GPT-6 Astra vs. Nex N2.5 Pro: Ein Computer-Use-Agent rechnet pro Token ab

Ein Computer-Use-Agent ist die eine Workload, bei der die Preisgestaltung pro Token aufhört, eine Abstraktion zu sein. Nehmen Sie eine einzige Aufgabe – einen Browser öffnen, einen Datensatz finden, ein Formular ausfüllen, das Ergebnis überprüfen –, und ein Agent, der zwischen jeder Aktion nachdenkt, wird dafür Zehntausende von Tokens verbrauchen und das dann zehntausend Mal wiederholen. GPT-6 Astra, O​penAIs Flaggschiff, veröffentlicht am 3. September 2026, berechnet dafür 10,00 $ pro Million Input-Tokens und 50,00 $ pro Million Output-Tokens, mit einem verdoppelten Tarif oberhalb von 272.000 Tokens. Nex-N2.5 Pro, das 397 Milliarden Parameter starke Computer-Use-Modell, das Nex-AGI am 8. September 2026 angekündigt hat, wurde für dieselbe Klasse von Aufgaben entwickelt und ist unter Apache-2.0 veröffentlicht, mit Serving-Anweisungen für einen Knoten mit acht H100s. Beide Anbieter nennen OSWorld-2-Werte. Nur einer von ihnen gibt Ihnen eine Anzeige, die Sie ablesen können, bevor Sie beginnen.

Die Benchmark-Zeile, die tatsächlich überlappt

OSWorld-2 ist das, was einem gemeinsamen Maßstab zwischen diesen beiden am nächsten kommt, und es lohnt sich zu sehen, wie wenig diese gemeinsame Zeile belegt. Die Karte von Nex-AGI listet Nex-N2.5 Pro mit 56,4 auf OSWorld-2 auf, daneben Claude Opus 5 mit 68,3 und Qwen3.8-Max mit 46,7, die sie aus Leaderboard- und Anbieterquellen zitiert. Das Einführungsmaterial von O​penAI für GPT-6 Astra meldet 72,6 % auf OSWorld 2.0 bei ungefähr 40 Minuten pro Aufgabe, was es als etwa 47 % weniger Zeit pro Aufgabe als GPT-5.6 Sol beschreibt.

Diese beiden Zahlen lassen sich nicht in dieselbe Spalte setzen. Sie wurden von verschiedenen Labors, mit verschiedenen Harnessen, zu verschiedenen Zeitpunkten und mit unterschiedlichen Aktionsbudgets erzeugt – und Nex-AGI erklärt unumwunden, dass seine Computer-Use- und Browser-Use-Evaluierungen über seinen eigenen NexCUA-Harness liefen, den es nach eigenen Angaben open-sourcen will, dies aber bislang nicht getan hat. Eine ehrliche Lesart des Paares ist daher richtungsweisend und eng: OpenAIs Zahl ist die höhere, beide sind Anbieterangaben, und keine von beiden wurde reproduziert. Was die Zeile jedoch belegt, ist, dass beide Unternehmen OSWorld-2 als den Benchmark betrachten, der für diese Modellklasse zählt, was einem verrät, worauf man bei einem unabhängigen Lauf achten sollte.

Der Rest der Karte von Nex-AGI ist eine Single-Vendor-Tabelle, bei der jede Zeile mit demselben Vorbehalt versehen ist:

• Computernutzung, vom Anbieter angegeben — OSWorld-2 56,4, OSWorld-Verified 82,2, OSWorld-G 87,4, WebArena-Verified 67,6, WebTest 52,8, Vision2Web 68,2

• Codierung und Text, vom Anbieter gemeldet — Terminal-Bench 2.1 bei 82,7, SWE-Bench Pro 61,2, BrowseComp 89,7, AutomationBench v1.0.6 bei 44,2

• GPT-6 Astras unabhängiger Rekord — 53 im Artificial Analysis Intelligence Index, 44,6 Ausgabe-Tokens pro Sekunde, 3,26 $ pro abgeschlossener Index-Aufgabe, Platz 7 von 216 bei der Intelligenz und Platz 168 von 185 bei der Geschwindigkeit

