「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

2026年11月3日

「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

基本情報

項目 内容
リポジトリ nex-agi/Nex-N2.5-Pro
まとめページ Nex-N2.5 のまとめ(記事2本)
公開元のまとめ Nex-AGI のモデルとライセンスのまとめ
公開日 2026-09-08
ライセンス apache-2.0
配布形式 safetensors
出典の種類 公開元の一次情報(公式HFリポジトリが出典。ただし重み未公開のため優先度は低い)

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

  • 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、実世界の長期タスク向けエージェントモデルファミリー「Nex-N2.5」を発表しました。ミニ、Pro、Maxの3サイズが展開されており、モデルウェイトはHugging Face等でオープンソースとして公開されています。ビジュアルフィードバックによる継続的な行動や自己修正能力が強化されている点が特徴です。

スペック

  • ライセンス: apache-2.0
  • ライブラリ: transformers
  • パイプラインタスク: text-generation

性能

モデルカードの記述および公開元の測定による評価結果には、テキストベンチマークとマルチモーダルベンチマークが含まれています。比較対象としてNex-N2.5-mini、Nex-N2.5-Pro、Nex-N2.5-Maxのほか、主要な他社モデルのスコアが並べられています。

テキストベンチマーク

→ 横にスクロールできます

Benchmark / CODING 3 Nex-N2.5-mini / CODING 3 Nex-N2.5-Pro / CODING 3 Nex-N2.5-Max / CODING 3 Claude Opus 5 / CODING 3 GPT-5.6 Sol / CODING 3
Terminal-Bench 2.1 73.4 82.7 86.1 89.1 88.8
SWE-Bench Pro 43.8 61.2 65.7 79.2 64.6
DeepSWE v1.1 36.1 55.8 65.6 73.7 72.7
AGENTIC AGENTIC AGENTIC AGENTIC AGENTIC AGENTIC
AutomationBench v1.0.6 5 32.3 44.2 50.2 50.3 45.8
Toolathlon Verified 54.6 68.5 74.7 76.5 74.9
GDPval-AA v2 1446 1628 1713 1831 1711
Job Bench 28.5 41.4 53.6 65.7 45.4
BrowseComp 6 83.4 89.7 92.6 90.8 90.4

マルチモーダルベンチマーク

→ 横にスクロールできます

Benchmark Nex-N2.5-mini Nex-N2.5-Pro MiniMax-M3 Claude Opus 5 GPT-5.6 Sol
OSWorld-Verified 8 71.2 82.2 75.2 83.4 83.2
OSWorld-2 30.5 56.4 22.3 68.3 62.7
WebTest 8, 9 48.6 52.8 — — 54.0
WebArena-Verified 8 63.4 67.6 — — 69.7
OSWorld-G 82.9 87.4 — 76.8 77.7
Vision2Web 7 52.9 68.2 59.0 — 79.8
SWE-MM 25.5 38.2 — 59.4 40.2
OmniDoc 89.7 92.2 91.6 — 92.9

公開元の評価によると、Nex-N2.5-ProはTerminal-Bench 2.1で82.7、SWE-Bench Proで61.2を記録しています。また、OSWorld-Verifiedでは82.2のスコアを示しており、端末操作やエージェント関連のタスクで一定の性能を発揮する一方で、最上位のMaxモデルや一部の比較対象モデルと比較すると数値が劣る項目もあります。なお、思考モードの制御には reasoning_effort パラメータを使用可能です。

得意なこと・想定用途

  • コンピュータの操作、ウェブブラウジング、視覚的に接地されたエージェント機能（computer use）
  • 長期的なタスク（long-horizon tasks）や自律的なプログラムの実行・テスト
  • 科学研究、ナレッジワーク、複雑な生産性タスク
  • ファンクションコール（関数呼び出し）および推論パーサーの利用

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 396.8B

手持ちのVRAM 選べる量子化 ファイルサイズ 必要メモリの目安
98GB超のVRAMが必要(複数GPUまたはCPUオフロードが前提) IQ1_S 81.8GB 98.2GB

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-N2.5-Pro-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-N2.5-Pro-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。

