Nex-N2.6: Mô hình tác nhân thông minh giảm thiểu suy luận lặp lại và chỉ gọi các công cụ khả dụng

Mô hình tác nhân đa phương thức của Nex-AGI được huấn luyện dựa trên GLM-5.3-Flash, hướng tới các tác vụ dài hạn đòi hỏi thao tác máy tính, lập trình và sử dụng công cụ; kho lưu trữ này chứa trọng số lượng tử hóa FP8, với khoảng 321 tỷ tham số. So với phiên bản trước là Nex-N2.5-Pro, phiên bản này chủ yếu tập trung vào việc giảm thiểu suy luận lặp lại và đảm bảo mô hình chỉ gọi các công cụ đã được khai báo trong môi trường hiện tại. Theo thông tin chính thức, trong các bài đánh giá nội bộ bằng phương pháp phát lại (replay), tỷ lệ lặp lại suy luận đã giảm từ 16.0% xuống còn 1.6%, và mức độ tuân thủ khi lựa chọn công cụ trong các phản hồi có gọi công cụ đạt 100%; điểm OSWorld là 83.0, cao hơn so với 82.2 của Nex-N2.5-Pro và 78.0 của mô hình nền tảng.

Tên gốc: nex-agi/Nex-N2.6

Mô hình tác nhân đa phương thức của Nex-AGI được huấn luyện dựa trên GLM-5.3-Flash, hướng tới các tác vụ dài hạn đòi hỏi thao tác máy tính, lập trình và sử dụng công cụ; kho lưu trữ này chứa trọng số lượng tử hóa FP8, với khoảng 321 tỷ tham số. So với phiên bản trước là Nex-N2.5-Pro, phiên bản này chủ yếu tập trung vào việc giảm thiểu suy luận lặp lại và đảm bảo mô hình chỉ gọi các công cụ đã được khai báo trong môi trường hiện tại. Theo thông tin chính thức, trong các bài đánh giá nội bộ bằng phương pháp phát lại (replay), tỷ lệ lặp lại suy luận đã giảm từ 16.0% xuống còn 1.6%, và mức độ tuân thủ khi lựa chọn công cụ trong các phản hồi có gọi công cụ đạt 100%; điểm OSWorld là 83.0, cao hơn so với 82.2 của Nex-N2.5-Pro và 78.0 của mô hình nền tảng.

Tại sao quan trọng Đã cải thiện hai vấn đề phổ biến ở các tác nhân thông minh là suy luận vòng vo và gọi những công cụ không tồn tại; trọng số FP8 được cấp phép Apache, cho phép tự triển khai

Điểm tăng 62 · Lượt thích 64 · Lượt tải xuống 191

Lý do

  • Các điểm cải tiến nhắm vào tác vụ thực tế: bài đánh giá nội bộ được lấy từ những vấn đề mà nhóm và các đối tác gặp phải trong các tác vụ thực tế, cố định ngữ cảnh trước đó và đầu ra của công cụ, chỉ kiểm tra phản hồi tiếp theo
  • Nhà phát triển cũng liệt kê các hạng mục không vượt trội: điểm Terminal-Bench 2.1 là 84.1 (mô hình nền tảng đạt 84.3), điểm AutomationBench 45.7 thấp hơn mức 48.8 của mô hình nền tảng
  • Ngoài việc tự triển khai, API cũng có sẵn trên OpenRouter

Cách sử dụng

  • Tự triển khai: Làm theo hướng dẫn triển khai GLM-5.3-Flash của SGLang để chọn cấu hình FP8, thay đổi đường dẫn mô hình thành Nex-N2.6, đặt --served-model-name là Nex-N2.6, và giữ nguyên bộ tokenizer cùng mẫu hội thoại đi kèm trong kho lưu trữ
  • Khi gọi giao diện tương thích OpenAI, có thể thiết lập reasoning_effort thành low / high / max (mặc định là max); danh sách công cụ phải được gửi kèm trong mỗi yêu cầu, việc thực thi công cụ do phía máy khách hoặc khung tác nhân đảm nhiệm

Rủi ro

  • Tỷ lệ lặp lại và tỷ lệ tuân thủ công cụ dựa trên các bài đánh giá nội bộ của nhóm, chưa công khai bộ dữ liệu đánh giá
  • Kết quả của phiên bản FP8 kế thừa từ kết quả cấp độ mô hình, nhà phát triển lưu ý rằng phiên bản xuất ra này chưa được đánh giá riêng biệt
  • Mục này chưa được chạy thử nghiệm, hiệu quả thực tế cần tham khảo thẻ mô hình (model card)

Mở

Hugging Face Trending

Xem tin AI mới nhất