• Anbieterangaben zu GPT-6 Astra — 98 % FrontierMath Tier 4, 99,9 % ARC-AGI-3 (62,7 % unter der Standard-Testumgebung von ARC Prize, 99,9 % mit einem Anbieter-Adapter), 100 % ExploitBench, 57,9 % Terminal-Bench 4.0

Lesen Sie diese vier Zeilen zusammen, und die Asymmetrie ist klar. Astra hat eine unabhängige Rangliste und eine Anbietertabelle, die sich gegenseitig widersprechen, was Ihnen zumindest etwas zum Abwägen gibt. Nex-N2.5 Pro hat nur die Anbietertabelle – es gibt keinen Artificial-Analysis-Eintrag dafür und keine Seite für irgendein Nex-Modell auf dieser Rangliste –, sodass jede oben genannte Zahl allein die Autorität von Nex-AGI trägt und sonst nichts.

Was die zweite Zahl auf der Karte ist: Die Gewichte sind gelandet.

Das Nex-N2.5 Pro-Repository auf Hugging Face wurde am 8. September 2026 erstellt, und als die Familie angekündigt wurde, enthielt die Modellkarte einen Hinweis darauf, dass die Gewichte bald verfügbar sein würden. Diese Lücke ist geschlossen. Das Repository enthält jetzt 122 Safetensors-Shards mit insgesamt rund 407 GB, veröffentlicht unter Apache-2.0, und die Karte dokumentiert das Serving-Rezept detailliert genug, um es auszuführen, ohne etwas rückwärtsentwickeln zu müssen.

Dieses Rezept ist es wert, gelesen zu werden, bevor Sie den Vergleich bewerten, denn es ist ebenso sehr das Argument für das Modell wie jede Benchmark-Zeile. Nex-N2.5 Pro ist ein Sparse Mixture-of-Experts: 397 Milliarden Parameter insgesamt, wobei pro Token ungefähr 17 Milliarden aktiv sind. Das dokumentierte Deployment ist ein einzelner Node mit acht H100s, auf dem ein angepasster SGLang-Build läuft – nexagi/sglang:v0.5.18-nex-patch – mit Tensor-Parallelität über alle acht, aktiviertem Q​wen3-Reasoning-Parser und Q​wen3-coder-Tool-Call-Parser, einer Kontextlänge von 262.144 Token und empfohlenem Sampling bei Temperatur 0.7, top_p 0.95, top_k 40. Acht H100s sind ein beträchtlicher, aber routinemäßiger Footprint. Weil pro Token nur 17 Milliarden Parameter aktiviert werden, bleibt der Rechenaufwand pro Aktion klein, obwohl der Gewichtsspeicherbedarf groß ist – und genau das ist der Grund, warum ein 397B-Modell von jedem außer einem Hyperscaler deploybar ist.

Der Kontext von 262.144 Token ist die Spezifikation, die die meisten Agent-Designs entscheidet. Astras Fenster umfasst 1.050.000 Token bei einer Ausgabeobergrenze von 128.000 Token, und seine eigenen Service-Stufen machen das obere Ende teuer: Oberhalb von 272.000 Eingabe-Token wird die gesamte Anfrage mit 20,00 $ Eingabe und 75,00 $ Ausgabe neu bepreist, mit Cache-Lesevorgängen zu 2,00 $ und Cache-Schreibvorgängen zu 25,00 $. Die Serving-Länge von 262.144 Token bei Nex-N2.5 Pro liegt knapp unter dieser Grenze, was entweder ein Zufall ist oder eine Spezifikation, die von jemandem geschrieben wurde, der die Preisseiten anderer Anbieter liest. Wie auch immer, die praktische Konsequenz ist, dass eine Agent-Schleife, die eine lange Sitzungshistorie auf Nex-N2.5 Pro hält, niemals die Tarifgrenze überschreitet, die Astras Eingabekosten ungefähr verdoppelt.

