Model
.ai
رصد مدل‌های هوش مصنوعی باز
Nex N2.5 Pro
Nex AGI | زمینه 262,144 توکن | ورودی $0.07/M، خروجی $0.25/M. Nex-N2.5 یک مدل عاملی است که برای تبدیل اهداف به نتایج کاری و تأیید شده ساخته شده است. قدرت اصلی آن کدنویسی عاملی در یک حلقه بازخورد بصری است: می‌تواند کدبیس‌ها را کاوش کند، تغییرات چندفایلی را اجرا کند، فرمان‌ها را اجرا کند، برنامه‌ها را راه‌اندازی کند، با مرورگر و رابط‌های دسکتاپ تعامل داشته باشد و نرم‌افزار را از دید کاربر آزمایش کند. وقتی رفتار مشاهده شده با نتیجه مورد نظر مطابقت نداشته باشد، Nex-N2.5 می‌تواند مشکل را تشخیص دهد، پیاده‌سازی را بازنگری کند و دوباره آزمایش کند. این مدل به‌ویژه برای مهندسی نرم‌افزار خودکار، QA مبتنی بر GUI، اتوماسیون استفاده از کامپیوتر، پژوهش عمیق و جریان‌های کاری علمی که موفقیت باید در محیط نشان داده شود بسیار مؤثر است.
راهنماهای این مدل
همه راهنماها
Nex-N2.5-Pro یک مدل عاملی با وزن‌های باز از Nex AGI است که برای تکمیل وظایف بلندمدت در محیط‌های واقعی طراحی شده است، نه فقط تولید خروجی محتمل. ویژگی متمایز آن حلقه بازخورد بصری است: عمل می‌کند، صفحه را مشاهده می‌کند، شکست‌ها را تشخیص می‌دهد و دوباره تلاش می‌کند تا زمانی که نتیجه به طور قابل اثبات درست باشد. اگر به مدلی نیاز دارید که بتواند مرورگر را هدایت کند، رابط گرافیکی را تست کند یا به طور خودکار در یک کدبیس چندفایلی کار کند، این مدل برای آن ساخته شده است.

معروف به

  • برنامه‌نویسی عاملی با ویرایش چندفایلی، اجرای فرمان و خوداصلاحی.
  • استفاده از کامپیوتر و اتوماسیون مرورگر مبتنی بر بازخورد بصری زنده.
  • پنجره زمینه ۲۶۲,۱۴۴ توکن برای کدبیس‌های طولانی و جلسات پژوهشی.
  • وزن‌های باز در Hugging Face برای استقرار خودمیزبان در دسترس هستند.
  • عضوی از خانواده سه‌سطحی؛ Pro بین mini و Max با تریلیون پارامتر قرار دارد.

مراقب باشید

  • وزن‌ها باز هستند اما قبل از استفاده تجاری شرایط مجوز را در Hugging Face بررسی کنید.
  • اجرای این مدل قدرتمند به سخت‌افزار VRAM جدی نیاز دارد؛ دسترسی میزبانی شده از طریق OpenRouter است.
  • بینایی و حلقه‌های عاملی تأخیر اضافه می‌کنند؛ برای تکمیل‌های ساده و سریع مناسب نیست.

دستورات برای امتحان

حلقه خودکار رفع اشکال
شما به ترمینال و مرورگر دسترسی دارید. مخزن https://github.com/example/sample-app را کلون کنید، مجموعه تست را اجرا کنید، اولین تست شکست‌خورده را شناسایی کنید، علت ریشه‌ای آن را در فایل‌ها دنبال کنید، اصلاحی پیاده کنید و دوباره تست‌ها را اجرا کنید تا تأیید شود مشکل حل شده است. هر مرحله و مشاهدات خود را نشان دهید.
کنترل کیفیت رابط گرافیکی از روی اسکرین‌شات
یک اسکرین‌شات از جریان پرداخت یک برنامه وب پیوست می‌کنم. هر عنصر رابط کاربری که خراب، نامرتب یا ناسازگار با استانداردهای تجارت الکترونیک است را شناسایی کنید. برای هر مشکل توضیح دهید چه می‌بینید، چرا مشکل است و یک راه‌حل مشخص که توسعه‌دهنده می‌تواند امروز اجرا کند پیشنهاد دهید.
سنتز پژوهش عمیق
در وب جستجو کنید برای وضعیت فعلی پژوهش روی الکترولیت‌های باتری حالت جامد. سه مانع فنی پرارجاع برای تجاری‌سازی را شناسایی کنید، حداقل دو مقاله یا اعلامیه اخیر که به هر مانع پرداخته‌اند را بیابید و خلاصه‌ای ساختاریافته با ارزیابی خود درباره اینکه کدام مانع به حل نزدیک‌تر است و چرا ارائه دهید.

