Nex-N2.5-Pro 免费版实测：157 题仅 51.6 分，免费但不等于能用

一句话结论

Nex-AGI 发布当天就把 Nex-N2.5-Pro 免费版挂上 OpenRouter（nex-agi/nex-n2.5-pro:free），157 题严格基准实测 81/157（51.6%）：数学 1/30、12 次 429 限流、花费 0 美元——免费额度适合尝鲜和技术验证，但数学密集或稳定生产任务别指望它。

背景：发布当天的免费 slug

Nex-AGI 于 2026 年 9 月 8 日发布 Nex-N2.5，OpenRouter 同日上线免费 Pro slug：nex-agi/nex-n2.5-pro:free，26.2 万上下文，0 美元，文本+图像输入、文本输出，Nex AGI 端点 FP8。

Hugging Face 有模型卡和图表，但还没有权重。

本文是 smf-bench Official A：157 题，strict_v01，思考关闭。排名保持思考关闭口径，记录实际发送的模拟设置。

测试问题

一款智能体编码模型发布当天就以免费 slug 上 OpenRouter，它是落在 Grok 和 Fable 那个档次，还是单发思考关闭下展现的是与 Terminal-Bench 完全不同的另一台机器？

模型栈信息

模型 nex-agi/nex-n2.5-pro:free，提供商 OpenRouter 到 Nex AGI（nex-agi/fp8）。上下文 262,144（来自 /v1/models）。定价 0/0。发布 2026-09-08。分词器 Qwen3（OpenRouter 架构字段）。

许可证 Apache-2.0（HF cardData）。权重发布时未公开（仅 README+图表）。测试框架 smf-bench Official A strict_v01，157 题。

思考「关闭模拟」——厂商原生非思考模式。传输 SSE（stream=true），非流式会挂在空白保活上。

超时 420 秒。标签 cal-nex-n25-pro-or-strict-v01。日期 2026-09-08 跑、2026-09-09 成文。

厂商思考模式（Nex-N2.5 README）：none 为非思考，medium 为自适应（默认），high 为始终思考。我们没有把 nex 加进 reasoning_indicators——那会让每题膨胀到 4096 token。

冒烟测试

第一次调用（effort=none，流式）：240 秒的 OPENROUTER PROCESSING，0 token，分配了生成 ID。第二次同参数调用：内容 NEX_OK，推理 token 0，finish_reason stop，19+4 token，0 美元，ID gen-1788922973-ScqupbSASQLN2qpkGJna，响应模型与请求 slug 一致。

非流式 POST：HTTP 200 带空白保活，无 JSON，90 秒超时。

接入时端点快照：状态 -5，5 分钟在线率 55.3%，p50 延迟 13.0 秒，p90 163 秒，p99 281 秒，p50 约 16 tok/s，30 分钟内 5,080 次文本请求。

Official A 成绩：思考关闭

墙钟 4715.3 秒（78.6 分钟）。12 个错误，全部是 HTTP 429（免费 slug 被限流）。平均延迟 27.3 秒，中位数 4.5 秒。成本 0 美元。

分类对比（Nex free vs Fable 5.1 vs Grok 4.6 vs DSV4 本地）：编码 16/30（53.3%）对 26/30、30/30、22/30；指令 25/30（83.3%）对 27/30、30/30、26/30；数学 1/30（3.3%）对 26/30、28/30、13/30；散文 26/30（86.7%）对 27/30、28/30、27/30；推理 9/30（30.0%）对 30/30、30/30、24/30；工具调用 0/2 对 2/2、2/2、2/2；写作 4/5（80.0%）对 4/5、5/5、3/5。总计 81/157（51.6%）。

剔除 12 个限流错误后，剩余题目通过率 81/145（55.9%）——仍是榜上垫底。

排名榜（Official A，思考关闭）

Grok 4.6 153/157（97.5%）150 分钟；Grok 4.5 152/157（96.8%）112 分钟；Gemini 3.8 Flash 与 Muse Spark 1.3 并列 145/157（92.4%）；Fable 5.1 142/157（90.4%）；Kimi K3 140/157（89.2%）；Qwen3.8-Flash-Next 137/157（87.3%）；GLM-5.2 121/157（77.1%）；DSV4 Vision-Exp 117/157（74.5%）；垫底的 Nex-N2.5-Pro free 81/157（51.6%），78.6 分钟。

按难度拆分

简单档（10 题）8/10，80%。中档（15 题）7/15，46.7%。难档（25 题）12/25，48.0%。专家档（40 题）22/40，55.0%。前沿档（60 题）28/60，46.7%。