Wohin das Geld bei über zehntausend Durchläufen fließt

Der Preis pro Token ist die falsche Einheit für diese Workload, und es lohnt sich, konkret zu begründen, warum. Ein Browser-Agent, der eine Aufgabe in hundert Aktionen erledigt, sendet hundert Anfragen, die jeweils den angesammelten Sitzungszustand mit sich führen. Selbst wenn Prompt-Caching echte Arbeit leistet, wächst die Eingabeseite mit dem Quadrat der Aktionsanzahl, während die Ausgabeseite linear damit wächst. Das ist die Form, die aus einer Preisliste eine Budgetzeile macht.

Die beiden Modelle beantworten diese Form unterschiedlich, und der Unterschied betrifft nicht in erster Linie die Zahlen:

• Kostenstruktur — GPT-6 Astra wird mit 10,00 $ Eingabe / 1,00 $ gecacht / 12,50 $ Cache-Schreibvorgänge / 50,00 $ Ausgabe pro 1 Mio. abgerechnet; die Preise verdoppeln sich oberhalb von 272K Tokens – im Vergleich zu Nex-N2.5 Pro (abgerechnet oder selbst gehostet), wobei Nex-AGI keinen veröffentlichten Listenpreis für die Pro-Stufe angibt

• Kapitalbedarf — GPT-6 Astra: keiner, es ist eine API – im Gegensatz zu Nex-N2.5 Pro: ein einzelner Knoten mit acht H100s oder ein gehosteter Endpunkt, dessen kommerzielle Bedingungen der Anbieter festlegt

• Kontext zur Bereitstellungszeit — GPT-6 Astra 922.000 Eingabe-Tokens, 128.000 Ausgabe vs. Nex-N2.5 Pro 262.144 Tokens, wie in der Startkonfiguration dokumentiert

• Reasoning-Steuerung — GPT-6 Astra reasoning.effort von low bis max vs. Nex-N2.5 Pro reasoning_effort bei none, medium (adaptiv, Standard) oder high

• Eingabe — GPT-6 Astra: Text, Bild und Datei laut Router-Listings, Text und Bild laut der eigenen Seite von O​penAI vs. Nex-N2.5 Pro: Text und Bild, wobei Vision als Wahrnehmungskanal des Agenten und nicht als zweite Modalität behandelt wird

• Gewichte — GPT-6 Astra Closed-Source vs. Nex-N2.5 Pro Apache-2.0, 122 Shards, rund 407 GB

Die letzte Zeile ist diejenige, die eher die Rechnung als den Preis verändert. Wenn Sie die acht H100s besitzen und sie nicht anderweitig beschäftigt sind, nähern sich die Grenzkosten des nächsten Agentenlaufs den Stromkosten an, und kein Pro-Token-Wettbewerber erreicht diese Zahl bei irgendeinem Volumen. Wenn Sie sie nicht besitzen, ist die Kapitalkostenzeile der Vergleichsmaßstab, und eine nutzungsbasierte API beginnt genau so günstig auszusehen, wie ein Mietwagen neben einer Autofinanzierung günstig aussieht – bis Sie ihn drei Jahre lang jeden Tag fahren.

Die ehrliche Version der Frage „Kaufen oder selbst bauen“ ist hier die Auslastung. Eine Agent-Workload, die kontinuierlich läuft, lässt den Node wie ein Schnäppchen erscheinen; eine, die während der Geschäftszeiten Spitzenlast hat und nachts im Leerlauf ist, macht die Flexibilität der API ihren Aufpreis wert. Weder die Preisliste des einen noch die des anderen Anbieters verrät Ihnen, welche Sie haben, und keine Benchmark-Zeile ersetzt die Zahl, die Ihr eigener Traffic erzeugt.