مقایسه با

  • Nex-N2.5-Mini
    مدل با وزن‌های باز
    متن زمینه 262,144 توکن · ورودی $0.02/M، خروجی $0.10/M
  • GPT-6 Luna
    مدل فقط API
    متن زمینه 1,050,000 توکن · ورودی $0.10/M، خروجی $0.50/M
  • GPT-5.6 Luna
    مدل فقط API
    متن زمینه 1,050,000 توکن · ورودی $0.20/M، خروجی $1.20/M
  • Claude Opus 5.5
    مدل فقط API
    متن زمینه 1,000,000 توکن · ورودی $4.00/M، خروجی $20.00/M
مدل‌های متنی بیشتر از nex-agi

سؤالات متداول

آیا وزن‌ها باز هستند و می‌توانم Nex-N2.5-Pro را به صورت محلی اجرا کنم؟
بله، وزن‌ها به صورت متن‌باز در Hugging Face تحت مخزن nex-agi/Nex-N2.5-Pro منتشر شده‌اند. اجرای محلی ممکن است، اگرچه قابلیت‌های عاملی و بینایی مدل به سخت‌افزار قابل توجهی نیاز دارد.
هزینه Nex-N2.5-Pro چقدر است و پنجره زمینه چقدر است؟
از طریق API میزبانی شده در OpenRouter با قیمت ۰.۰۷ دلار برای هر میلیون توکن ورودی و ۰.۲۵ دلار برای هر میلیون توکن خروجی، با پنجره زمینه ۲۶۲,۱۴۴ توکن ارائه می‌شود.
Nex-N2.5-Pro چگونه با Nex-N2.5-Max و Nex-N2.5-mini متفاوت است؟
Pro گزینه میان‌رده است: پایه‌های چندرسانه‌ای و استفاده از کامپیوتر را با mini به اشتراک می‌گذارد، در حالی که Max یک ساختار متنی جداگانه با معماری Mixture-of-Experts با ۱.۶ تریلیون پارامتر است که برای اولین بار در مقیاس تریلیون پارامتر آموزش دیده است.
حکم کاپیتان
یک مدل جدی برای برنامه‌نویسی عاملی و استفاده از کامپیوتر که جایگاه خود را با بستن حلقه بین عمل و نتیجه تأییدشده به دست می‌آورد، نه فقط تولید کد و امید به درست بودن آن.
کارت مدل در Hugging Face
کاپیتان این یادداشت‌ها را از توضیحات مدل و کارت مدل نوشته است. قیمت‌ها و اندازه متن زمینه مربوط به ارائه‌دهنده در زمان نوشتن است و ممکن است تغییر کند.
Ranking badge
Updated Oct 22, 2026
Nex N2.5 Pro در ModelTrends.ai: #224 Hottest AI model
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?
روند محبوبیت Nex N2.5 Pro
امتیاز حرارتی از 8 Sep 2026
امتیاز داغی
8,430°
این هفته
▲
18.5%
8,407° آن زمان، 8,430° الان
این ماه
▲
214%
8,278° آن زمان، 8,430° الان
سال گذشته
n/a
هنوز منتشر/ردیابی نشده
Nex N2.5 Pro: امتیاز حرارتی از 8 Sep 20267,000°7,400°7,801°8,201°8,602°9 Sep17 Sep26 Sep4 Oct13 Oct22 Oct8,430°ModelTrends.ai
7,000°
کف
مقیاس از 0° تا 9,999° است. هر چیزی زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود: مدلی با داده واقعی ولی تقریباً بدون دانلود روی کف قرار می‌گیرد و اندازه‌گیری‌ها درجه‌های بالاتر را پر می‌کنند. کف درباره مدل چیزی نمی‌گوید؛ فقط درجه‌های بالاتر این کار را می‌کنند و آنها هستند که مدل‌ها را از هم جدا می‌کنند.
+1,430°
توکن‌های OpenRouter
584,908,336,734 توکن این مدل در ۳۰ روز گذشته از طریق OpenRouter پردازش شده است، شامل درخواست‌ها و پاسخ‌ها. هر 10,000,000 توکن به عنوان یک دانلود در دوره دانلود حساب می‌شود، مجموعاً 58,490؛ توکن‌های روز آخر به نرخ پذیرش اضافه می‌شوند. منبع: OpenRouter (openrouter.ai/rankings).
