Step 5 Preview vs Nex N2.5 Pro: Eine Zahl, die Sie prüfen können, eine, die Sie nicht prüfen können

Die kursierende Zahl für Nex N2.5 Pro ist 82,7, sein vom Anbieter gemeldeter Wert auf Terminal-Bench 2.1. Die kursierende Zahl für Step 5 Preview auf einem gleichnamigen Benchmark ist 33 %. Diese beiden Zahlen sind nicht vergleichbar, und die Tatsache, dass sie regelmäßig nebeneinandergestellt werden, ist die deutlichste Veranschaulichung des Problems, das dieser Vergleich hat: Das eine Modell wurde von jemand anderem als seinem Hersteller gemessen, und das andere wurde von überhaupt niemand anderem gemessen. Step 5 Preview ging am 20. September 2026 auf der API von StepFun live und veröffentlichte seine Gewichte am 15. Oktober. Nex N2.5 Pro wurde am 8. September angekündigt und veröffentlichte innerhalb von wenigen Tagen nach dieser Ankündigung seine Apache-2.0-Checkpoints auf Hugging Face. Beide sind herunterladbar. Nur eines ist von außen bewertbar.

Diese Asymmetrie ist kein Seitenhieb auf die Ingenieurskunst von Nex N2.5 Pro. Sie ist eine Aussage über die Evidenz, und Evidenz ist das, worauf eine Beschaffungsentscheidung fußt.

Was Nex N2.5 Pro jetzt ist, da die Gewichte verfügbar sind

Viele Berichte beschreiben Nex N2.5 Pro immer noch als ein Modell, dessen Gewichte „bald verfügbar“ seien, weil das in der ersten Septemberwoche so auf seiner Modellkarte stand. Die Checkpoints sind seit Mitte September öffentlich: ein Mixture-of-Experts-Modell mit 397 Milliarden Parametern und etwa 17 Milliarden aktiven pro Token, nachtrainiert aus einer Qwen-3.5-Linie, unter Apache-2.0. Wer es als unveröffentlicht beschreibt, arbeitet mit einer veralteten Seite.

Was sich nicht verändert hat, ist die Messsituation. Die Benchmark-Zahlen des Anbieters – 82,7 bei Terminal-Bench 2.1, 61,2 bei SWE-bench Pro, 89,7 bei BrowseComp, 87,4 bei OSWorld-G – wurden mit NexCUA erzeugt, dem eigenen Computer-Use-Harness der Allianz, das sie nach eigenen Angaben als Open Source veröffentlichen will, aber bislang nicht veröffentlicht hat. Kein unabhängiger Evaluator hat für das Modell eine Seite veröffentlicht. Dieses Fehlen ist kein Zufall des Zeitpunkts; es ist eine Lücke, die über den gesamten Zeitraum bestanden hat, in dem die Modellgewichte herunterladbar waren.

Der Vergleich, der angestellt werden kann

Alles Folgende stammt aus veröffentlichten Quellen und nicht aus einem gemeinsamen Durchlauf, und jede Zeile nennt, woher die Zahl stammt. Das ist die ehrliche Obergrenze für dieses Paar.

• Parameter — Step 5 Preview: 600B gesamt, 27B aktiv. Nex N2.5 Pro: 397B gesamt, ~17B aktiv.

• Kontext – Vorschau von Schritt 5: 1 Mio. Token. Nex N2.5 Pro: 262.144 Token, mit einer dokumentierten Ausgabegrenze von etwa 236K.

• Modalität — Step 5 Preview: Text, Bild und Video als Eingabe, Text als Ausgabe. Nex N2.5 Pro: Text und Bild als Eingabe, Text als Ausgabe, wobei Vision als Feedback-Kanal für Computer-Use positioniert wird.

• Reasoning-Steuerung — Schritt-5-Vorschau: Denken ist immer aktiv, aber es gibt einen Aufwandsregler mit niedrig/mittel/hoch. Nex N2.5 Pro: Stufen keine, mittel (adaptiv, Standard) und hoch, sodass Reasoning vollständig deaktiviert werden kann.

• Gewichte — Step 5 Preview: BF16 und FP8 unter der StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• Preis — Step 5 Preview: 1,00 $ für Eingabe, 2,70 $ für Ausgabe, 0,10 $ gecacht pro Million Token auf StepFuns Preisliste. Nex N2.5 Pro: eine kostenlose gehostete Tarifstufe, wobei der Anbieter keinen Listenpreis veröffentlicht hat.

