Nex N2.5 Pro
8430°
इस मॉडल को चलाएं
ऑफर / विज्ञापन
Nex AGI | 262,144 token context | $0.07/M input, $0.25/M output. Nex-N2.5 एक एजेंटिक मॉडल है जो लक्ष्यों को कार्यशील, सत्यापित परिणामों में बदलने के लिए बनाया गया है। इसकी मुख्य ताकत विज़ुअल फीडबैक लूप के भीतर एजेंटिक कोडिंग है: यह कोडबेस का अन्वेषण कर सकता है, बहु-फ़ाइल परिवर्तनों को लागू कर सकता है, कमांड चला सकता है, एप्लिकेशन लॉन्च कर सकता है, ब्राउज़र और डेस्कटॉप इंटरफेस के साथ इंटरैक्ट कर सकता है, और उपयोगकर्ता के दृष्टिकोण से सॉफ़्टवेयर का परीक्षण कर सकता है। जब देखा गया व्यवहार इच्छित परिणाम से मेल नहीं खाता, तो Nex-N2.5 समस्या का निदान कर सकता है, अपनी कार्यान्वयन को संशोधित कर सकता…Nex AGI | 262,144 token context | $0.07/M input, $0.25/M output. Nex-N2.5 एक एजेंटिक मॉडल है जो लक्ष्यों को कार्यशील, सत्यापित परिणामों में बदलने के लिए बनाया गया है। इसकी मुख्य ताकत विज़ुअल फीडबैक लूप के भीतर एजेंटिक कोडिंग है: यह कोडबेस का अन्वेषण कर सकता है, बहु-फ़ाइल परिवर्तनों को लागू कर सकता है, कमांड चला सकता है, एप्लिकेशन लॉन्च कर सकता है, ब्राउज़र और डेस्कटॉप इंटरफेस के साथ इंटरैक्ट कर सकता है, और उपयोगकर्ता के दृष्टिकोण से सॉफ़्टवेयर का परीक्षण कर सकता है। जब देखा गया व्यवहार इच्छित परिणाम से मेल नहीं खाता, तो Nex-N2.5 समस्या का निदान कर सकता है, अपनी कार्यान्वयन को संशोधित कर सकता है, और पुनः परीक्षण कर सकता है। यह इसे स्वायत्त सॉफ़्टवेयर इंजीनियरिंग, GUI-आधारित QA, कंप्यूटर-उपयोग स्वचालन, गहन शोध, और वैज्ञानिक वर्कफ़्लोज़ के लिए विशेष रूप से प्रभावी बनाता है जहाँ सफलता को केवल उत्पन्न कोड से अनुमानित नहीं बल्कि पर्यावरण में प्रदर्शित किया जाना चाहिए।
इस मॉडल के लिए गाइड
Ollama बनाम LM Studio (2026): कौन सा लोकल AI ऐप इस्तेमाल करें, और कौन से टॉप मॉडल कौन चलाता है
स्थानीय AI के लिए मुझे वास्तव में कितनी VRAM चाहिए?
