Nex-N2-Pro: Das kostenlose Open-Source-Modell, das GPT-5.5 Paroli bietet

Ein chinesisches KI-Labor hat gerade ein kostenloses Modell veröffentlicht, das 80,8 auf SWE-Bench Verified und 75,3 auf Terminal-Bench 2.1 erreicht und es damit bei echter Coding-Arbeit in dieselbe Liga wie GPT-5.5 und Claude Opus 4.7 stellt. Es heißt Nex-N2-Pro, erschien am 2. Juni 2026 und kostet beim Download nichts. Das Modell kommt von Nex AGI, erscheint unter einer freizügigen Apache-2.0-Lizenz und ist speziell für agentische Aufgaben gebaut, etwa Code schreiben, Tools aufrufen und lange, mehrstufige Workflows eigenständig ausführen.

Das ist eines der bisher klarsten Zeichen, dass Open-Source-KI bei den Aufgaben, die Entwicklern wirklich wichtig sind, zur Spitze aufgeschlossen hat. In diesem Artikel schlüsseln wir auf, was Nex-N2-Pro ist, was seine Benchmark-Werte wirklich bedeuten, wie es sich gegen GPT-5.5 und Opus 4.7 schlägt, was es kostet und für wen es sich tatsächlich lohnt. Wir behandeln auch den Teil, den die meisten Launch-Beiträge auslassen, nämlich die sehr reale Hardware, die nötig ist, um ein Modell mit 397 Milliarden Parametern auf der eigenen Maschine laufen zu lassen.

Eine freizügige Lizenz wie Apache 2.0 macht Nex-N2-Pro zu echter Open source KI, kostenlos herunterzuladen, zu modifizieren und auf der eigenen Hardware auszuführen.

Nex-N2-Pro taucht auch in unserer Zusammenstellung der besten Open source KI-Modelle als agentische Wahl mit der freizügigsten Lizenz auf.

Das Wichtigste in Kürze

• Nex-N2-Pro ist kostenlos und Open Source unter Apache 2.0, veröffentlicht von Nex AGI am 2. Juni 2026
• Es ist ein Mixture-of-Experts-Modell mit 397B Parametern, das pro Token nur 17B Parameter aktiviert, aufgebaut auf Qwen3.5-397B-A17B
• Zu den Top-Werten zählen 80,8 SWE-Bench Verified, 75,3 Terminal-Bench 2.1, 90,7 GPQA Diamond und 94,0 IFEval
• Es hält bei Coding- und agentischen Benchmarks mit GPT-5.5 und Claude Opus 4.7 Schritt, als erstes offenes Modell so überzeugend
• Ein kleinerer Ableger, Nex-N2-mini, zielt auf leichtere Hardware, doch das volle Pro-Modell lokal auszuführen braucht bei voller Präzision rund 794 GB VRAM

Was ist Nex-N2-Pro?

Nex-N2-Pro ist ein Open-Source-KI-Modell von Nex AGI, das für agentische Arbeit statt einfacher Chats ausgelegt ist. Es nutzt ein Mixture-of-Experts-(MoE-)Design mit 397 Milliarden Parametern insgesamt, aktiviert aber nur 17 Milliarden pro Token, was die Inferenz weit günstiger hält als bei einem dichten Modell derselben Größe. Es nimmt sowohl Text als auch Bilder als Eingabe an und erzeugt Textausgabe, und es unterstützt ein Kontextfenster von 262.000 Token mit einer Ausgabe von bis zu 256.000 Token.

Das Modell ist auf Qwen3.5-397B-A17B nachtrainiert, Alibabas offenem Basismodell, sodass es diese Abstammung erbt und obendrauf Nex AGIs eigenes agentisches Training ergänzt. Nex-N2-Pro ist die größere von zwei Veröffentlichungen. Sein Ableger Nex-N2-mini ist auf der kleineren Basis Qwen3.5-35B-A3B für alle gebaut, die etwas Leichteres ausführen wollen. Beide sind offen unter Apache 2.0, das heißt, du kannst sie kommerziell nutzen, modifizieren und selbst hosten, ohne eine Lizenzgebühr zu zahlen.