Die Lizenzzeile ist der eine Punkt, an dem Nex N2.5 Pro eindeutig einfacher ist. Apache-2.0 ist für jedes Legal-Team eine bekannte Größe; StepFuns Lizenz enthält kommerzielle Schwellenwerte, die Modellierung erfordern. Die Kontextzeile verhält sich umgekehrt, und der Unterschied liegt nahe bei einem Vierfachen — relevant, wenn Ihr Agent ganze Repositories oder Dokumentensätze liest.

Der Vergleich, der sich nicht ziehen lässt

Drei Dinge wären nötig, um diese beiden auf dieselbe Achse zu bringen, und keines davon existiert.

Zunächst einmal eine gemeinsame Benchmark-Version. Terminal-Bench 2.1 und Terminal-Bench 4.0 sind unterschiedliche Tests mit unterschiedlichen Aufgaben und unterschiedlicher Bewertung, und ein Ergebnis auf dem einen sagt nichts über das andere aus. Die Zahl 82,7 bezieht sich auf 2.1; die 33 % beziehen sich auf 4.0. Wer sie als direkten Vergleich darstellt, vergleicht eine Sprintzeit mit einer Marathon-Zwischenzeit.

Zweitens: ein gemeinsames Harness. Die Zahlen von Step 5 Preview stammen aus einem veröffentlichten Index, der eine feste Evaluationssuite gegen jedes Modell laufen lässt, das er auflistet. Die von Nex N2.5 Pro stammen aus Software, die sein eigener Anbieter geschrieben und nicht veröffentlicht hat. Selbst wenn die Benchmark-Namen übereinstimmten, würde das Scaffolding nicht übereinstimmen.

Drittens: irgendeine unabhängige Einschätzung. Auf den Evaluatoren, die einen Intelligenzindex veröffentlichen, gibt es keine Seite für Nex N2.5 Pro. Wir haben das direkt überprüft, statt es aus einem fehlenden Suchergebnis abzuleiten, und die Antwort ist heute dieselbe wie im September: nichts.

Was sich sagen lässt, ohne zu weit zu gehen, ist enger gefasst und dennoch nützlich: Nex N2.5 Pro beansprucht starke agentische Leistung in Benchmarks, in denen die unabhängig gemessenen Ergebnisse von Step 5 Preview im Mittelfeld liegen. Das ist ein Grund, es zu testen, nicht ein Grund, daran zu glauben.

Was ein kostenloser Endpunkt tatsächlich wert ist

Die gehostete Tarifstufe von Nex N2.5 Pro kostet nichts, was einen Preisvergleich in einen Risikovergleich verwandelt. Es gibt keinen veröffentlichten Listenpreis, also nichts, woran man sich modellhaft orientieren könnte, und kein Signal darüber, welchen Wert der Anbieter dem Modell beimisst. Angebote von Drittanbietern nennen je nach Host Preise im unteren zweistelligen Cent-Bereich pro Million Input-Tokens, und sie widersprechen sich so stark, dass keines davon als Position des Anbieters behandelt werden sollte.

Auch „kostenlos“ hat Verfügbarkeitskosten. Tracker, die den kostenlosen Endpunkt beobachten, melden schwankende Verfügbarkeit – eine Beobachtung Dritter, keine Angabe des Anbieters, und genau die Art von Sache, die für einen Prototyp bedeutungslos und für einen Produktionspfad ein Ausschlusskriterium ist. Ein Modell, auf das man sich nicht verlassen kann, ist nicht günstig; es ist unbepreistes Risiko mit einer Null auf der Rechnung.

Demgegenüber sind die $0,54 Mischrate und $2,35 pro abgeschlossener Indexaufgabe bei Step 5 Preview in absoluten Zahlen teuer und völlig nachvollziehbar. Eine Rechnung lässt sich anhand einer veröffentlichten Preisliste prognostizieren. Bei einer kostenlosen Tarifstufe, deren Bedingungen nicht schriftlich festgehalten wurden, ist das nicht möglich.

Die Bilanz von Step 5 Preview ist anders, nicht besser.

