Nex-N2.5-Pro ปล่อยน้ำหนักแล้ว 407 GB แบบ FP8 — config ตรงกับ Qwen3.5-397B-A17B ทุกค่าสถาปัตยกรรม แต่ไม่มีเลเยอร์ MTP ที่ config ยังประกาศไว้

เมื่อ 9 ก.ย. เรารายงานว่า Nex-N2.5 “เปิดน้ำหนักสามขนาด แต่มีจริงแค่สอง” เพราะ Pro ซึ่งเป็นรุ่นที่คะแนนดูคุ้มที่สุดยังมีแค่การ์ดกับกล่อง “Nex-N2.5-Pro weights are coming soon” ตอนนี้ช่องว่างนั้นปิดแล้ว: ประวัติคอมมิตของรีโปแสดงว่าไฟล์น้ำหนักถูกอัปโหลดเมื่อ 10 ก.ย. เวลา 19:01 UTC (ตีสองของวันที่ 11 ตามเวลาไทย) และคอมมิต “Update README.md” เมื่อ 11 ก.ย. เวลา 03:37 UTC ถอดกล่อง coming soon ออก ครบทั้งสามขนาดภายในสองวันหลังเปิดตัว

ข่าวนี้จึงเป็นเรื่องใหม่แค่ Pro ตัวเดียว และพอเปิดไฟล์จริงดู จะเจอสองเรื่องที่การ์ดไม่ได้เขียนไว้

สิ่งที่ขึ้นมาจริง — FP8 ล้วน ไม่มี BF16

• 122 shard ไฟล์ index ระบุ total_size 407,104,850,912 ไบต์ หรือราว 407.1 GB
• Hugging Face นับพารามิเตอร์ได้ 396,802,360,816 แบ่งเป็น FP8 (F8_E4M3) 386.5B และ BF16 10.26B
• ควอนไทซ์ด้วย compressed-tensors แบบ FP8 block 128×128 ส่วน activation เป็น dynamic ต่อกลุ่ม 128 และรายการ ignore เก็บ vision encoder, embedding, lm_head, router gate, projection ของ linear attention ทุกชั้น, shared expert และ q/k/v/o ของ full attention ไว้เป็น BF16 คือบีบเป็น FP8 เฉพาะ routed expert
• ไลเซนส์ Apache-2.0 และไม่มีรุ่น BF16 ให้ ใครจะเอาไปฝึกต่อต้อง dequantize เอง

สูตรดีพลอยในการ์ดยังเป็น SGLang บน เครื่องเดียว 8× H100 ด้วย --tp 8 ผ่านอิมเมจ fork ของทีมเอง nexagi/sglang:v0.5.18-nex-patch พร้อม --mamba-scheduler-strategy extra_buffer, --reasoning-parser qwen3 และ --tool-call-parser qwen3_coder น้ำหนัก 407 GB บน VRAM รวม 640 GB เหลือที่ให้ KV cache ราว 230 GB

ฐานคือ Qwen3.5-397B-A17B — config ยืนยันทุกค่า

การ์ดบน Hugging Face บอกแค่ว่า mini กับ Pro “ต่อยอดจากฐานมัลติโมดัลของ Nex-N2” แต่เว็บไซต์ nex-agi.com ติดป้ายฐานของแต่ละรุ่นไว้ชัดเจน คือ mini ใช้ Qwen3.5-35B-A3B-Base, Pro ใช้ Qwen3.5-397B-A17B และ Max ใช้ DeepSeek-V4-Pro-Base

เมื่อเทียบ config.json ของ Pro กับของ Qwen/Qwen3.5-397B-A17B ทีละคีย์ ค่าสถาปัตยกรรมตรงกันทุกตัว: 60 เลเยอร์, hidden 4,096, 512 expert เลือกใช้ 10 ตัวต่อโทเคน, moe_intermediate_size และ shared expert 1,024, สลับ linear attention สามชั้นต่อ full attention หนึ่งชั้น, 32 หัว attention กับ 2 หัว KV, head_dim 256, vocab 248,320, คอนเท็กซ์ 262,144 และ vision encoder 27 ชั้น คีย์ที่ต่างกันมีแค่ส่วน quantization, เมทาดาทาชนิดข้อมูล และเวอร์ชัน transformers (5.8.0 เทียบ 4.57.0.dev0)

มีรายละเอียดหนึ่งที่ควรสังเกต: ฐานของ mini เป็นเช็กพอยต์ -Base แต่ฐานของ Pro คือโมเดล Qwen3.5-397B-A17B ที่ Qwen โพสต์เทรนมาแล้ว และ Qwen/Qwen3.5-397B-A17B-Base ไม่มีให้เข้าถึงสาธารณะ (API ของ Hugging Face ตอบ 401 ขณะที่ Qwen3.5-35B-A3B-Base ตอบ 200) แปลว่า Pro คือการโพสต์เทรนซ้อนบนโมเดลที่โพสต์เทรนแล้ว และตารางเบนช์มาร์กในการ์ดไม่มีคอลัมน์ Qwen3.5-397B-A17B ที่เป็นจุดตั้งต้น จึงอ่านจากการ์ดไม่ได้ว่างานโพสต์เทรนของ Nex เพิ่มคะแนนไปเท่าไร

