Nex-N2-Pro: guía completa, características, precios y tutorial

Nex-N2-Pro es un modelo de lenguaje agéntico de código abierto desarrollado por Nex AGI, construido sobre la arquitectura Qwen3.5-397B-A17B (MoE con 397B de parámetros totales y 17B activos). Su propuesta de valor es clara: pensar para actuar. No se trata solo de razonar, sino de convertir ese razonamiento en acciones ejecutables, verificables e iterables.

Lanzado en junio de 2026 como evolución de Nex-N1, Nex-N2-Pro compite directamente con modelos frontera como GPT-5.5, Claude Opus 4.7 y DeepSeek-V4-Pro en tareas de programación, investigación profunda y ejecución de herramientas, manteniéndose como open source bajo licencia Apache 2.0.

Qué es Nex-N2-Pro

Nex-N2-Pro es la variante principal de la familia Nex-N2, diseñada para escenarios de productividad real: programación agéntica, investigación con búsqueda web, llamadas a herramientas y ejecución de tareas de larga duración en entornos reales.

A diferencia de los modelos tradicionales que tratan el razonamiento, el uso de herramientas y la ejecución en entorno como capacidades separadas, Nex-N2-Pro las unifica bajo un framework llamado Agentic Thinking, que conecta comprensión de requisitos, planificación, implementación de código, feedback del entorno, evaluación, depuración e iteración continua en un único ciclo cerrado.

La familia Nex-N2 incluye dos variantes:

Modelo	Base	Parámetros	Arquitectura	Enfoque
Nex-N2-Pro	Qwen3.5-397B-A17B	397B (17B activos)	MoE	Razonamiento complejo, multi-agente, ingeniería de software avanzada
Nex-N2-mini	Qwen3.5-35B-A3B-Base	35B (3B activos)	MoE	Alta velocidad, instrucciones en tiempo real, despliegue escalable

Características principales

1. Agentic Thinking

El framework central de Nex-N2-Pro tiene dos componentes:

Adaptive Thinking: el modelo decide autónomamente cuándo razonar y con qué profundidad. Para tareas simples ejecuta acciones rápidamente; para decisiones críticas razona a fondo. Esto reduce el consumo de tokens de razonamiento en un 30-50% frente a modelos con razonamiento siempre activo, manteniendo o superando el rendimiento.
Coherent Thinking: un único paradigma de razonamiento coherente que se mantiene consistente entre razonamiento general y tareas agénticas diversas, permitiendo transferencia estable de capacidades.

2. Razonamiento adaptativo por tipo de tarea

Nex-N2-Pro exhibe tres perfiles de razonamiento adaptados a la estructura de cada tarea:

Tareas de búsqueda: razonamiento concentrado al inicio en la estrategia de búsqueda y al final en la síntesis de evidencia.
Tareas SWE (ingeniería de software): razonamiento más denso durante la localización de bugs y la verificación de fixes.
Tareas abiertas de larga duración (OpenClaw): el razonamiento se profundiza progresivamente, alcanzando su pico al integrar resultados finales.

En todos los casos, el razonamiento se concentra donde hay alta incertidumbre y decisiones críticas, optimizando el uso de recursos.

3. Capacidades multimodales

Nex-N2-Pro acepta entrada de texto e imagen y produce salida de texto. Aunque el equipo no aplicó mejoras especiales a las capacidades multimodales, conserva la visión básica de su base Qwen3.5.

4. Function calling y tool use nativo

El modelo soporta function calling robusto de forma nativa, con un parser dedicado (qwen3_coder) que se activa al desplegar el servidor. Esto permite integración directa con herramientas externas, agentes y harnesses.

5. Compatibilidad con herramientas agénticas

Nex-N2-Pro es plug-and-play con:

NexAU (harness propio de Nex AGI)
Claude Code
Cursor
OpenClaw
Cualquier harness agéntico compatible con API OpenAI

6. Contexto de 262K tokens

Con una ventana de contexto de 262.144 tokens y salida máxima de 256K tokens, Nex-N2-Pro puede manejar conversaciones largas, documentos extensos y tareas multi-paso sin perder coherencia.

7. Open source bajo Apache 2.0

Ambos modelos (Pro y mini) están disponibles en Hugging Face y ModelScope bajo licencia Apache 2.0, permitiendo uso comercial.

Benchmarks: cómo se compara

Nex-N2-Pro se evalúa en tres direcciones: tareas agénticas, programación/SWE y capacidades generales/razonamiento. Estos son los resultados comparativos:

Tareas agénticas

Benchmark	Nex-N2-Pro	GPT-5.5	Opus 4.7	DeepSeek-V4-Pro	Kimi-K2.6
BrowseComp	83.7	84.4	79.8	83.4	83.2
GDPval	1585	1769	1753	1554	1481
Toolathlon	51.9	55.6	52.8	51.8	50.0
WildClawBench	53.5	58.2	62.2	43.7	-
WideSearch	75.6	-	-	-	80.8
TAU3	71.1	-	-	-	-

