前言
上篇文章测试过Aido的使用，这篇文章准备来看看Nexent的具体使用，但是遇到了问题，这里我也是琢磨了好久包括询问工作人员，反正是找到了。
主页地址：https://modelengine-ai.net/
本次测试内容
Nexent智能体是本次测试的目标，本文主要是怎么能正常使用它，不是具体的创建应用，我准备在下一篇文章中具体说一下Nexent怎么来创建AI智能体。
这张图可以看到是在线体验的。
如果想自己搭建也行，过程很艰辛的哦，例如我自己搭建的时候就报错了，肯定是环境的问题，但是不好找，如果仔细搞一搞还是能搞出来的，加油。
后来看到其他大佬搭建出来还是非常羡慕的呢。
Nexent面板
进入后的效果是：
我们可以直接点击一键试用。
这里让再次登录，说明这是两个网址了啊。
管理员申请注册
需要注册管理员才能正常的操作：
注册就注册呗，还得先联系管理员，可以自己加一下管理员啊，然后给你方法。
大致操作步骤：
感谢共建，可以点亮星星并在留言墙发表留言来支持一下吗，谢谢！
Nexent技术或使用上的问题，可以直接发到 Nexent 的 GitHub Discussions 哦～ 👉
https://github.com/ModelEngine-Group/nexent/discussions那边会有技术专家实时回复，也方便其他同学一起看到、交流经验。
如果有使用体验、想法分享、或者对产品的建议、新点子啥的，也都可以在那里发帖讨论👏
我们按照上面的操作留言即可，然后等着就行，我是等到了。
硅基流动的APIKey获取
这里需要给一个APIKey，这就空唠唠的内容啊，我琢磨了好久，能找的地方都找了还是没找到，后来我就想着登录一下硅基流动看看，测试一下，没想到还真成了。
我们来登录硅基流动啊。
不知道网址的直接百度去搜索。
直接进入到官网即可，登录并认证一下。
这里我们拿到密钥复制一下即可哦。
接下来就得去粘贴了，过去瞅瞅。
填写APIKey后无反应解决方案
我是填写进去了，但是依然没有，下面说显示模型，我就点了，一下，然后还是没有。
这是时候其实是很崩溃的，然后有一个获取模型的按钮请点击。
成功获取模型
点击【获取模型】后就可以顺利的获取到对应的模型了，好家伙，终于搞出来了。
各种模型都可以选择，但是具体选哪个需要自己来决断啊，有些模型真的很贵。
模型是可以添加多个的，这个不限制呢。
我这里列几个常用的，优势也列一下，这三个模型都是免费的呢。
| 对比维度 | DeepSeek-R1-0528-Qwen3-8B | InternLM2.5-7B-Chat | Kolors |
|---|---|---|---|
| 模型名称 | DeepSeek-R1-0528-Qwen3-8B | InternLM2.5-7B-Chat | Kolors |
| 开发者/组织 | deepseek-ai | internlm | Kwai-Kolors（快手） |
| 模型类型 | 语言模型（推理） | 对话模型 | 文本到图像生成模型 |
| 参数量 | 8B | 7B | 大规模（未明确） |
| 基础架构 | 基于 Qwen3 8B Base，从 DeepSeek-R1-0528 蒸馏思维链 | InternLM2 架构 | 潜在扩散模型（Latent Diffusion） |
| 核心能力 | 数学推理、编程、通用逻辑推理 | 对话生成、中英双语交互 | 文本到图像生成、中英文字符渲染 |
| 性能表现 | SOTA 性能，AIME 2024 测试超越 Qwen3 8B 10%，达到 Qwen3-235B-thinking 水平 | 流畅、智能的对话体验 | 视觉质量高、复杂语义准确性好、中文字符渲染出色 |
| 训练数据 | 从 DeepSeek-R1-0528 蒸馏 | 未明确 | 数十亿文本-图像对 |
| 语言支持 | 未明确（推测支持中英文） | 中英双语 | 中英文输入 |
| 特色优势 | 1. 开源模型中的 SOTA 性能 2. 数学推理能力强 3. 编程能力出色 4. 逻辑推理优秀 | 1. 开源对话模型 2. 支持中英双语 3. 适用于多种对话场景 | 1. 视觉质量高 2. 复杂语义理解准确 3. 中文字符渲染优秀 4. 支持中英文输入 |
| 适用场景 | 数学问题求解、代码生成、逻辑推理任务 | 智能客服、个人助手、对话应用 | 图像生成、创意设计、视觉内容创作 |
| 分词器 | 共享 DeepSeek-R1-0528 的分词器 | 未明确 | 未明确 |
| 开源状态 | 开源 | 开源 | 未明确 |
推荐的三个免费模型用途
| 类型 | 模型 | 主要用途 |
|---|---|---|
| 推理型语言模型 | DeepSeek-R1-0528-Qwen3-8B | 数学推理、编程、逻辑推理 |
| 对话型语言模型 | InternLM2.5-7B-Chat | 对话交互、智能助手 |
| 生成型视觉模型 | Kolors | 文本到图像生成 |
按参数量分类
| 参数量级 | 模型 | 说明 |
|---|---|---|
| 7-8B | DeepSeek-R1-0528-Qwen3-8B InternLM2.5-7B-Chat | 中等规模语言模型 |
| 大规模 | Kolors | 大规模视觉生成模型 |
按应用场景分类
| 应用场景 | 推荐模型 | 理由 |
|---|---|---|
| 数学/编程/推理 | DeepSeek-R1-0528-Qwen3-8B | SOTA 推理性能，专长领域 |
| 对话交互 | InternLM2.5-7B-Chat | 专为对话优化，支持中英双语 |
| 图像生成 | Kolors | 高质量图像生成，中文字符渲染优秀 |
总结
到这里我们肯定是会引入 Nexent 的模型了，恭喜，后面是智能体我们就能创建了，有的时候一个人琢磨真的很难，但是问问已经琢磨过的人就会发现其实也不难，有兴趣的快来测试吧：https://modelengine-ai.net/