ओपन वेट्स, ओपन सोर्स और केवल API: आप वास्तव में क्या कर सकते हैं
GGUF फ़ाइल क्या है? क्वांटाइज़्ड मॉडल समझाया (Q4, Q8, fp8, NF4)
कैप्टन के नोट्स
2026-10-13 के नोट्स
Nex-N2.5-Pro Nex AGI का एक ओपन-वेट्स एजेंटिक मॉडल है जिसे वास्तविक वातावरण में लंबे समय तक चलने वाले कार्यों को पूरा करने के लिए डिज़ाइन किया गया है, केवल संभावित आउटपुट उत्पन्न करने के लिए नहीं। इसकी विशेषता एक दृश्य फीडबैक लूप है: यह कार्य करता है, स्क्रीन का निरीक्षण करता है, विफलताओं का निदान करता है, और तब तक पुनः प्रयास करता है जब तक परिणाम स्पष्ट रूप से सही न हो। यदि आपको ऐसा मॉडल चाहिए जो ब्राउज़र चला सके, GUI का परीक्षण कर सके, या स्वायत्त रूप से एक मल्टी-फाइल कोडबेस के माध्यम से काम कर सके, तो यह इसके लिए बनाया गया है।
के लिए जाना जाता है
- एजेंटिक कोडिंग जिसमें मल्टी-फाइल संपादन, कमांड निष्पादन, और स्व-सुधार शामिल हैं।
- लाइव दृश्य फीडबैक पर आधारित कंप्यूटर उपयोग और ब्राउज़र ऑटोमेशन।
- 262,144-टोकन संदर्भ विंडो लंबे कोडबेस और अनुसंधान सत्रों के लिए।
- ओपन वेट्स Hugging Face पर उपलब्ध हैं स्व-होस्टेड डिप्लॉयमेंट के लिए।
- तीन-स्तरीय परिवार का हिस्सा; Pro मिनी और ट्रिलियन-पैरामीटर Max के बीच है।
सावधान रहें
- वेट्स खुले हैं लेकिन व्यावसायिक उपयोग से पहले Hugging Face पर लाइसेंस शर्तें जांचें।
- इतना सक्षम मॉडल स्थानीय रूप से चलाने के लिए गंभीर VRAM की जरूरत होगी; होस्टेड एक्सेस OpenRouter के माध्यम से है।
- विजन और एजेंटिक लूप्स लेटेंसी बढ़ाते हैं; सरल, तेज़ पूर्णताओं के लिए उपयुक्त नहीं।
के लिए सबसे अच्छा
प्रयास करने के लिए प्रॉम्प्ट
स्वायत्त बग फिक्स लूप
आपके पास टर्मिनल और ब्राउज़र की पहुंच है। https://github.com/example/sample-app पर रिपॉजिटरी क्लोन करें, टेस्ट सूट चलाएं, पहली विफल टेस्ट पहचानें, इसे फाइलों में जड़ तक ट्रेस करें, एक फिक्स लागू करें, और फिर से टेस्ट चलाकर पुष्टि करें कि विफलता ठीक हो गई है। हर चरण और आपने क्या देखा, दिखाएं।
स्क्रीनशॉट से GUI QA
मैं एक वेब ऐप के चेकआउट फ्लो का स्क्रीनशॉट संलग्न कर रहा हूँ। किसी भी UI तत्व की पहचान करें जो टूटा हुआ, गलत-संरेखित, या मानक ई-कॉमर्स कन्वेंशंस के अनुरूप नहीं है। प्रत्येक समस्या के लिए बताएं कि आपने क्या देखा, यह क्यों समस्या है, और एक विशिष्ट सुधार सुझाएं जिसे डेवलपर आज ही लागू कर सकता है।
गहन शोध संश्लेषण
वेब पर ठोस-राज्य बैटरी इलेक्ट्रोलाइट्स पर वर्तमान शोध की स्थिति खोजें। वाणिज्यीकरण के लिए तीन सबसे अधिक उद्धृत तकनीकी बाधाओं की पहचान करें, प्रत्येक बाधा को संबोधित करने वाले कम से कम दो हालिया पेपर या घोषणाएं खोजें, और एक संरचित सारांश बनाएं जिसमें आपका आकलन हो कि कौन सी बाधा सबसे करीब है समाधान होने के लिए और क्यों।
की तुलना करें
- Nex-N2.5-Miniओपन-वेट्स मॉडल262,144 टोकन संदर्भ · $0.02/M इनपुट, $0.10/M आउटपुट
- GPT-6 Lunaकेवल API मॉडल1,050,000 टोकन संदर्भ · $0.10/M इनपुट, $0.50/M आउटपुट
- GPT-5.6 Lunaकेवल API मॉडल1,050,000 टोकन संदर्भ · $0.20/M इनपुट, $1.20/M आउटपुट
- Claude Opus 5.5केवल API मॉडल1,000,000 टोकन संदर्भ · $4.00/M इनपुट, $20.00/M आउटपुट
nex-agi से और टेक्स्ट मॉडल
लोग जो सवाल पूछते हैं
- क्या वेट्स खुले हैं और क्या मैं Nex-N2.5-Pro को स्थानीय रूप से चला सकता हूँ?