Programación e ingeniería de software

Benchmark	Nex-N2-Pro	GPT-5.5	Opus 4.7	DeepSeek-V4-Pro	GLM-5.1
SWE-Bench Pro	58.8	58.6	64.3	55.4	58.4
Terminal-Bench 2.1	75.3	83.4	69.7	72.0	58.7
DeepSWE	33.6	70	54	8	18
SWE-Bench Verified	80.8	82.9	87.6	80.6	-
SWE Atlas QnA	37.9	45.4	45.2	-	-
SWE Atlas TW	40.0	42.6	38.2	-	-

Razonamiento general

Benchmark	Nex-N2-Pro	GPT-5.5	Opus 4.7	DeepSeek-V4-Pro
GPQA Diamond	90.7	93.6	94.2	90.1
IFEval	94.0	-	-	91.9
Apex	36.5	-	-	38.3

Conclusión de benchmarks: Nex-N2-Pro destaca especialmente en programación (SWE-Bench Pro 58.8, Terminal-Bench 75.3) y tareas agénticas de búsqueda (BrowseComp 83.7). En razonamiento general se mantiene competitivo con modelos frontera, aunque GPT-5.5 y Opus 4.7 conservan ventaja en algunas métricas.

Precios y disponibilidad

Vía API (OpenRouter)

Concepto	Precio
Input por 1M tokens	$0.50
Output por 1M tokens	$2.50
Cache read por 1M tokens	$0.25

Con prompt caching, el precio efectivo puede reducirse 60-80% dependiendo del contexto repetido. Disponible en OpenRouter con una ruta gratuita de prueba.

Vía SiliconFlow

Disponible como API serverless en SiliconFlow, con pago por uso. Los precios pueden variar según la región y el plan.

Despliegue local (gratuito)

Al ser open source, puedes descargar los pesos desde Hugging Face y desplegarlo en tu propia infraestructura. El coste real es el hardware necesario:

Nex-N2-Pro: requiere 2 nodos con 8× H100 cada uno (16 GPUs total) para inferencia eficiente.
Nex-N2-mini: requiere 1 nodo con 2× H100.

Tutorial: cómo usar Nex-N2-Pro

Opción 1: Usar vía API con OpenRouter (recomendado para empezar)

La forma más rápida de probar Nex-N2-Pro sin infraestructura propia es a través de OpenRouter:

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -d '{
    "model": "nex-agi/Nex-N2-Pro",
    "messages": [
      {"role": "user", "content": "Explica qué es la arquitectura MoE en IA"}
    ],
    "temperature": 0.7,
    "top_p": 0.95
  }'

Para usar function calling:

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -d '{
    "model": "nex-agi/Nex-N2-Pro",
    "messages": [
      {"role": "user", "content": "Busca el precio del Bitcoin actual"}
    ],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_crypto_price",
        "description": "Obtiene el precio actual de una criptomoneda",
        "parameters": {
          "type": "object",
          "properties": {
            "symbol": {"type": "string", "description": "Símbolo de la cripto"}
          },
          "required": ["symbol"]
        }
      }
    }]
  }'

Opción 2: Integrar en Python con la librería OpenAI

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="tu-openrouter-api-key"
)

response = client.chat.completions.create(
    model="nex-agi/Nex-N2-Pro",
    messages=[
        {"role": "system", "content": "Eres un asistente experto en programación."},
        {"role": "user", "content": "Escribe una función en Python que ordene una lista usando merge sort"}
    ],
    temperature=0.7,
    top_p=0.95,
    max_tokens=4096
)

print(response.choices[0].message.content)

Opción 3: Usar con Claude Code o Cursor

Nex-N2-Pro es compatible con Claude Code y Cursor como modelo de backend. Para configurarlo:

Obtén tu API key de OpenRouter.
Configura la variable de entorno:
```
export OPENROUTER_API_KEY="tu-key"
```
En Cursor, ve a Settings → Models → Custom Model y configura:
- Model: nex-agi/Nex-N2-Pro
- Base URL: https://openrouter.ai/api/v1
- API Key: tu OpenRouter key
En Claude Code, usa el flag --model nex-agi/Nex-N2-Pro con la configuración de OpenRouter.

Opción 4: Despliegue local con sglang

Para desplegar Nex-N2-Pro en tu propia infraestructura, Nex AGI recomienda usar su fork personalizado de sglang:

Paso 1: Instalar sglang

git clone https://github.com/nex-agi/sglang.git
cd sglang
pip install --upgrade pip
pip install -e "python"

Paso 2: Descargar el modelo

huggingface-cli download nex-agi/Nex-N2-Pro --local-dir /path/to/model

Paso 3: Lanzar el servidor (multi-nodo, 2× 8 H100)

# Nodo 0 (head)
python -m sglang.launch_server \
  --model-path /path/to/model \
  --tp 16 \
  --nnodes 2 \
  --node-rank 0 \
  --dist-init-addr <node0-ip>:20000 \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --mamba-scheduler-strategy extra_buffer

# Nodo 1
python -m sglang.launch_server \
  --model-path /path/to/model \
  --tp 16 \
  --nnodes 2 \
  --node-rank 1 \
  --dist-init-addr <node0-ip>:20000 \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --mamba-scheduler-strategy extra_buffer

