Nex-N2.6 tauscht Qwen gegen GLM aus: Nex-AGIs neues Agentenmodell kostet mehr und sagt weniger

Nex-N2.6 ging am 10. November 2026 ohne Launch-Post, ohne lesbare Modellkarte und ohne Benchmark-Tabelle in der eigenen kommerziellen API von Nex-AGI live. Was es jedoch mitbrachte, ist ein Wechsel des Basismodells: Während Nex-N2.5 Pro auf einem Qwen3.5-Mixture-of-Experts-Checkpoint nachtrainiert wurde, wurde Nex-N2.6 auf GLM-5.3-Flash, Z.ais multimodales Modell mit 320 Milliarden Parametern, nachtrainiert, und das Ergebnis bringt selbst rund 321 Milliarden Parameter mit. Es kam außerdem zu einem höheren Preis als das Modell, das es ablöst, auf den Markt — 0,12 US-Dollar pro Million Eingabe-Tokens und 0,40 US-Dollar pro Million Ausgabe-Tokens gegenüber 0,075 US-Dollar und 0,25 US-Dollar bei Nex-N2.5 Pro, eine Steigerung von 60 % bei beiden Tarifpositionen. Für eine Familie, die zwei Releases lang argumentiert hat, sie liefere Frontier-Agentenverhalten zu Open-Model-Preisen, ist ein Nachfolger, der mehr kostet und weniger dokumentiert, der interessante Teil dieses Launches, nicht der Launch selbst. Nex-N2.6 ist ein Single-Endpoint-Modell, und das ist das oben beschriebene operative Risiko. OrcaRouter bietet über 200 Modelle hinter einem OpenAI-kompatiblen Endpoint mit automatischem Failover, sodass der Fallback-Pfad, den Sie für ein nicht vermessenes Modell vorhalten, eine Routing-Regel statt einer zweiten Integration sein kann — und wenn wir ein Modell hosten, wird der Listenpreis des Anbieters ohne Aufschlag weitergegeben.

Was gibt es dort eigentlich zu sehen?

Das Modell ist kein Gerücht. Es ist derzeit aufrufbar, wird von Nex-AGI selbst mit fp8-Präzision bereitgestellt, und der Endpunkt meldet einen einwandfreien Zustand – 100 % Verfügbarkeit über die Zeitfenster, die der Katalog misst, etwa 35 Ausgabe-Tokens pro Sekunde und eine p50-Latenz von 2,81 Sekunden. Alles Folgende stammt aus diesem Eintrag und nicht vom Anbieter, denn der Anbieter hat nichts Weiteres veröffentlicht:

• Preis — $0.12 Eingabe / $0.40 Ausgabe pro Million Tokens, Cache-Lesevorgänge zu $0.024. Das Angebot weist dies als 20 % Rabatt auf einen durchgestrichenen Listenpreis von $0.15 / $0.50 aus, daher sollten Sie den aktuellen Betrag als Einführungspreis mit ungenanntem Ablaufdatum betrachten.

• Kontext — 262.144 Token, dasselbe Serving-Fenster wie bei jedem Modell der N2.5-Familie, mit einer maximalen Ausgabe von 235.929 Token.

• Modalität — Text und Bild als Eingabe, Text als Ausgabe. Es gibt keinen Audio- oder Videokanal und keine Bildgenerierung.

• Reasoning — verpflichtend, nicht optional. Der Endpunkt akzeptiert nur zwei Aufwandsstufen, hoch und mittel, und verwendet standardmäßig hoch. Das Denken lässt sich bei diesem Modell nicht deaktivieren.

• Tooling — Funktionsaufrufe, erzwungene Tool-Auswahl, strukturierte Ausgaben und Logprobs werden alle unterstützt, was genau das richtige Set für ein Agentenmodell ist und das Einzige an diesem Release, das vollständig spezifiziert ist.

• Gewichte — der Eintrag verlinkt ein Hugging-Face-Repository für Nex-N2.6. Dieses Repository zeigt statt einer öffentlichen Modellkarte eine Authentifizierungsaufforderung an, daher sind die Gewichte, die Konfiguration und etwaige Bewertungstabellen des Anbieters zum Zeitpunkt der Veröffentlichung nicht lesbar.

Der Basistausch ist die eigentliche Veränderung

Modellfamilien iterieren normalerweise, indem sie dasselbe Post-Training-Rezept skalieren. Nex-AGI tat etwas disruptiveres: Es änderte das Fundament. Nex-N2.5 Pro, veröffentlicht am 8. September, wurde auf einer Qwen3.5-Mixture-of-Experts-Basis mit 397 Milliarden Parametern aufgebaut, wobei etwa 17 Milliarden Parameter pro Token aktiv sind — die Architektur und der Tokenizer sind sichtbar von Qwen abgeleitet, und die Modellkarte gibt das auch an. Nex-N2.6 basiert auf GLM-5.3-Flash, dem Modell eines anderen Labors, einem anderen Tokenizer und einem anderen Parameterbudget: Die Karte von Z.ai beschreibt insgesamt 320 Milliarden bei 18 Milliarden aktiven Parametern, aufgebaut auf einem hybriden Sparse-and-Linear-Attention-Design statt auf dem Qwen-Stack.