- हाँ, वेट्स Hugging Face पर nex-agi/Nex-N2.5-Pro रिपॉजिटरी के तहत ओपन सोर्स के रूप में जारी किए गए हैं। इसे स्थानीय रूप से चलाना संभव है, हालांकि मॉडल की एजेंटिक और विज़न क्षमताओं के कारण आपको पर्याप्त हार्डवेयर चाहिए।
- Nex-N2.5-Pro की कीमत क्या है और संदर्भ विंडो कितना बड़ा है?
- OpenRouter पर होस्टेड API के माध्यम से इसकी कीमत $0.07 प्रति मिलियन इनपुट टोकन और $0.25 प्रति मिलियन आउटपुट टोकन है, साथ ही 262,144-टोकन संदर्भ विंडो।
- Nex-N2.5-Pro Nex-N2.5-Max और Nex-N2.5-mini से कैसे अलग है?
- Pro मध्य-स्तरीय विकल्प है: यह मिनी के साथ मल्टीमॉडल, कंप्यूटर-उपयोग नींव साझा करता है, जबकि Max एक अलग टेक्स्ट-ओनली बिल्ड है जो 1.6 ट्रिलियन-पैरामीटर Mixture-of-Experts आर्किटेक्चर पर आधारित है, जिसे पहली बार ट्रिलियन-पैरामीटर पैमाने पर प्रशिक्षित किया गया है।
कैप्टन का निर्णयएक गंभीर एजेंटिक कोडिंग और कंप्यूटर-उपयोग मॉडल जो केवल कोड उत्पन्न करने और उम्मीद करने के बजाय क्रिया और सत्यापित परिणाम के बीच लूप बंद करके अपनी जगह बनाता है।
Hugging Face पर मॉडल कार्ड
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #59 Hottest Text / LLM model · #59 Hottest Text / LLM text model
Not this creator?
Get your own badge
Nex N2.5 Pro लोकप्रियता रुझान
8 Sep 2026 से हीट स्कोर
हीट स्कोर
8,430°
इस सप्ताह
▲
18.5%
8,407° तब, 8,430° अब
इस महीने
▲
214%
8,278° तब, 8,430° अब
पिछला साल
n/a
अभी जारी/ट्रैक नहीं हुआ
7,000°
फर्श
स्केल 0° से 9,999° तक चलता है। 7,000° से नीचे सब उन मॉडलों के लिए रखा गया है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है: एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह फर्श पर बैठता है, और माप ऊपर के डिग्री भरते हैं। फर्श मॉडल के बारे में कुछ नहीं कहता; केवल ऊपर के डिग्री कहते हैं, और वही एक मॉडल को दूसरे से अलग करते हैं।
+1,430°
OpenRouter टोकन
पिछले 30 दिनों में इस मॉडल ने OpenRouter के माध्यम से 584,908,336,734 टोकन संसाधित किए, प्रॉम्प्ट और उत्तर दोनों मिलाकर। हर 10,000,000 टोकन डाउनलोड अवधि में एक डाउनलोड के रूप में गिने जाते हैं, कुल 58,490; अंतिम दिन के टोकन अपनाने की दर में शामिल होते हैं। स्रोत: OpenRouter (openrouter.ai/rankings)।
विस्तृत विवरण दिखाओ
इस साइट पर हर नंबर की जांच की जा सकती है। इस मॉडल का हीट स्कोर 8,430° है, और इसे एक-एक घटक के हिसाब से बनाया गया है, हर एक के बाद कुल योग के साथ: फर्श, हर स्रोत द्वारा जोड़े गए डिग्री, मॉडल के प्रकार के लिए बोनस और इसके वज़न की उम्र जो घटाती है। रंग ऊपर के चार्ट के बैंड हैं। अंत में शब्दावली हर शब्द को परिभाषित करती है।
- 1फर्श से शुरू करें।क्यों 7,000° और शून्य नहीं: स्केल 0° से 9,999° तक चलता है, और 7,000° से नीचे का हिस्सा उन मॉडलों के लिए आरक्षित है जिन पर अभी तक कोई स्रोत रिपोर्ट नहीं करता, जो वहाँ एक स्टैंड-इन नंबर रखते हैं ताकि सूचियाँ पूरी रहें और कभी भी डेटा वाले मॉडल से ऊपर न रहें। 7,000° वह जगह है जहाँ मापा गया डेटा शुरू होता है। एक मॉडल जिसके पास असली डेटा है लेकिन लगभग कोई डाउनलोड नहीं है, वह यहाँ बैठता है; इसके बाद सब माप है, और फर्श के ऊपर जगह में दस दस गुना कदम होते हैं, हर एक 300° के। फर्श हर मॉडल के लिए एक जैसा है, इसलिए यह कुछ तय नहीं करता; ऊपर के डिग्री तय करते हैं।7,000°चल रहा कुल