Wenn du jüngste offene Releases wie Alibabas Qwen-Preise und Modellpalette oder MiniMax M3 verfolgt hast, passt Nex-N2-Pro in dieselbe Welle leistungsfähiger, offen lizenzierter Modelle. Der Unterschied ist, wie aggressiv es auf agentisches Coding zielt.

Nex-N2-Pro-Benchmarks: Wie gut ist es wirklich?

Das Benchmark-Blatt ist der Ort, an dem sich Nex-N2-Pro seine Aufmerksamkeit verdient. Bei Software-Engineering- und agentischen Aufgaben liefert es Werte, die bis vor Kurzem das exklusive Terrain geschlossener Spitzenmodelle waren. Die Zahlen unten stammen von der offiziellen Hugging Face-Modellkarte.

Herausragend sind die 80,8 auf SWE-Bench Verified, ein Test, der ein Modell bittet, echte Bugs in echten Open-Source-Repositories zu beheben. Ein Wert in den 80ern bedeutet, dass das Modell für die tägliche Engineering-Arbeit nützlich ist, nicht nur für Demos. Auch die 94,0 auf IFEval zählt für Agent-Entwickler, denn ein Agent, der mitten in der Aufgabe von den Anweisungen abdriftet, ist schlimmer als gar kein Agent.

Wie sich Nex-N2-Pro gegen GPT-5.5 und Opus 4.7 schlägt

Nex AGI positioniert das Modell als ebenbürtig zu den geschlossenen Marktführern, und die veröffentlichten Direktvergleiche untermauern das beim Coding. Nex-N2-Pro schlägt GPT-5.5 knapp auf SWE-Bench Pro und übertrifft Claude Opus 4.7 auf Terminal-Bench 2.1, während es beim Web-Browsing leicht hinter GPT-5.5 zurückbleibt.

Die ehrliche Lesart ist, dass Nex-N2-Pro konkurrenzfähig ist, nicht dominant. Es liefert sich mit den besten geschlossenen Modellen bei Coding- und agentischer Arbeit einen Schlagabtausch, verliert bei manchen Browsing-Aufgaben um Haaresbreite und gewinnt bei einer Kennzahl groß, die die anderen nicht erreichen: dem Preis. Unsere Einschätzung zur geschlossenen Konkurrenz liest du in unserer Berichterstattung zu Claude Opus, und wo es in unserem Hub der besten KI-Modelle steht.

Was „Agentic Thinking“ anders macht

Nex AGIs Pitch dreht sich um ein Framework namens Agentic Thinking, das das Verstehen einer Anfrage, das Planen, das Schreiben und Ausführen von Code, das Lesen des Ergebnisses und das Iterieren zu einer durchgehenden Schleife verbindet. Die meisten Modelle behandeln Reasoning, Tool-Nutzung und Ausführung als getrennte Schritte. Nex-N2-Pro ist darauf trainiert, sie in einem einzigen Fluss zu halten, was näher daran ist, wie eine menschliche Fachkraft ein Problem tatsächlich durcharbeitet.

Zwei Ideen liegen darunter. Adaptive Thinking lässt das Modell selbst entscheiden, wann es tief nachdenken und wann es schnell handeln soll, was laut Nex AGI die Denk-Token bei Routineschritten um 30 bis 50 Prozent senkt. Coherent Thinking hält über verschiedene Aufgabentypen hinweg einen konsistenten Reasoning-Stil, sodass sich das Modell nicht wie ein anderes System verhält, wenn es von Recherche zu Coding wechselt. Zusammen sollen sie lange, mehrstufige Aufgaben zuverlässiger machen, genau dort, wo die meisten Agenten heute scheitern.