其他（7 题）4/7，57.1%。简单档守住了，其余都在一半附近。

哪里崩了

数学 1/30——思考关闭下的崩塌。27 个正则未命中、2 次 429。唯一通过的是 v3.math.easy.01。这是其他模型强制关闭 CoT 时的同款模式，不是 Terminal-Bench 的成绩。

推理 9/30——16 个正则未命中、5 次 429，单发无工具。

编码 16/30——0 个 SyntaxError。14 个未通过里 5 个是 429。两道题约 300 秒无代码可提取（medium.02、expert.04）。

其余是断言/NameError/TypeError 失败。剔除 429，编码 16/25（64.0%）。

指令 25/30——五个结构失误，包括 Fable 也答错的 obsidian-caravel 与 a9gre9dni9ckk13 同族 token 题，外加一个 300 秒空返回（frontier.07）。

散文 26/30——四个计数/正则失误。写作 4/5——writing_format 漏掉 JSON 关键词。工具 0/2——get_weather 用错了地点，calculator 没发出工具调用。

失败构成：12 次 HTTP 429、0 SyntaxError、2 次空代码、2 次工具失误，其余为正则/断言/计数。

这不是什么

它不是 Terminal-Bench、SWE-Bench 或 OSWorld 成绩。Nex-AGI 在模型卡上公布的是 Pro 版 Terminal-Bench 2.1 得 82.7、SWE-Bench Pro 61.2、OSWorld-Verified 82.2——那些是智能体循环，Official A 是单发思考关闭。

它不是本地 Spark 数字，无权重可加载；厂商服务 Pro 用 SGLang、—tp 8、8 张 H100。

它不是思考开启成绩，数学 1/30 就是关闭路径。

它也不是「免费端点可用于生产」的背书——状态 -5、429 限流、首测 240 秒排队，是实测的服务状况，不是感觉。

成本与延迟

Nex free：墙钟 78.6 分钟，平均/中位延迟 27.3/4.5 秒，12 个 429 错误，花费 0 美元。

Fable 5.1：35.0 分钟，13.4/12.3 秒，0 错误，6.85 美元（前次运行）。Grok 4.6：150 分钟，56.5 秒平均，0 错误。

免费就是免费。但发布当天的免费端点也确实在排队和限流。

如何复现

原始 JSON、运行日志、冒烟测试与目录快照存于 NemoKnowledgebase / nex-n2.5-pro，标签 cal-nex-n25-pro-or-strict-v01。

进入 smf-bench 目录，导出 SMF_SERVE_RECIPE_ID=OpenRouter-cloud，运行 run_stage1.py，参数 —endpoint https://openrouter.ai/api/v1 —model nex-agi/nex-n2.5-pro:free —tag cal-nex-n25-pro-or-strict-v01 —core-profile strict_v01 —thinking off —timeout 420，加上 API key。

当 —thinking off 且模型 ID 含 nex 时，运行器发送 reasoning effort none 并强制 stream=true。这个 slug 的非流式请求完不成。框架在 GitHub 开源（smfworks/smf-bench，MIT）。

验证说明

总成绩来自 results/stage1_cal-nex-n25-pro-or-strict-v01_20260909_030620.json（summary 81/157，pass_rate 51.6，error 12，墙钟 4715.3 秒）。模型 ID、26.2 万上下文、0 定价、Qwen3 分词器、文本+图像来自 2026-09-08 OpenRouter /v1/models。

端点健康与延迟分位来自同日 endpoints 接口。

Hugging Face nex-agi/Nex-N2.5-Pro：Apache-2.0，创建于 2026-09-08T11:01:41Z，仅 README 与图表文件，无 safetensors，接入时下载量 0。

厂商采样与 reasoning_effort 表来自 Nex-N2.5 README。模型卡基准数字是 Nex-AGI 的表，不是我们的测量。

云端对比项来自此前 Official A 系列（Grok 4.6、Fable 5.1、Gemini 3.8 Flash、Muse Spark 1.3、Kimi K3、GLM-5.2）；本地项：Qwen3.8-Flash-Next 137/157、DSV4 Vision-Exp 117/157。冒烟测试 NEX_OK、推理 token 0、ID gen-1788922973-ScqupbSASQLN2qpkGJna。

原文信息

• 作者：Michael Gannotti（@MichaelGannotti），技术评测作者
• 原文标题：Official A: Nex-N2.5-Pro Free Scores 51.6% on OpenRouter 原文地址：
• 发布日期：2026-09-09