Nex N2: A IA agêntica de código aberto que vale a pena acompanhar
Um laboratório chinês do qual eu nunca tinha ouvido falar lançou um modelo de pesos abertos com 397 bilhões de parâmetros em 2 de junho de 2026, alegou que superou o Claude Opus 4.7 em um benchmark de programação e distribuiu gratuitamente sob Apache 2.0. Meu primeiro instinto foi o mesmo que tenho toda vez que um novo "assassino do GPT" aparece no meu feed: revirar os olhos e continuar rolando.
Aí eu li o model card com mais cuidado. Nex N2 — o modelo de IA agêntica de código aberto de uma equipe chamada Nex AGI — não está se vendendo como um chatbot mais inteligente. Foi construído em torno de algo mais específico: fundir programação, busca, uso de ferramentas, depuração e autoverificação em um único loop de raciocínio contínuo em vez de parafusar tudo como habilidades separadas. Essa é uma aposta de design genuinamente diferente, e é a parte que merece atenção.
Então aqui está o que este post realmente é. Eu não rodei o Nex N2 em produção contra a base de código de um cliente pagante, e não vou fingir que rodei. O que eu fiz foi ler as especificações publicadas, as alegações oficiais de benchmarks, as avaliações independentes e os relatos práticos — e filtrar tudo isso por anos de experiência rodando modelos abertos localmente e vendo números de benchmarks desmoronarem no momento em que trabalho real os atinge. Os números de destaque dos benchmarks parecem incríveis. A realidade independente é mais complicada. Ambas as coisas são verdadeiras ao mesmo tempo, e você precisa entender por quê antes de conectar essa coisa em qualquer coisa que importa.
O que o Nex N2 realmente é (e por que "agêntico" não é marketing aqui)
A maioria dos modelos que você usou trata comportamento agêntico como um detalhe secundário. O modelo base aprende linguagem, e então alguém o envolve em um andaime — um loop que diz "agora chame esta ferramenta, agora leia o resultado, agora decida o que vem a seguir". O raciocínio e a ação vivem em caixas separadas, costuradas por prompt engineering e um framework como LangChain ou o Claude Agent SDK.
O Nex N2 inverte isso. A Nex AGI chama de Agentic Thinking — um único loop fechado onde o modelo entende um requisito, planeja a tarefa, escreve a implementação, lê o feedback do ambiente, avalia se funcionou, depura e itera. Tudo isso acontece dentro de um paradigma de raciocínio em vez de através de uma cadeia de chamadas separadas. O modelo não está sendo mandado agir; agir é parte de como ele pensa.
Existem duas partes desse framework que valem ser nomeadas. Adaptive Thinking deixa o modelo decidir por conta própria quando raciocinar profundamente e quando simplesmente seguir em frente — disparar um comando de shell simples instantaneamente, mas desacelerar e pensar bastante antes de uma decisão que é cara de desfazer. Coherent Thinking mantém um estilo de raciocínio consistente entre perguntas gerais e tarefas agênticas, para que o modelo não oscile entre "assistente tagarela" e "robô que chama ferramentas" dependendo do que você pergunta.
Por que isso importa para você? Porque os workflows que quebram a maioria dos agentes são os mistos. A tarefa que é 40% escrever código, 30% buscar documentação, 20% executar comandos no terminal e 10% pegar seu próprio erro — e alternar entre esses modos uma dúzia de vezes antes de terminar. Um modelo com raciocínio e ação fundidos em um único loop tem uma chance estrutural para isso. Um modelo com um andaime de agente parafusado tende a perder o fio.
Essa é a teoria. As especificações nos dizem se o laboratório realmente construiu algo capaz de executá-la.
Mini vs Pro: os dois modelos, e qual roda no seu hardware
O Nex N2 vem em dois tamanhos, ambos com pesos abertos e versões quantizadas para implantação local.
Nex N2 Mini é um modelo Mixture-of-Experts de 35 bilhões de parâmetros (uma base Qwen3.5-35B-A3B) com aproximadamente 3 bilhões de parâmetros ativos por token. O design MoE é todo o ponto do número de "parâmetros ativos" — o modelo contém 35B de conhecimento total mas só ativa um pequeno subconjunto de especialistas em cada token, então roda muito mais leve do que um modelo denso de 35B. Com uma build quantizada, o Mini é a variante que você pode realisticamente puxar para uma estação de trabalho com uma GPU decente e rodar offline.