نمایش جزئیات
هر عدد در این سایت قابل بررسی است. امتیاز حرارت این مدل 8,430° است و اینجا به صورت مرحله به مرحله ساخته شده، با مجموع جاری بعد از هر مرحله: کف، درجه‌هایی که هر منبع اضافه می‌کند، جایزه برای نوع مدل و چیزی که سن وزن‌ها کم می‌کند. رنگ‌ها همان بازه‌های نمودار بالاست. واژه‌نامه در انتها هر اصطلاح را تعریف می‌کند.
  1. 1
    از کف شروع کن.
    چرا 7,000° و نه صفر: مقیاس از 0° تا 9,999° است و بخش زیر 7,000° برای مدل‌هایی است که هیچ منبعی هنوز گزارشی درباره‌شان نداده و یک عدد جایگزین آنجا دارند تا فهرست‌ها کامل بمانند و هیچ‌وقت بالاتر از مدلی با داده قرار نگیرند. 7,000° جایی است که داده‌های اندازه‌گیری شده شروع می‌شود. مدلی با داده واقعی ولی تقریباً بدون دانلود اینجا قرار می‌گیرد؛ هر چیزی که بعد از آن می‌آید اندازه‌گیری است و فضای بالای کف ده مرحله ده برابر در دانلودها دارد که هر کدام 300° است. کف برای همه مدل‌ها یکسان است، پس تصمیم‌گیرنده نیست؛ درجه‌های بالاتر این کار را می‌کنند.
    7,000°
    جمع جاری
  2. 2
    دانلودها را اضافه کن.
    58,490 معادل دانلود در کل، از توکن‌های OpenRouter. ده برابر کردن دانلودها همان 300° را اضافه می‌کند، پس اندازه مهم است اما هرگز امتیاز را به خودش نمی‌برد.
    +1,430°
    8,430°
    جمع جاری
  3. =
    امتیاز حرارت.
    جایی که این مدل در هر فهرست این سایت قرار دارد. هیچ چیز دیگری آن را تنظیم نمی‌کند.
    8,430°
واژه‌نامه: اصطلاحات استفاده شده اینجا
امتیاز حرارت
یک عدد برای اینکه چقدر یک مدل الان استفاده و خواسته می‌شود، از 0° تا 9,999°. هر فهرستی در این سایت که می‌گوید داغ‌ترین‌ها بر اساس آن مرتب شده‌اند و هیچ چیز دیگری.
کف
7,000° که هر مدل با داده واقعی از آن شروع می‌کند. مقیاس از 0° تا 9,999° است؛ بخشی که زیر کف است برای جایگزین‌ها (مدل‌هایی بدون داده) محفوظ است، تا مدلی با داده همیشه بالاتر از مدلی بدون داده باشد. کف برای همه یکسان است و هیچ تصمیمی نمی‌گیرد؛ درجه‌های بالاتر اندازه‌گیری هستند.
معادل‌های دانلود
هر چیزی که امتیاز به عنوان دانلود حساب می‌کند، جمع شده: خود دانلودها، هر تورنت سیدر به عنوان 1,000، هر تصویر AI Horde و هر اجرا روی سایت تولید به عنوان یکی.
مقیاس لگاریتمی
شمارش به صورت ده‌تایی، نه یکی‌یکی: رفتن از 1,000 به 10,000 دانلود همان درجه‌ها را اضافه می‌کند که رفتن از 10,000 به 100,000. این باعث می‌شود غول‌ها همه چیز را نبلعند.
لایک‌ها
تایید و لایک از هر منبع، هر کدام نصف وزن یک دانلود در مقیاس لگاریتمی.
نرخ پذیرش
چند دانلود در روز یک مدل همین الان می‌گیرد، از تفاوت بین دو خوانش یک منبع. یک چهارم وزن بخش دانلود.
اندازه‌گیری شده و تخمینی
اندازه‌گیری شده یعنی دو خوانش از یک منبع وجود دارد و تفاوت واقعی است. تخمینی یعنی فقط مجموع امروز معلوم است و گذشته به صورت مدل در طول عمر آن پخش شده؛ سایت می‌گوید کدام را نشان می‌دهد.
سیدر