Eines verrät die Nex-N2.5 Pro-Karte nicht: ihren Preis. Nex-AGI veröffentlicht keinen Listenpreis pro Token für die Pro-Stufe; das Modell erreichte Nutzer zuerst über gehostete Endpunkte, die von seiner eigenen Karte aus verlinkt sind, und die kommerziellen Bedingungen legt der Anbieter fest, statt dass eine externe Seite sie schätzen sollte. Dieser Artikel nennt keinen Preis.

Wofür jedes einzelne eigentlich gebaut ist

Der deutlichste Unterschied zwischen diesen beiden ist nicht die Fähigkeit, sondern die Schleife, um die herum sie entworfen wurden. Nex-AGIs Rahmung für die N2.5-Familie besagt, dass Vision nicht bloß eine Eingabemodalität ist, sondern die Schnittstelle, über die der Agent seine Umgebung wahrnimmt, das Ergebnis einer Aktion überprüft und entscheidet, was als Nächstes zu tun ist. Nex-N2.5 Pro ist aus der Qwen3.5-Linie speziell für diese Wahrnehmungs- und Prüfschleife nachtrainiert, in Browser- und Desktop-Sitzungen, mit Selbstkorrektur anhand des visuellen Ergebnisses. Seine Reasoning-Steuerung spiegelt dasselbe Design wider: Der Standardmodus ist adaptiv und lässt das Modell entscheiden, wie viel es vor jeder Aktion nachdenken soll, wobei ein Nicht-Denken-Modus für Schritte verfügbar ist, die ihn offensichtlich nicht benötigen. Für einen Agenten, der Hunderte aufeinanderfolgende Entscheidungen trifft, ist die Denksteuerung pro Schritt ein Kostenhebel, kein Qualitätsregler, und die Standardeinstellung ist diejenige, die zählt.

Die Positionierung von GPT-6 Astra ist breiter angelegt, und seine Computer-Use-Story geht mit einer Preisstruktur einher, die von langen Läufen ausgeht. O​penAI verkauft es für langfristige, durchgängige professionelle Arbeit – eine Aufgabe von einer Anweisung bis zu einem fertigen Artefakt zu führen, indem man einen Computer so nutzt, wie es ein Mensch tut –, und das Fenster von 1.050.000 Token ist die Spezifikation, die solche Läufe ohne Zusammenfassung möglich macht. Das ist ein echter Vorteil für die Klasse von Aufgaben, bei denen der Agent eine Anforderung, die ihm vor Stunden gegeben wurde, noch finden muss; es ist zugleich der Grund, warum das 272.000-Token-Band existiert, und wer Astra als Agent betreibt, sollte dieses Band als den Preis des Features lesen und nicht als Strafe.

Zwei operative Fakten über Astra gehören in jede Bewertung als Agentenplattform, weil beide einen Produktions-Loop beeinflussen. Sein gemessener Durchsatz liegt bei 44,6 Ausgabe-Tokens pro Sekunde in Analysis' Testlauf, was langsam genug ist, um ins Gewicht zu fallen, wenn jede einzelne von vielen Aufgaben auf ein Token wartet. Und Astra ist das OpenAI-Modell, das die Critical-Cybersecurity-Fähigkeitsschwelle des Unternehmens überschritten hat, was bedeutet, dass es im Auslieferungszustand fortgeschrittene Cyber-Aufgaben verweigert und dass sich die Schutzmechanik im Prozess befindet — in ChatGPT und Codex kann ein Nutzer gebeten werden, eine Aktion zu überprüfen, während es auf der API stoppt. Für einen Agenten für defensive Sicherheit ist das eine echte Einschränkung; für einen gewöhnlichen Geschäftsprozess-Agenten ist sie praktisch unsichtbar.