Es lohnt sich, genau zu sein, was Step 5 Preview tatsächlich hat, denn „es hat einen Score“ untertreibt den Unterschied, und „es ist besser“ übertreibt ihn. Step 5 Preview erreicht 29 auf der aktuellen Version des Artificial Analysis Intelligence Index – nicht die 44, die in der Berichterstattung zum Launch zitiert wurden, denn diese Index-Version wurde inzwischen ersetzt. Es liegt auf Platz sechs von siebzehn in seiner Vergleichsklasse, erzeugt 179 Ausgabe-Tokens pro Sekunde und kostet 2,35 US-Dollar pro Index-Aufgabe. Diese Messwerte stammen aus demselben Lauf, sind reproduzierbar und wurden von einem Evaluator erstellt, der kein kommerzielles Interesse am Ergebnis hat.

Was Ihnen das verschafft, ist eine Baseline. Sie wissen, wo das Modell im Verhältnis zu gut fünfzig anderen steht, die auf dieselbe Weise gemessen wurden, was bedeutet, dass Sie eine Erstentscheidung treffen können, ohne eine GPU zu mieten. Was es Ihnen nicht verschafft, ist eine Garantie, dass Step 5 Preview Nex N2.5 Pro bei Ihrer Arbeitslast schlagen wird. Bei Coding und Automatisierung sind die unabhängigen Ergebnisse von Step 5 Preview unspektakulär – 12 % bei FrontierCode 2.0, 33 % bei Terminal-Bench 4.0 – und ein Modell mit einem starken unveröffentlichten agentischen Anspruch ist genau die Art von Modell, das diese Zahlen schlagen könnte. Der Punkt ist, dass Sie es selbst herausfinden würden, statt es von einer Karte abzulesen.

Wem jeder Einzelne gehört

Nex N2.5 Pro richtet sich an Teams, die Computer-Use- und Browser-Agenten entwickeln, bereit sind, vor einer Festlegung eine eigene Evaluierung durchzuführen, und die eine Apache-2.0-Lizenz sowie einen aktiven 17B-Footprint schätzen, der auf bescheidene Hardware passt. Der kostenlose Endpunkt macht den Test günstig; der fehlende Listenpreis erschwert die Entscheidung für den Produktiveinsatz. Betrachten Sie die Hersteller-Benchmarks als Hypothese mit einem plausiblen dahinterstehenden Mechanismus – ein MoE aus der Qwen-Linie, nachtrainiert auf Screen-Reading-Aufgaben – und nicht als Ergebnis.

Step 5 Preview gehört zu Teams, deren Workload langkontext- und wissensintensiv ist und die einen Preis benötigen, den sie planen können. Es ist die teurere und transparentere Option, und seine Lizenz wirft in sehr großem Maßstab eine Frage auf, die die von Nex nicht aufwirft.

Keines der beiden steht heute im Katalog von OrcaRouter, daher kann dieser Beitrag Ihnen für keines von beiden einen günstigeren Endpunkt nennen. Was die Plattform bei einer solchen Entscheidung bietet, ist der Rest des Stacks auf einem Schlüssel: über 200 Modelle zum Listenpreis des Anbieters ohne Aufschlag, sodass eine Preisänderung eines Anbieters Sie noch am selben Tag erreicht, und automatisches Failover, sodass ein Modell, das Sie noch testen, nie zu einem Single Point of Failure wird. Das Muster, das bei einem noch nicht erprobten Modell funktioniert, besteht darin, einen kleinen Anteil des echten Traffics hinter einem bewährten Fallback an es zu leiten, zu messen und erst dann den Anteil zu verschieben. Das ist günstiger als ein Benchmark-Wettbewerb und weitaus informativer als eine Anbieterkarte.

Wenn Sie heute eine Antwort brauchen, ist {{1}}Step 5 Preview{{/1}} diejenige, die Sie in einem Design Review rechtfertigen können, denn jede Zahl, die damit verbunden ist, lässt sich von jemandem im Raum überprüfen. Wenn Sie einen Computer-Use-Agenten bauen und die Evaluierungsarbeit übernehmen können, ist {{2}}Nex N2.5 Pro{{/2}} die interessantere Wette – günstiger auszuprobieren, schwerer zu verteidigen und wirklich ungemessen. Der zu vermeidende Fehler besteht darin, {{3}}82.7{{/3}} als Tatsache und {{4}}$1.00{{/4}} als Nachteil zu behandeln, ohne zu bemerken, dass nur eine dieser beiden Zahlen eine zweite Quelle hat.