Nex N2 Pro é o carro-chefe: um MoE de 397 bilhões de parâmetros construído sobre Qwen3.5-397B-A17B, ativando 17 bilhões de parâmetros por token. Aceita tanto texto quanto imagem como entrada, produz saída de texto e suporta raciocínio, function calling e saídas estruturadas — o kit completo que você iria querer para uma configuração agêntica real. O número de destaque que chama atenção é a janela de contexto.
A janela de contexto do Nex N2 Pro é de 262.000 tokens, com saída de até 256.000 tokens. Isso é suficiente para manter uma base de código substancial, um longo histórico de tarefas e uma pilha de documentação na memória de trabalho simultaneamente — exatamente o que um agente de horizonte longo precisa quando está doze passos dentro de um build e não pode se dar ao luxo de esquecer o passo um.
Um detalhe que as próprias saídas do modelo revelam: ele produz resultados no estilo GPT, uma impressão digital do treinamento destilado em modelos similares ao GPT. Você vai notar na UI que ele gera e na forma como estrutura o código. Não é um defeito, apenas uma marca — e uma útil quando você está tentando descobrir de onde vêm os instintos de um modelo. Se você dedicou tempo a como diferentes modelos abertos se comportam, este é o mesmo tipo de rastreamento de linhagem em que me apoiei no meu review do DeepSeek V4 Pro de código aberto, onde a herança de treinamento silenciosamente molda tudo a jusante.
A linhagem Qwen também importa. Construir sobre a base Qwen3.5 da Alibaba significa que o Nex N2 herda uma fundação testada em batalha em vez de começar do zero — o que explica parcialmente por que um laboratório do qual a maioria das pessoas nunca ouviu falar conseguiu entregar algo tão capaz tão rápido.
Especificações são promessas. Benchmarks são onde as promessas são testadas — e onde a história se divide em duas.
As alegações de benchmarks: o que a Nex AGI diz que o Nex N2 pode fazer
Deixe-me expor os números oficiais primeiro, claramente atribuídos à equipe, porque são a razão pela qual alguém está falando sobre este modelo. Estes são os resultados reportados pela Nex AGI, não verificação independente — mantenha essa distinção em mente.
No Terminal-Bench 2.1, que testa a capacidade de um modelo operar realmente dentro de um terminal e completar tarefas reais de engenharia, o Nex N2 Pro supostamente obtém 75,3 — à frente do Claude Opus 4.7 com 69,7, DeepSeek-V4-Pro com 72,0 e GLM-5.1 com 58,7. Um modelo de pesos abertos reivindicar o primeiro lugar em execução de terminal contra o Opus é o tipo de resultado que é capturado em tela e compartilhado.
No SWE-Bench Pro, a variante mais difícil do benchmark de engenharia de software que pede a um modelo para corrigir bugs reais em repositórios reais, o Nex N2 Pro supostamente atinge 58,8 — por pouco acima do GPT-5.5 com 58,6. No mais comum SWE-Bench Verified, a equipe reporta 80,8, que está solidamente em território de fronteira.
Mais alguns da folha oficial. No GDPval — uma avaliação de horizonte longo com base econômica que pontua quão bem um modelo lida com trabalho profissional realista de múltiplos passos — o Nex N2 Pro supostamente aterrissa em torno de 1585. Em tarefas agênticas baseadas em navegador, a Nex AGI reivindica resultados à frente do DeepSeek V4 Pro e GLM 5.1. Em avaliações de tool-calling, a equipe reporta números fortes em geral.
Tomado ao pé da letra, isto é um modelo gratuito, de pesos abertos, executável localmente, trocando golpes com os sistemas proprietários mais caros do mercado. Se você acompanhou a onda de código aberto — a mesma onda que cobri quando o Kimi K2.6 aterrissou como um modelo de programação aberto sério — sabe que esta é a trajetória que todos previram. A lacuna entre aberto e fechado continua diminuindo.
Aqui está o detalhe que ninguém captura em tela.
Por que testes independentes classificam o Nex N2 muito abaixo dos destaques
Números de benchmarks do laboratório que construiu o modelo são marketing até que alguém os reproduza. E quando avaliadores independentes submetem o Nex N2 a condições mais duras e do mundo real, a história muda.
