梳理 Nex-AGI 的 Nex-N2 模型：在 Qwen3.5 基座上做后训练，核心是统一自适应思维与连贯思维的 Agentic Thinking 框架，并说明当前公开材料尚未披露训练方法、数据配比与 RL 算法等细节这一局限。
Nex-N2 —技术报告摘要
来源：GitHub README（无独立技术报告/arXiv）
团队：Nex-AGI
发布时间：2026.06
1. 预训练 Recipe
| 项目 | 详情 |
|---|---|
| 基座 | Qwen3.5-397B-A17B（Pro）/ Qwen3.5-35B-A3B-Base（mini） |
| 架构 | MoE，继承Qwen3.5（GDN + Hybrid Attention） |
| 预训练 | 使用Qwen3.5预训练权重，无自行预训练 |
2. 后训练 Recipe
| 项目 | 详情 |
|---|---|
| 方法 | Post-Training on Qwen3.5系列 |
| 目标 | 面向真实生产力场景的Agent能力 |
| 能力维度 | Agentic Coding, Deep Research, Tool Calling, Terminal Execution |
| 具体SFT/RL细节 | 原文未公开 |
3. 核心创新：Agentic Thinking
| 组件 | 详情 |
|---|---|
| Adaptive Thinking | 模型自主决定何时思考、思考多深；简单动作快速执行，关键决策深度推理；动态计算分配 |
| Coherent Thinking | 通用推理和Agent任务统一推理范式；跨任务跨模态一致性 |
| 闭环 | 需求理解→任务规划→代码实现→环境反馈→评估调试→持续迭代 |
| 实现细节 | 原文未公开 |
4. 关键亮点
- Agentic Thinking框架：Adaptive + Coherent思维统一
- 基于Qwen3.5后训练：复用强基座，专注Agent能力
- 注意：核心技术细节未公开，训练方法、数据、RL算法等均未披露