کسی که یک نسخه از وزن‌ها را به صورت آنلاین نگه می‌دارد تا دیگران از طریق تورنت دانلود کنند، یا یک آینه میزبانی شده که همین کار را می‌کند. هر کدام به اندازه ۱۰۰۰ دانلود حساب می‌شود.
AI Horde
یک شبکه داوطلبانه که تصاویر را به صورت رایگان روی کامپیوترهای اهدایی تولید می‌کند. تعداد تصاویری که با یک مدل ساخته شده عمومی است و هر کدام به عنوان یک دانلود حساب می‌شود.
سایت‌های تولید
سایت‌هایی که نسخه‌های خودشان از یک مدل را میزبانی می‌کنند و به مردم اجازه می‌دهند با آن تولید کنند، مثل PixAI، SeaArt و Yodayo. دانلودهای آن‌ها مثل Civitai حساب می‌شود و هر بار تولید به عنوان یک دانلود محسوب می‌شود.
توکن‌های OpenRouter
یک مدل متنی که از طریق API ارائه می‌شود، مانند Claude یا GPT، وزن‌هایی برای دانلود ندارد، بنابراین استفاده آن بر اساس توکن‌ها اندازه‌گیری می‌شود: قطعات متنی که در ۳۰ روز گذشته از طریق OpenRouter خوانده و نوشته است. هر 10,000,000 توکن به عنوان یک دانلود حساب می‌شود. منبع: OpenRouter (openrouter.ai/rankings)، CC BY 4.0.
مدل کامل (چک‌پوینت)
خود وزن‌ها، فایلی که به تنهایی تولید می‌کند. یک امتیاز اضافی می‌گیرد چون افزونه‌ها به آن وابسته‌اند.
LoRA و امبدینگ
فایل‌های کوچک افزونه که وزن‌های دیگران را به سمت یک سبک، شخصیت یا مفهوم هدایت می‌کنند. نمی‌توانند به تنهایی اجرا شوند.
خانواده و وزن‌ها
پایه‌ای که مدل روی آن ساخته شده، مثل SD 1.5، SDXL، Flux یا Wan. هر مدل تاریخ انتشار وزن‌های خانواده‌اش را به ارث می‌برد.
سن
درجه‌هایی که به خاطر مدت زمان گذشته از انتشار وزن‌های خانواده کم می‌شود: ۱۵۰ درجه در سال، تا ۷۵۰ درجه. دانلودهای قدیمی که سال‌ها فرصت جمع شدن داشتند را نگه می‌دارد تا بالای لیست ثابت بمانند.
تقویت خانواده
یک فشار کوچک و محدود برای LoRAهای یک خانواده که این سایت الان به جلو می‌برد، همیشه در جزئیات لیست شده.
امتیاز جایگزین
یک عدد پایدار زیر حداقل که به مدلی داده می‌شود که هنوز هیچ منبعی درباره‌اش گزارش نداده، تا لیست‌ها کامل بمانند. هیچ‌وقت بالاتر از مدلی با داده رتبه نمی‌گیرد.
جدید! (دوره گذار)
مدلی که کمتر از 7 روز از عمرش گذشته باشد، به جای امتیاز، عبارت جدید! را نشان می‌دهد و در رتبه‌بندی جایگاهی ندارد. امتیاز آن از روز اول محاسبه می‌شود، اما مدلی که یک روزه است سریع‌تر از هر چیز دیگری رشد می‌کند، بنابراین بدون این انتظار، مدل #1 هفته همیشه مدلی بود که دیروز منتشر شده بود نه مدلی که یک هفته دوام آورده باشد.
روند
رشد یک مدل در یک دوره چطور نسبت به رشد معمول مدل‌ها در همان دوره است. سریع‌تر از معمول یعنی افزایش، کندتر یعنی کاهش.
مدل معمولی
وسط فهرست: نصف مدل‌ها با عددی که دارند سریع‌تر رشد کردند و نصف کندتر.
چطور محبوبیت این مدل نسبت به بقیه کاتالوگ تغییر کرده: رشد دانلودها، لایک‌ها و استفاده در هر دوره، نسبت به رشد معمول مدل‌ها در همان دوره، همراه با امتیاز حرارت آن زمان. بالاتر از رشد معمول یعنی افزایش، پایین‌تر یعنی کاهش. گذشته از روی مجموع‌های امروز، روز اول مدل و سرعت دانلود اندازه‌گیری شده وقتی دو داده وجود دارد بازسازی شده؛ مدلی که در شروع دوره وجود نداشته باشد n/a نشان می‌دهد.