Das ist mehr als eine Randnotiz. Eine geänderte Basis bedeutet, dass sich mit ihr auch der Tool-Call-Parser, das Chat-Template, der Tokenizer und die Fehlermodi geändert haben. Prompts, die auf Nex-N2.5 Pro abgestimmt wurden – insbesondere lange System-Prompts, die einen bestimmten Tool-Call-Dialekt vermitteln, und alles, was sich auf Qwens Token-Grenzen stützt, um Kosten zu steuern –, lassen sich nicht ohne Weiteres übertragen. Die einzige Verhaltensbehauptung, die Nex-AGI aufstellt, betrifft genau diese Schnittstelle: Das Modell, so heißt es, reduziert repetitives Reasoning und folgt den in der aktuellen Umgebung verfügbaren Tools genauer. Das ist etwas, das sich plausibel verbessern lässt, wenn man auf ein Modell umstellt, das selbst für agentische Arbeit abgestimmt wurde, und zugleich genau die Art von Aussage, die sich nur in den eigenen Traces zeigt, nicht in einer Benchmark-Tabelle. Vom Anbieter berichtet, nicht reproduziert und in einem einzigen Satz festgehalten.

Der Sekundäreffekt ist die Kostenvorhersehbarkeit. Nex-N2.5 Pro konnte vollständig ohne Reasoning betrieben werden, was es für kurze, mechanische Turns günstig machte. Nex-N2.6 kann das nicht. Jeder Aufruf denkt, standardmäßig mit hohem Aufwand. In einer Agentenschleife, die vierzig kleine Tool-Aufrufe auslöst, um eine Datei zu finden, wird dieser Unterschied im Standardverhalten Ihre Rechnung stärker bewegen als die beworbene Rate von 60 %.

Ein Nachfolger, der 60 % mehr kostet

Die Preisentwicklung verdient einen Moment des Innehaltens, denn sie kehrt die übliche Generationen-Erzählung um. Pro Million Tokens: Nex-N2.5 Pro zu 0,075 $ Eingabe / 0,25 $ Ausgabe, Nex-N2.6 zu 0,12 $ Eingabe / 0,40 $ Ausgabe. Gleiches Kontextfenster. Gleiche Modalität. Ein neueres Modell aus demselben Labor, auf einer kleineren Basis, zum 1,6-fachen Satz.

Legt man eine realistische Agenten-Arbeitslast zugrunde – zehn Millionen Eingabe-Tokens und zwei Millionen Ausgabe-Tokens pro Monat, was einem moderaten Coding-Agenten in einem ausgelasteten Team entspricht –, ergeben sich 1,20 $ plus 0,80 $, also 2,00 $ pro Monat mit Nex-N2.6. Dieselbe Arbeitslast auf Nex-N2.5 Pro kostet 0,75 $ plus 0,50 $, also 1,25 $. Beides sind Rundungsfehler im Vergleich zu den Frontier-Modellen. Das ist die ehrliche Einschätzung: Nex-N2.6 ist teurer als sein Vorgänger und kostet immer noch etwa ein Sechzehntel eines Flaggschiffs, die Preiserhöhung ist also eher ein Signal zur Positionierung als ein Budgetproblem.

Wo der Anstieg wirklich zubeißt, ist beim Volumen, und wo das verpflichtende Reasoning zubeißt, ist im Tail. Ein Modell, das immer mit hohem Aufwand denkt, gibt Output-Tokens aus, die Sie nicht angefordert haben, und 0,40 $ pro Million Output-Tokens in einer reasoning-intensiven Schleife sind eine andere Zahl als 0,40 $ bei kurzen Antworten. Messen Sie Tokens pro abgeschlossener Aufgabe, nicht den Preis pro Token, bevor Sie irgendetwas daraus schließen.

Ein struktureller Hinweis dazu, wie diese Preise weitergegeben werden: Ein Gateway, das die Listenpreise der Anbieter mit 0 % Aufschlag durchreichthat keine separate Preisliste abzugleichen, sodass eine Preissenkung des Anbieters oder ein auslaufender Rabatt noch am selben Tag sichtbar wird und nicht erst zur nächsten Vertragsverlängerung. OrcaRouter funktioniert so. Hier ist auch der ehrliche Ort, um zu sagen, was wir nicht haben – im OrcaRouter-Katalog ist heute kein Nex-AGI-Checkpoint enthalten, daher ist Nex-N2.6 ein Modell, das Sie direkt bei einem Anbieter zu einem Preis aufrufen. Diese Ein-Anbieter-Struktur ist das eigentliche operative Risiko in dieser Version, und es lohnt sich, sie einzuplanen, selbst wenn Sie unser Produkt nie anfassen: Ein Modell mit einem Endpunkt, keinen veröffentlichten Gewichten und keinem zweiten Host hat keine Ausweichmöglichkeit.

Die Evidenzlücke ist der Teil, der eingepreist werden muss.