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。

日本語のトークン効率

トークナイザ 日本語1,000字あたりのトークン数 同じ内容の英文との比
このモデル 546 0.99倍
Qwen3 688 1.26倍
Llama 3.2 744 1.36倍
Gemma 3 564 1.03倍
gpt-oss 795 1.45倍
LLM-jp-3 497 0.85倍

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-Pro 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-N2.5-Pro-Q4_K_M/Nex-N2.5-Pro-Q4_K_M-00001-of-00007.gguf(233.61GB、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)。

項目 値
アーキテクチャ(GGUF上の名前) qwen35moe
学習時の最大文脈長 262,144トークン
層の数 60
エキスパート 512個のうち10個を使用
語彙数 248,320
チャットテンプレート 同梱(ツール呼び出しの記述あり・思考の切り替えの記述あり)
imatrix 使用(Nex-N2.5-Pro-calibration-v6.txt・573チャンク)
重みの型の内訳(パラメータ数の割合) Q4_K 78.0% / Q6_K 16.8% / Q8_0 5.1% / F32 0.0%
平均のビット数 5.06ビット/重み
埋め込み層 / 出力層の型 Q8_0 / Q8_0

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。

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 40B超 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。

→ 横にスクロールできます

モデル パラメータ数 最小のVRAM階層 ライセンス 記事
deepseek-ai/DeepSeek-V4-Pro-0813 1650.5B — mit 「DeepSeek-V4-Pro-0813」エージェント能力を強化した大規模MoEモデル：必要メモリ約998GB(2026-09-26)
nvidia/DeepSeek-V4-Pro-0813-nvfp4-DSpark 1650.5B — mit 「DeepSeek-V4-Pro-0813-nvfp4-DSpark」テキスト生成モデル：必要メモリ約1005GB(2026-09-10)

入手方法

  • 配布形式: モデルウェイトはHugging FaceやModelScope等のプラットフォームで公開されています。
  • 対応エンジン・デプロイ: SGLang（カスタムされた nexagi/sglang:v0.5.18-nex-patch Dockerイメージ）によるデプロイが提供されており、コマンドラインから起動できます。

派生版・量子化版

→ 横にスクロールできます

追記日 配布元 形式 リポジトリ 最小のVRAM階層(量子化・必要メモリの目安)
2026-09-18(公開9日後) bartowski GGUF(imatrix) bartowski/Nex-N2.5-Pro-GGUF IQ1_S 98.2GB(単体のGPUには収まらない)
2026-09-18(公開9日後) DevQuasar GGUF DevQuasar/nex-agi.Nex-N2.5-Pro-GGUF Q2_K 161.8GB(単体のGPUには収まらない)

各リポジトリの量子化とファイルサイズ:

  • bartowski/Nex-N2.5-Pro-GGUF の量子化: IQ1_S 81.8GB / IQ1_M 91.3GB / IQ2_XXS 107.2GB / IQ2_XS 113.1GB / IQ2_S 119.0GB / IQ2_M 132.5GB / Q2_K 140.4GB / IQ3_XXS 157.9GB / IQ3_XS 165.9GB / Q3_K_S 167.7GB / Q3_K_M 176.9GB / Q3_K_L 186.5GB / IQ3_M 195.1GB / IQ4_XS 204.5GB / Q4_0 210.0GB / Q4_K_S 217.5GB / Q4_1 232.0GB / IQ4_NL 232.4GB / Q4_K_M 233.6GB / Q5_K_S 263.4GB / Q5_K_M 284.6GB / Q6_K_S 310.3GB / Q6_K 325.8GB / Q8_0 392.6GB
  • DevQuasar/nex-agi.Nex-N2.5-Pro-GGUF の量子化: Q2_K 134.8GB / Q3_K_M 176.5GB / Q4_K_M 224.1GB / Q5_K_M 262.4GB

このほか、上記以外の投稿者による変換版が 2 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

次に読むなら

出典

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-N2.5-Pro-GGUF, DevQuasar/nex-agi.Nex-N2.5-Pro-GGUF
  • 2026-09-18: 動作環境の表を bartowski/Nex-N2.5-Pro-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。

新モデルAgent,Hugging Face,Nex-AGI,Nex-N2.5-Pro,SGLang,確認済み