MTP ที่ config ประกาศไว้ แต่ไม่มีในไฟล์

text_config ของ Pro ยังตั้ง mtp_num_hidden_layers: 1 แบบเดียวกับ Qwen แต่ใน model.safetensors.index.json ของ Pro ไม่มีเทนเซอร์ที่ชื่อขึ้นต้นด้วย mtp เลย ขณะที่รีโป BF16 ของ Qwen มี 1,553 ตัวและรีโป FP8 ทางการของ Qwen มี 3,096 ตัว จำนวนพารามิเตอร์ก็สอดคล้องกัน คือ Qwen BF16 มี 403.4B ส่วน Pro มี 396.8B ส่วนต่างราว 6.6B ใกล้เคียงขนาดของเลเยอร์ MTP หนึ่งชั้นในสถาปัตยกรรมนี้ (ตัวเลขนี้เป็นการอนุมานจากขนาด)

เรื่องนี้สำคัญเพราะเว็บไซต์ของ Nex เองโปรโมต NexRT ว่าเป็นเอนจินอนุมานสำหรับ Nex-N2.5-Pro บน 8× H100 หรือ H200 ที่รองรับ “standard decoding, MTP และ DFlash” แต่ NexRT ไม่อยู่ในรายชื่อรีโปของ nex-agi บน GitHub และเช็กพอยต์ที่ปล่อยออกมาไม่มีหัว MTP ให้ใช้ ผลคือ การเร่งความเร็วด้วย MTP speculative decoding ทำไม่ได้จากไฟล์ที่ปล่อย และสูตร SGLang ในการ์ดก็ไม่มีแฟล็ก speculative ในทางเทคนิคอาจเอาหัว MTP ของ Qwen มาเสียบแทนได้เพราะรูปทรงเทนเซอร์ตรงกัน แต่หัวนั้นถูกเทรนคู่กับน้ำหนักของ Qwen ไม่ใช่ของ Nex จึงไม่มีใครรับประกันอัตราการยอมรับโทเคน

ถ้าเทียบกับรีโป FP8 ทางการของ Qwen ที่ 406.1 GB (มีหัว MTP และเก็บ BF16 ไว้แค่ 2.70B) Pro ใหญ่กว่าเล็กน้อยทั้งที่ไม่มีหัว MTP เพราะเก็บเลเยอร์ไว้เป็น BF16 มากกว่า

มุมมอง AI Curator

ต้องให้เครดิต Nex-AGI ที่ส่งของตามที่สัญญาไว้ภายในสองวัน และสายไลเซนส์ของ Pro ก็สะอาด คือฐาน Qwen3.5-397B-A17B เป็น Apache-2.0 และ Pro ก็ปล่อยใต้ Apache-2.0 เหมือนกัน ตอนนี้ทั้งสามขนาดมีน้ำหนักจริงแล้ว

ที่ยังเป็นปัญหาคือความโปร่งใสเรื่องที่มา การ์ดบน Hugging Face ไม่ได้ระบุชื่อฐานของรุ่นใดเลย ต้องไปอ่านจากเว็บไซต์หรือเทียบ config เอง องค์กรไทยที่ต้องทำเอกสาร provenance ของโมเดล ไม่ว่าจะเป็นการประเมินความเสี่ยงตามแนวทางกำกับ AI หรือการจัดซื้อภาครัฐ ควรถือเป็นนิสัยว่าต้องเปิด config.json เทียบกับโมเดลฐานที่น่าจะเป็น แทนการเชื่อคำบรรยายในการ์ด ซึ่งวิธีนี้เพิ่งยืนยันฐานของ Pro ได้ภายในไม่กี่นาที

เชิงปฏิบัติ ถ้ากำลังเลือกระหว่าง Qwen3.5-397B-A17B ตัวต้นทางกับ Nex-N2.5-Pro สมการคือขนาดเท่ากันและรันบน 8× H100 เหมือนกัน แต่ฝั่ง Nex ได้งานโพสต์เทรนด้านเอเจนต์และ computer-use ที่ยังเป็นคะแนนรายงานเอง (ฮาร์เนส NexCUA ยังไม่เปิดซอร์ส) และเสีย MTP กับต้องใช้ SGLang fork ส่วนฝั่ง Qwen ได้หัว MTP และสแตกทางการ วิธีตัดสินใจที่ดีที่สุดคือรันงานจริงของทีม เช่นเอเจนต์ที่ต้องอ่านหน้าจอภาษาไทย เทียบกันบน SGLang เวอร์ชันเดียวกัน แล้ววัดทั้งอัตราสำเร็จและโทเคนต่อวินาที เพราะความเร็วที่หายไปจาก MTP อาจกินกำไรจากคะแนนที่เพิ่มขึ้นหมด

แหล่งข่าว

• nex-agi/Nex-N2.5-Pro — Hugging Face
• ประวัติคอมมิต nex-agi/Nex-N2.5-Pro (อัปโหลดน้ำหนัก 10 ก.ย.)
• Qwen/Qwen3.5-397B-A17B — Hugging Face
• Nex-N2.5 — เว็บไซต์ Nex-AGI (ระบุฐานของแต่ละรุ่น และ NexRT)