O padrão que surgiu nos testes independentes: o Nex N2 se classifica por volta do #12 no geral — longe da colocação no top cinco que os benchmarks oficiais implicam. Seu desempenho é consistente, mas consistentemente bom não é o mesmo que líder de categoria. Nas condições controladas de um benchmark publicado, o modelo brilha. Em avaliações mais confusas do mundo real com tarefas adversariais e casos extremos, ele se acomoda na metade superior do pelotão.
Isso não é um escândalo específico da Nex. É o padrão mais confiável em todo o ciclo de lançamento de modelos, e eu o vi se repetir uma dúzia de vezes. Laboratórios reportam pontuações sob sua configuração de melhor caso, com seus prompts, na sua seleção de tarefas. Aí o modelo encontra seu workflow real — sua estrutura de repositório estranha, sua API interna mal documentada, seu ticket ambíguo — e o número que importava no slide para de importar. Investiguei exatamente essa lacuna entre pontuações de leaderboard e comportamento real de codificação em vários modelos na minha análise do DeepSeek V4, GLM5 e autonomia, e a lição lá se aplica diretamente aqui: confie nas execuções independentes, não no deck de lançamento.
Há um segundo problema estrutural. O Nex N2 é lento. Esse mesmo loop de Agentic Thinking — o planejamento, a autoverificação, a iteração durante a geração — é exatamente o que torna o modelo reflexivo, e é também o que faz ele levar seu tempo. Cada passe de autoverificação são mais tokens gerados antes de você obter uma resposta. Quando o modelo raciocina, planeja, depura e revisa seu próprio trabalho no meio da geração, você espera. Para uma sessão de programação interativa onde você quer uma resposta em dois segundos, essa latência é um imposto real. Para um build autônomo noturno onde você se importa com correção acima de velocidade, é uma troca justa. Saiba qual você está rodando antes de julgar o modelo.
Então como você realmente decide se essa coisa vale seu tempo? Você olha o que ela constrói.
O que o Nex N2 constrói: as demos que resistem e as que não
O sinal mais honesto sobre qualquer modelo de geração de código não é seu benchmark — é o que ele produz quando você dá um pedido real de construção. As demonstrações circulando sobre o Nex N2 contam uma história refrescantemente mista, que é exatamente o que as torna críveis.
Nos acertos: o Nex N2 gerou uma UI de front-end funcional com elementos dinâmicos e animações que parecia genuinamente polida — a impressão digital do estilo GPT aparecendo em estilização limpa e moderna. Construiu um jogo de tower defence totalmente funcional, o tipo de projeto interativo com estado que expõe as fraquezas de um modelo rapidamente se sua lógica for instável. Produziu uma simulação de lâmpada de lava baseada em SVG com física e movimento reais, não um gradiente estático fingindo ser animação. Quando você o alimenta com prompts detalhados e descritivos e solicitações específicas por elemento, ele se adapta bem e respeita os detalhes.
O mais impressionante e mais revelador: o Nex N2 construiu clones de sistemas operacionais — Windows 95 e Mac OS — completos com menus iniciar, aplicativos funcionais, uma ferramenta de paint, uma calculadora, um navegador e um prompt de MS-DOS. Essa é uma quantidade enorme de estado coordenado e UI para gerar coerentemente.
Mas as rachaduras aparecem exatamente onde você esperaria. A barra superior do clone do Mac OS era não funcional — os elementos renderizavam lindamente e não faziam nada. Um jogo de corrida solicitado voltou com funções que não funcionavam — o andaime estava lá, o comportamento não. Esta é a assinatura de um modelo de código forte mas não impecável: ele acerta a estrutura e a superfície, e então deixa cair a fiação nas partes interativas mais difíceis. Você recebe algo que parece 95% pronto e funcionalmente está 70% pronto, e fechar essa última lacuna fica com você.
Essa lacuna é todo o jogo quando você está avaliando um modelo de codificação para trabalho real. Uma demo que parece pronta é fácil. Uma demo que está pronta é a parte difícil, e o Nex N2 — como quase todo modelo neste nível — te leva a maior parte do caminho e pede que você termine o trabalho. Se você quer um senso mais profundo de como eu separo "parece pronto" de "está pronto" ao julgar interfaces construídas com IA, trabalhei exatamente essa distinção no meu review do workflow de design para site com Claude.
