NEX 六人团队研发的 Ikon 2 AI 绘画模型，仅用 9 万 GPU 小时、1/6 行业预算，在 GenEval 提示匹配度评测中力压 DALL·E 3、Flux 和 DeepSeek Janus 登顶榜首，以极低成本实现高精度图像生成。
NEX 推出新的 AI 绘画模型 Ikon 2，在评估提示词与画面匹配度的基准测试 GenEval Overall Score 中，超越 Dall·E 3、Flux、DeepSeek Janus，拔得头筹。
打造 Ikon 模型的团队仅有 6 人，预算是其他同类模型的 1/6，模型训练也只花费了 9 万 GPU 小时，比其他 AI 绘画模型少的多。
three pizzas on a wooden table
four zebras in the wild
Fashion model with clothes in handNEX 访问地址：https://www.nex.art/
“上下文工程” 正取代 “提示词工程”，成为 AI Agent 开发的核心范式。随着模型能力提升、Agent应用普及及企业合规需求，交互重点从单轮指令转向多步骤工作流中的动态信息编排。该领域涵盖系统指令、用户输入、检索知识、对话历史及工具定义五层结构。由于上下文窗口资源有限且易出现中毒、分心等失败模式，需通过ACE框架实现上下文的自进化与增量更新。实操建议包括外部化状态、按需检索、压缩累积及隔离多Agent上下文。本质上，上下文工程是提示词工程的超集，标志着 AI 开发进入以系统架构和状态管理为主导的工程时代。
Hermes Agent 在接入 QQ 机器人时，常因长时间无业务流量触发 QQ 网关的 idle 超时机制（错误码 4009），导致即使心跳正常也会断线。由于 QQ C2C 场景天然低频，偶发的重连失败易使 Bot 进入“假死”状态。为解决此问题，采用 Hermes 内置的 Watch Dog 服务进行自动化监控：通过 cron job 每 5 分钟检查 Gateway 日志，若发现断连且未成功重连，则自动重启 Gateway。正常运行则静默处理。该方案无需 LLM 参与，零 Token 消耗。
掌握大语言模型（LLM）的核心在于理解其底层机制与交互技巧。首先，Token 是模型处理文本的最小单位，直接影响输入输出长度及费用。默认的非确定性模式赋予模型创意，但也导致结果不可预测。其次，温度、最大 Token 数和 Top-p 三个参数共同调控模型的随机性、回复长度及词汇选择范围，用户可根据精准或创意需求灵活调整。此外，受限于上下文窗口，模型仅能记忆当前对话片段，超出部分会被丢弃。最后，提示词质量决定输出效果，高质量的提示词应包含清晰指令、背景信息及期望格式，通过缩小猜测空间来提升回答的准确度。
围绕《NEX 的 Ikon 2 AI 绘画模型击败 Dall·E 3、Flux 等巨头，问鼎 GenEval 排行榜！》展开交流，未登录用户可浏览评论，登录后可参与讨论。