Beides ausführen, und was ein Router damit macht

Nex-N2.5 Pro ist nicht auf OrcaRouter verfügbar, und diese Seite behauptet das auch nicht – es ist ein Apache-2.0-Checkpoint aus einem neueren Labor, und dein Weg dorthin führt über die eigenen gehosteten Dienste von Nex-AGI, eine Drittplattform oder das Acht-H100-Deployment, das seine Modellkarte dokumentiert. GPT-6 Astra ist in unserem Katalog als openai/gpt-6-astra gelistet, zu OpenAIs Listenpreisen, durchgereicht mit 0 % Aufschlag unsererseits, sodass eine Änderung an einem seiner vier Zähler noch am selben Tag, an dem sie veröffentlicht wird, auf deinem bestehenden Schlüssel wirksam wird.

Diese Aufteilung macht eine gemischte Flotte praktisch statt theoretisch. Ein Team, das herausfinden möchte, ob ein selbst gehosteter Computer-Use-Agent seine Arbeitslast bewältigt, kann das abgerechnete Modell hinter denselben OpenAI-kompatiblen Endpoint hängen, den es bereits aufruft, einen Teil des Datenverkehrs auf den Checkpoint lenken und abgeschlossene Aufgaben pro Dollar statt Tokens pro Aufruf vergleichen — die einzige Einheit, die die Frage beantwortet. Automatisches Failover deckt die schlechten Tage des Deployments ab, ohne dass jemand eine zweite Integration schreiben muss, und es deckt auch die schlechten Tage der API ab. Der Vergleich, den diese Seite angestellt hat, ist ein Vergleich von Kostenstrukturen, und eine Kostenstruktur testet man an seinem Datenverkehr, statt sie von einer Karte abzulesen.

Welches soll ausgeführt werden?

Wählen Sie Nex-N2.5 Pro, wenn der Computer- und Browserbetrieb das Produkt und nicht bloß ein Merkmal davon ist, wenn Sie bereits GPU-Kapazität betreiben oder wenn Apache-2.0 ausschlaggebend ist, weil die Daten, die der Agent berührt, Ihre Infrastruktur nicht verlassen dürfen. Veranschlagen Sie den Node, bevor Sie irgendetwas anderes veranschlagen, und führen Sie Ihre eigene Bewertung der OSWorld-2-Zahl durch, bevor Sie sich darauf verlassen – die Testumgebung, die sie erzeugt hat, ist noch nicht öffentlich, und bis dahin ist 56,4 eine Behauptung und kein Ergebnis.

Wählen Sie GPT-6 Astra, wenn die Arbeit die Spitze eines sehr langen Kontexts benötigt, wenn Sie eine unabhängige Bestenliste wünschen, die Sie gegen eine Anbietertabelle abwägen können, oder wenn Sie lieber überhaupt keine GPUs betreiben möchten. Es kostet 10,00 $ und 50,00 $ pro Million Token und 3,26 $ pro abgeschlossener Indexaufgabe — die teuerste Option in diesem Vergleich und die mit dem geringsten operativen Aufwand. Setzen Sie keinen Agenten mit kurzen Prompts und hohem Volumen darauf an; bei diesen Anfragegrößen zahlen Sie einen Flagship-Tarif für eine Arbeitslast, die ein günstigeres Modell erledigt, und das 272.000-Token-Band, das die Tarifkarte rechtfertigt, werden Sie nie nutzen.

Die Zusammenfassung, die es wert ist, festgehalten zu werden, ist, dass diese beiden anhand unterschiedlicher Beschränkungen bepreist werden. Die Kosten von Nex-N2.5 Pro sind ein Knoten, und seine Wirtschaftlichkeit verbessert sich, je mehr man es nutzt. Die Kosten von GPT-6 Astra sind ein Zähler, und seine Wirtschaftlichkeit bleibt gleich, egal wie viel man es nutzt. Für einen Computer-Use-Agenten, der kontinuierlich läuft, summiert sich dieser Unterschied schneller als jede Benchmark-Lücke zwischen ihnen.

Eine Veröffentlichung ist zugleich der Moment, zu prüfen, was zuvor schiefgelaufen ist: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle rund um Modelle dieser Klasse sind gesammelt in dem OrcaRouter AI Incident Archive , wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Vertrauensstufe und seine Kennzeichnung als umstritten trägt.