Preise und wie du Nex-N2-Pro nutzt

Der Preis ist der einfache Teil. Weil Nex-N2-Pro Open Source unter Apache 2.0 ist, sind die Gewichte kostenlos von Hugging Face und ModelScope herunterzuladen. Im Launch-Fenster im Juni 2026 boten es auch mehrere gehostete Anbieter kostenlos an, darunter OpenRouter in seinem Free-Tarif und SiliconFlow, das für die ersten zwei Wochen kostenlosen Zugang bewarb. Reguläre bezahlte Preise pro Token waren zum Zeitpunkt des Schreibens noch nicht öffentlich, also rechne damit, dass sich das einpendelt, sobald die Launch-Aktionen enden.

Du hast ein paar Wege, es tatsächlich zu nutzen. Der schnellste führt über eine gehostete API wie OpenRouter, SiliconFlow, Novita oder FriendliAI, wo du Anfragen sendest und nie eine GPU anfassen musst. Der zweite ist, die Gewichte herunterzuladen und sie selbst mit Tools wie llama.cpp, Ollama oder LM Studio auszuführen. Der dritte ist, das Modell-Jonglieren ganz zu überspringen, worauf wir unten zurückkommen.

Der Haken: Du kannst es wahrscheinlich nicht lokal ausführen

Hier der Realitätscheck, über den die meiste Launch-Berichterstattung hinweggeht. Ein Modell mit 397 Milliarden Parametern ist gewaltig, und Nex-N2-Pro bei voller BF16-Präzision auszuführen braucht rund 794 GB VRAM, was Rechenzentrums-Terrain ist und weit über jeder einzelnen Consumer-GPU liegt. Selbst auf INT4-Quantisierung heruntergedrückt braucht es noch etwa 216 GB VRAM, sodass eine einzelne 24-GB-Karte wie eine RTX 4090 nicht im Ansatz ausreicht.

Für die meisten heißt das, dass der API-Weg der praktische ist, und die Variante Nex-N2-mini ist die bessere Wahl, wenn du etwas willst, das auf bescheidenere Hardware passt. Wenn du nur die Fähigkeit ohne den Infrastruktur-Ärger willst, ist eine Multi-Modell-App der einfachste Weg. Unsere eigene App Fello AI gibt dir Claude, ChatGPT, Gemini, Grok und DeepSeek über ein einziges Mac-Abo, sodass du Spitzenausgaben bekommst, ohne selbst GPUs, Quantisierung oder Anbieterkonten zu verwalten.

Nex-N2-Pro vs. die Konkurrenz

Wo landet es also gegen das Feld? Die Tabelle unten fasst die Abwägungen in klaren Worten zusammen.

Wenn du ein kostenloses Modell brauchst, das du hosten und für deinen eigenen Agent-Stack formen kannst, ist Nex-N2-Pro jetzt eine der stärksten Optionen auf dem Brett, neben offenen Releases wie NVIDIAs Nemotron 3 Ultra. Wenn du einfach die beste Antwort ohne jegliche Einrichtung willst, gewinnen ein geschlossenes Modell oder eine Multi-Modell-App weiterhin bei der Bequemlichkeit.

Fazit

Nex-N2-Pro ist ein echter Meilenstein für Open-Source-KI. Ein kostenloses Apache-2.0-Modell, das bei Coding-Benchmarks mit GPT-5.5 und Claude Opus 4.7 gleichzieht, hätte vor einem Jahr weit hergeholt geklungen, und jetzt kannst du es heute herunterladen. Zur Einordnung: OpenAIs neueste geschlossene Spitze ist das dreistufige GPT-5.6 (Sol, Terra und Luna), das nur für staatlich zugelassene Partner startete. Der ehrliche Vorbehalt ist die Hardware, denn das volle Modell auszuführen erfordert ernsthafte Infrastruktur, sodass die API oder das kleinere Nex-N2-mini für die meisten Leser der realistische Einstiegspunkt sein wird.

Wenn du Agenten baust oder Code schreibst und ein offenes Modell willst, das du steuerst, beginne mit der gehosteten API auf OpenRouter oder SiliconFlow und teste es an deinen eigenen Aufgaben, bevor du dich auf Selbst-Hosting festlegst. Wenn du die Einrichtung lieber überspringst und frei zwischen Top-Modellen wechselst, probiere stattdessen Fello AIs All-in-one-App.

FAQ