Se você leu até aqui, já sabe mais sobre o Nex N2 do que a maioria das pessoas compartilhando suas capturas de tela de benchmarks. Aqui está como realmente colocar as mãos nele.
Como experimentar o Nex N2 agora mesmo (grátis, três formas)
Você não precisa confiar na palavra de ninguém — incluindo a minha. O Nex N2 é aberto e acessível o suficiente para que você forme sua própria opinião esta tarde. Aqui estão as três rotas realistas, ordenadas do menor ao maior esforço.
1. OpenRouter (zero configuração, tier gratuito). O Nex N2 Pro está disponível no OpenRouter, e durante a janela de lançamento de junho de 2026 está listado no tier gratuito a $0,000 por milhão de tokens de entrada e saída. Se você já roteia modelos pelo OpenRouter, isso é uma troca de ID de modelo de uma linha. Eu percorri esse padrão exato de gateway — apontar seu tooling existente para o OpenRouter e trocar o modelo por baixo — no meu guia de Claude Code com OpenRouter, e a mesma configuração se aplica aqui. Aponte seu agente para nex-agi/nex-n2-pro:free e vá em frente.
2. Provedores hospedados (promos de lançamento gratuitas). Além do OpenRouter, vários provedores de inferência — SiliconFlow e outros — adotaram o Nex N2 Pro e ofereceram acesso gratuito ou ilimitado durante a janela de lançamento. O carro-chefe foi promovido como gratuito com uso ilimitado por um período introdutório através de plataformas de benchmark e avaliação. Essas promos têm tempo limitado, então a janela de "grátis ilimitado" não vai durar para sempre — se você quer estressar o modelo Pro sem pagar, agora é o momento.
3. Implantação local (Mini, quantizado). É aqui que os pesos abertos provam seu valor. Tanto o Mini quanto o Pro têm pesos abertos e builds quantizados, e o Nex N2 Mini é o que realisticamente roda em hardware local graças aos seus 3B parâmetros ativos. Baixe um GGUF quantizado ou equivalente, carregue no LM Studio ou Ollama, e você tem um modelo agêntico rodando completamente offline — sem chave de API, sem limite de taxa, sem dados saindo da sua máquina. Se você nunca configurou um modelo local antes, meu setup do Gemma 4 como IA local no LM Studio cobre exatamente o mesmo workflow passo a passo; troque o arquivo do modelo e o processo é idêntico.
Uma nota prática sobre as promos gratuitas: trate-as como exatamente o que são. Acesso gratuito de lançamento é uma funcionalidade, não um compromisso. Construa seu workflow para que não dependa de um tier gratuito que evapora em três semanas — mantenha a opção local do Mini como seu fallback, porque essa é grátis para sempre sob Apache 2.0.
Essa cláusula de uso comercial merece uma pausa, porque ela muda o cálculo inteiramente.
O detalhe do Apache 2.0 que realmente importa para desenvolvedores
Aqui está a parte onde qualquer fundador solo ou agência pequena deveria prestar atenção. O Nex N2 é entregue sob Apache 2.0 — tanto Mini quanto Pro. Isso significa que você pode usá-lo comercialmente, modificá-lo, fazer fine-tuning e auto-hospedá-lo sem pagar uma taxa de licença ou pedir permissão a ninguém.
Compare isso com a fronteira proprietária. Opus e GPT-5.5 são extraordinários, e eu pago por eles quando confiabilidade não é negociável. Mas você não os possui. Seu acesso é uma assinatura, seus custos escalam com uso, e seus dados fluem pelos servidores de outros. Para um projeto de cliente com requisitos rígidos de residência de dados, ou um produto onde custos por token comeriam sua margem, um modelo auto-hospedado Apache 2.0 não é um downgrade — é a única arquitetura viável.
Essa é a história real sob o drama dos benchmarks. Se o Nex N2 se classifica em #5 ou #12 é quase irrelevante. Um modelo de pesos abertos, com licença comercial, agêntico, que é consistentemente bom e roda no seu próprio hardware, é uma categoria diferente de utilidade do que um modelo proprietário que é marginalmente melhor e completamente fora do seu controle. A mesma lógica impulsionou a migração que documentei quando equipes começaram a construir workflows sérios em modelos gratuitos e abertos em vez de optar por padrão pela opção mais cara.