- 2डाउनलोड जोड़ें।कुल 58,490 डाउनलोड-बराबर, OpenRouter टोकन से। दस गुना डाउनलोड से वही 300° बढ़ता है, इसलिए साइज मायने रखता है लेकिन स्कोर को कभी भी ज्यादा नहीं बढ़ाता।+1,430°8,430°चल रहा कुल
- =हीट स्कोर।इस मॉडल का इस साइट की हर सूची में स्थान। इसे कुछ और नहीं बदलता।8,430°
शब्दावली: यहाँ इस्तेमाल हुए शब्द
- हीट स्कोर
- एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
- फ्लोर
- 7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
- डाउनलोड-बराबर
- स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
- लॉग स्केल
- दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
- लाइक्स
- हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
- अपनाने की दर
- अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
- मापा और अनुमानित
- मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
- सीडर
- कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
- AI हॉरड
- एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
- जनरेशन साइट्स
- ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
- OpenRouter टोकन
- Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
- पूरा मॉडल (चेकपॉइंट)
- खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
- LoRA और एम्बेडिंग
- छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
- फैमिली और वज़न
- जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
- उम्र
- कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
- फैमिली बूस्ट
- इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
- स्टैंड-इन स्कोर
- एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
- नया! (ग्रेस अवधि)
- एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
- ट्रेंड
- किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
- सामान्य मॉडल
- कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।
इस मॉडल की लोकप्रियता कैटलॉग के बाकी हिस्सों के मुकाबले कैसे बढ़ी है: हर अवधि में डाउनलोड, लाइक और उपयोग में इसका विकास, उसी अवधि में सामान्य मॉडल के विकास के मुकाबले मापा गया, और उस समय इसका हीट स्कोर। सामान्य विकास से ऊपर बढ़ोतरी दिखाती है, नीचे गिरावट। अतीत को आज के टोटल, मॉडल के पहले दिन और मापा गया डाउनलोड स्पीड से फिर से बनाया गया है जब दो रीडिंग्स मौजूद हों; अगर मॉडल उस अवधि की शुरुआत में मौजूद नहीं था तो n/a दिखता है।
Nex N2.5 Pro Text / LLM फ़ैमिली का एक टेक्स्ट मॉडल है, जो ModelTrends.ai पर सूचीबद्ध है — ओपन सोर्स AI इमेज, वीडियो और टेक्स्ट मॉडल की एक केवल-पढ़ने योग्य सूची। इसकी तुलना अन्य Text / LLM मॉडल से करें और ट्रेंड देखने के लिए इसका हीट स्कोर देखें।
मॉडल फ़ैमिली के अनुसार ब्राउज़ करें
Text / LLM मॉडल
434
Anima मॉडल
528
Chroma मॉडल
19
Fibo मॉडल
2
Flux मॉडल
1,496
Flux 2 / Klein मॉडल
1,239
Flux 3 मॉडल
3
Moss मॉडल
3
Iris मॉडल
1
MiniMax H3 मॉडल
364
Hunyuan मॉडल
204
Ideogram मॉडल
20
Krea2 मॉडल
717
Qwen मॉडल
20
Qwen2 मॉडल
47
Ltx2 मॉडल
153