Die vorherige Veröffentlichung von Nex-AGI kam mit einem kompletten Apparat: eine Anbieterseite mit Benchmark-Diagrammen, eine Hugging-Face-Karte mit Text- und multimodalen Tabellen, die die Familie mit Claude Opus 5, GPT-5.6 Sol, Kimi-K3 und Qwen3.8-Max vergleichen, und ein dokumentiertes Serving-Rezept auf acht H100s. Nex-N2.6 kam mit einem Absatz.

Prüfen Sie, was fehlt – und es ergibt eine konsistente Liste. Die Website des Anbieters selbst bewirbt weiterhin die Nex-N2.5-Familie und erwähnt N2.6 in keiner Form, die wir laden konnten. Die GitHub-Organisation hat Repositories für Nex-N2.5, NexRT und das NexAU-Agent-Framework, aber keines für N2.6. ModelScope liefert keinen Eintrag für den Checkpoint. Das in der Auflistung genannte Hugging Face Repository ist nicht öffentlich lesbar. Auf Artificial Analysis gibt es keinen Eintrag, somit gibt es überhaupt keine unabhängige Bewertung – nicht einmal eine schwache, gar keine. Zum Zeitpunkt der Veröffentlichung besteht die gesamte öffentliche Evidenzbasis für dieses Modell aus einem Preis, einer Kontextlänge, einer Modalität, einer Parameteranzahl und einem Satz zur Positionierung.

Das ist nicht dasselbe wie ein schlechtes Modell. Es ist ein Modell, dessen Behauptungen du nicht überprüfen kannst, von einem Labor, das die Prüfungen früher schon geliefert hat. Die richtige Haltung ist die, die du bei jeder nicht gemessenen Abhängigkeit einnehmen würdest: Probier es an Arbeit aus, die du selbst bewerten kannst, halte das vorherige Modell als Fallback angeschlossen und verlege keinen Produktionspfad darauf, nur weil die Versionsnummer gestiegen ist.

Wer sollte umziehen, und wer sollte warten

Es gibt einen echten Grund, jetzt zu wechseln, und er ist eng umrissen. Wenn Ihr Agent-Harness sein Budget damit verbringt, gegen das Modell statt gegen die Aufgabe zu kämpfen – dieselbe Datei erneut zu lesen, eine bereits gezogene Schlussfolgerung erneut herzuleiten oder Tool-Aufrufe in einem Dialekt auszugeben, den Ihr Schema zurückweist –, dann zielt ein Modell, das ausdrücklich darauf abgestimmt ist, repetitives Reasoning zu reduzieren und die verfügbaren Tools zu respektieren, direkt auf Ihr Problem, und bei $0.12/$0.40 kostet das Experiment fast nichts. Bildeingabe plus Function Calling in einem einzigen Endpoint machen es zudem für screenshot-getriebene QA nutzbar, ohne ein zweites Modell zwischenzuschalten.

Die Begründung fürs Warten ist weiter gefasst. Wenn Ihre Workload bereits auf Nex-N2.5 Pro läuft, ist schon der Basisaustausch eine Migration, und Sie würden sie für ein Modell durchführen, das pro Token mehr kostet, nicht mit deaktiviertem Reasoning betrieben werden kann, nicht heruntergeladen werden kann und keine veröffentlichte Bewertung hat. Es gibt noch keine Belege dafür, dass N2.6 bei irgendetwas besser ist außer bei den zwei Verhaltensweisen, die sein Autor nennt.

Was das Bild verändern würde, in grober Reihenfolge nach Nützlichkeit: dass die Model Card mit eigenen Benchmark-Tabellen beginnt, ein erster unabhängiger Score auf einem öffentlichen Leaderboard erscheint, die Gewichte tatsächlich unter einer nutzbaren Lizenz veröffentlicht werden und ein zweiter Anbieter es hostet, sodass das Risiko eines einzigen Endpunkts entfällt. Bis mindestens zwei davon eintreten, ist Nex-N2.6 eine vielversprechende, aber nicht gemessene Option statt eines empfohlenen Upgrades – was angesichts des Preisanstiegs die ganze Geschichte ist.

Wie der Basiswechsel auf dem Papier aussieht

Der entscheidende Vergleich ist nicht Nex-N2.6 gegen ein Frontier-Modell. Er lautet Nex-N2.6 gegen den Checkpoint, den es ersetzt, denn das ist die Migration, die alle, die bereits auf diese Familie setzen, vollziehen sollen.

Liest man die Liste von oben nach unten, zeigt sich das Muster eines Modells, das in einem einzigen Schritt kleiner, teurer, weniger konfigurierbar und weniger nachprüfbar geworden ist. Das ist nicht automatisch ein schlechterer Tausch – eine auf agentische Werkzeugnutzung abgestimmte Basis mit 321 Milliarden Parametern kann eine mit 397 Milliarden Parametern schlagen, die für etwas anderes abgestimmt wurde, und der Preis pro Token ist in absoluten Zahlen gering. Aber es ist ein Tausch, und der Anbieter hat den Vergleich nicht veröffentlicht, der es jemandem ermöglichen würde, ihn zu beurteilen. Bis sich das ändert, ist der Austausch der Basis die Geschichte, und die Benchmark-Tabelle ist das fehlende Kapitel.