Onde o Nex N2 se encaixa no seu workflow real
Deixe-me ser específico sobre quem deveria se importar, porque "modelo de código aberto promissor" não ajuda ninguém a tomar uma decisão.
Use o Nex N2 se você está construindo workflows agênticos autônomos de horizonte longo onde correção importa mais que velocidade, precisa de uma janela de contexto grande para manter uma base de código inteira, tem restrições de residência de dados ou custos que descartam APIs proprietárias, ou quer um modelo capaz rodando completamente offline. O loop fundido de raciocínio e ação é uma opção genuína para tarefas mistas de múltiplos passos que quebram agentes mais simples.
Não recorra ao Nex N2 se precisa de respostas interativas em sub-segundo (o loop de autoverificação o torna lento), está fazendo trabalho onde os 5% superiores de capacidade fazem a diferença entre entregar e não, ou não pode tolerar a lacuna de "parece pronto, não está pronto" em componentes interativos complexos. Para isso, a fronteira proprietária ainda ganha seu prêmio.
E diga o que disser o leaderboard oficial, ancore seu julgamento nos resultados independentes e nos seus próprios testes. A realidade do #12 é mais útil para você do que a alegação do top cinco, porque #12-mas-consistente-e-grátis-e-seu é uma ferramenta sobre a qual você pode realmente construir um negócio.
Há uma pergunta que vale a pena ponderar enquanto você decide se baixa os pesos esta noite: se um modelo que você possui completamente e roda de graça te leva 85% do caminho até a capacidade de fronteira, quanto valem realmente esses últimos 15% — a parte que você aluga, a parte que pode mudar seus preços ou termos sem te perguntar — para o que você está construindo?
Perguntas frequentes
O Nex N2 é realmente gratuito de usar?
Sim — o Nex N2 é de pesos abertos sob a licença Apache 2.0, então é grátis para sempre para baixar, auto-hospedar, modificar e usar comercialmente. Além disso, o Nex N2 Pro foi oferecido gratuitamente durante sua janela de lançamento de junho de 2026 através do tier gratuito do OpenRouter e vários provedores hospedados, embora essas janelas promocionais sejam de tempo limitado.
Como o Nex N2 se compara ao Claude Opus 4.7?
Segundo os próprios benchmarks da Nex AGI, o Nex N2 Pro supostamente obtém 75,3 no Terminal-Bench 2.1 contra os 69,7 do Opus 4.7. Mas testes independentes classificam o Nex N2 por volta do #12 no geral, bem abaixo do tier superior onde o Opus se encontra — então trate as vitórias diretas de benchmarks com cautela e confie nas avaliações independentes.
Posso rodar o Nex N2 no meu próprio computador?
Sim, o Nex N2 Mini foi projetado para rodar em hardware local. Seu design Mixture-of-Experts de 35 bilhões de parâmetros com apenas 3 bilhões de parâmetros ativos, mais builds quantizados, permite que rode em uma GPU de estação de trabalho capaz através de ferramentas como Ollama ou LM Studio — completamente offline. O modelo Pro de 397B precisa de hardware sério ou um provedor hospedado.
Por que o Nex N2 é mais lento que outros modelos?
O Nex N2 é lento porque raciocina, planeja, depura e autoverifica durante a geração em vez de responder imediatamente. Esse loop iterativo de Agentic Thinking produz resultados de horizonte longo mais confiáveis mas gera muito mais tokens antes de retornar uma resposta, o que é uma troca justa para trabalho autônomo e um imposto real para programação interativa.
O que torna o Nex N2 "agêntico" comparado a outros modelos?
O Nex N2 funde programação, busca, uso de ferramentas, depuração e verificação em um único loop de raciocínio contínuo em vez de parafusar como um andaime separado. Seu framework de Agentic Thinking, com Adaptive e Coherent Thinking, permite que raciocínio e ação aconteçam dentro do mesmo paradigma — uma vantagem estrutural para workflows do mundo real mistos e de múltiplos passos.
Vamos trabalhar juntos
Procurando construir sistemas de IA, automatizar workflows ou escalar sua infraestrutura tecnológica? Adoraria ajudar.
- Fiverr (builds personalizados e integrações): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (soluções empresariais): ramlit.com
- ColorPark (design e branding): colorpark.io
- xCyberSecurity (serviços de segurança): xcybersecurity.io