Paso 4: Usar con API compatible OpenAI

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:30000/v1",
    api_key="none"
)

response = client.chat.completions.create(
    model="nex-agi/Nex-N2-Pro",
    messages=[{"role": "user", "content": "Hola"}],
    temperature=0.7,
    top_p=0.95
)

Despliegue con Docker

Nex AGI proporciona una imagen Docker preconfigurada:

docker run --gpus all --shm-size 32g --network host \
  -v /path/to/model:/model \
  nexagi/sglang:v0.5.12 \
  python3 -m sglang.launch_server \
  --model-path /model \
  --tp 16 \
  --nnodes 2 \
  --node-rank <node-rank> \
  --dist-init-addr <node0-ip>:20000 \
  --host 0.0.0.0 --port 30000 \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder \
  --mamba-scheduler-strategy extra_buffer

Parámetros de sampling recomendados

Para obtener la mejor calidad de generación, Nex AGI recomienda:

Parámetro	Valor recomendado
temperature	0.7
top_p	0.95
top_k	40
max_tokens	64K (tareas largas: hasta 256K)

Nex-N2-Pro vs Nex-N2-mini: ¿cuál elegir?

Criterio	Nex-N2-Pro	Nex-N2-mini
Parámetros	397B (17B activos)	35B (3B activos)
Hardware mínimo	16× H100 (2 nodos)	2× H100 (1 nodo)
SWE-Bench Verified	80.8	74.4
Terminal-Bench 2.1	75.3	60.7
BrowseComp	83.7	74.1
GDPval	1585	1402
Latencia	Mayor	Menor
Coste por token	Mayor	Menor
Ideal para	Ingeniería compleja, multi-agente, investigación profunda	Instrucciones rápidas, herramientas en tiempo real, despliegue escalable

Si necesitas máxima calidad en tareas complejas, usa Nex-N2-Pro. Si priorizas velocidad y coste en tareas más simples, Nex-N2-mini es la opción correcta.

Casos de uso prácticos

1. Programación agéntica

Nex-N2-Pro puede tomar un requisito de usuario, planificar la implementación, escribir código, ejecutarlo, leer el feedback del entorno, depurar y iterar, todo en un único ciclo cerrado.

2. Investigación profunda con búsqueda web

Con BrowseComp de 83.7, el modelo puede buscar información, sintetizar evidencia y generar respuestas con fuentes, comparable con los mejores modelos frontera.

3. Automatización de flujos de trabajo (OpenClaw)

En escenarios de "one-person-company", Nex-N2-Pro puede ejecutar tareas largas y complejas que combinan búsqueda, código y herramientas de forma autónoma.

4. Revisión y depuración de código

Con SWE-Bench Verified de 80.8, el modelo es competitivo para resolver issues de GitHub, localizar bugs y proponer fixes verificados.

5. Despliegue empresarial privado

Al ser open source con Apache 2.0, las empresas pueden desplegarlo en su propia infraestructura para mantener control total de datos.

Preguntas frecuentes

¿Nex-N2-Pro es gratuito?

El modelo es open source y gratuito para descargar y usar en tu propia infraestructura. Vía API (OpenRouter, SiliconFlow) se cobra por token usado. OpenRouter ofrece una ruta gratuita de prueba.

¿Necesito 16 GPUs H100 para usarlo?

Solo para despliegue local del modelo Pro. Vía API no necesitas hardware propio. Si quieres despliegue local con menos recursos, Nex-N2-mini funciona con 2× H100.

¿Puedo usar Nex-N2-Pro con Cursor?

Sí. Nex-N2-Pro es compatible con Cursor, Claude Code y otros harnesses agénticos. Solo necesitas configurar la API de OpenRouter como backend.

¿Qué licencia tiene?

Apache 2.0, que permite uso comercial, modificación y distribución.

¿Nex-N2-Pro es mejor que GPT-5.5?

En algunas métricas específicas (SWE-Bench Pro, BrowseComp) está a la par o ligeramente por encima. En otras (GDPval, Terminal-Bench, GPQA Diamond) GPT-5.5 mantiene ventaja. La ventaja clave de Nex-N2-Pro es ser open source con coste por token significativamente menor.

¿Soporta imágenes?

Sí, acepta entrada de texto e imagen, aunque sus capacidades multimodales no fueron especialmente mejoradas respecto a la base Qwen3.5.

Recursos

Conclusión

Nex-N2-Pro representa un paso importante en la democratización de modelos agénticos de frontera. Al ser open source, con licencia comercial, compatible con herramientas populares y competitivo en benchmarks, se posiciona como una alternativa seria a modelos propietarios como GPT-5.5 y Claude Opus 4.7, especialmente para equipos que valoran control, privacidad y coste.

Si trabajas en programación, investigación o automatización de flujos complejos, vale la pena probarlo. La ruta gratuita de OpenRouter permite experimentar sin inversión inicial, y el despliegue local ofrece una opción para organizaciones con infraestructura GPU disponible.