx-community/Nex-N2.5-mini-oQ4
• 2026-09-18: 動作環境の表を bartowski/nex-agi_Nex-N2.5-mini-GGUF の実ファイルサイズで更新しました。
• 2026-09-24: 記事の組み立てを更新しました: 「手元で動かせるか」の判定(配布形式・変換版・推論エンジンの登録表・ライセンス・実測の圧縮率)を追加
• 2026-09-25: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。
• 2026-09-28: 当サイトでの実測(日本語のトークン効率・GGUFファイルの中身)を追加しました。
• 2026-09-29: 当サイトでの実測(CPUでの速度と日本語の質問への回答)を追加しました。
• 2026-09-30: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。