GPT-6 Astra vs Nex N2.5 Pro: un agente de uso de computadora cobra por token

Un agente de uso de computadora es la única carga de trabajo en la que el precio por token deja de ser una abstracción. Tome una sola tarea —abrir un navegador, encontrar un registro, rellenar un formulario, verificar el resultado— y un agente que piensa entre cada acción la ejecutará en decenas de miles de tokens, y luego la repetirá diez mil veces. GPT-6 Astra, el buque insignia de OpenAI lanzado el 3 de septiembre de 2026, cobra 10,00 USD por millón de tokens de entrada y 50,00 USD por millón de salida por eso, con una banda duplicada por encima de 272.000 tokens. Nex-N2.5 Pro, el modelo de uso de computadora de 397.000 millones de parámetros que Nex-AGI anunció el 8 de septiembre de 2026, se creó para la misma clase de tarea y se publica bajo Apache-2.0, con instrucciones de servicio para un nodo de ocho H100. Ambos proveedores reportan cifras de OSWorld-2. Solo uno de ellos le ofrece un medidor que puede leer antes de empezar.

La fila de referencia que realmente se superpone

OSWorld-2 es lo más parecido a una vara de medir compartida entre estos dos, y vale la pena ver qué poco establece esa fila compartida. La ficha de Nex-AGI incluye Nex-N2.5 Pro con 56,4 en OSWorld-2, junto a Claude Opus 5 con 68,3 y Qwen3.8-Max con 46,7, cifras que cita de fuentes de tablas de clasificación y de proveedores. El material de lanzamiento de OpenAI para GPT-6 Astra reporta 72,6% en OSWorld 2.0 a aproximadamente 40 minutos por tarea, lo que describe como alrededor de un 47% menos de tiempo por tarea que GPT-5.6 Sol.

Esos dos números no pueden colocarse en la misma columna. Fueron producidos por laboratorios distintos, con harnesses distintos, en fechas distintas y con presupuestos de acción distintos, y Nex-AGI afirma claramente que sus evaluaciones de uso de computadora y uso de navegador pasaron por su propio harness NexCUA, el cual dice que publicará como código abierto, pero aún no lo ha hecho. Así que la lectura honesta del par es direccional y limitada: la cifra de OpenAI es la más alta, ambas son reportadas por el proveedor y ninguna ha sido reproducida. Lo que la fila sí establece es que ambas empresas consideran OSWorld-2 el benchmark que importa para esta clase de modelo, lo que te dice qué observar en una ejecución independiente.

El resto de la ficha de Nex-AGI es una tabla de un solo proveedor con la misma advertencia adjunta a cada línea:

• Uso de computadora, según el proveedor — OSWorld-2 56.4, OSWorld-Verified 82.2, OSWorld-G 87.4, WebArena-Verified 67.6, WebTest 52.8, Vision2Web 68.2

• Codificación y texto, según el fabricante — Terminal-Bench 2.1 en 82,7, SWE-Bench Pro 61,2, BrowseComp 89,7, AutomationBench v1.0.6 en 44,2

• El registro independiente de GPT-6 Astra — 53 en el Artificial Analysis Intelligence Index, 44,6 tokens de salida por segundo, $3,26 por tarea del índice completada, séptimo de 216 en inteligencia y 168.º de 185 en velocidad

• Récord del proveedor de GPT-6 Astra — 98 % en FrontierMath Nivel 4, 99,9 % en ARC-AGI-3 (62,7 % con el entorno de pruebas estándar de ARC Prize, 99,9 % con un adaptador de proveedor), 100 % en ExploitBench, 57,9 % en Terminal-Bench 4.0

Lee esas cuatro líneas en conjunto y la asimetría queda clara. Astra tiene una tabla de clasificación independiente y una tabla del proveedor que no coinciden entre sí, lo que al menos te da algo que sopesar. Nex-N2.5 Pro solo tiene la tabla del proveedor: no hay entrada de Artificial Analysis para él, ni página alguna para ningún modelo Nex en ese panel, así que cada cifra anterior lleva la autoridad de Nex-AGI y nada más.

Qué es el segundo número en la tarjeta: los pesos aterrizaron

El repositorio de Nex-N2.5 Pro en Hugging Face se creó el 8 de septiembre de 2026, y cuando se anunció la familia, la tarjeta del modelo incluía un aviso de próximamente para los pesos. Esa brecha ya se cerró. El repositorio ahora contiene 122 fragmentos de safetensors que suman aproximadamente 407 GB, publicados bajo Apache-2.0, y la tarjeta documenta la receta de servicio con suficiente detalle para ejecutarlo sin necesidad de hacer ingeniería inversa.

Esa receta vale la pena leerla antes de evaluar la comparación, porque es el argumento a favor del modelo tanto como cualquier fila de benchmark. Nex-N2.5 Pro es una mezcla dispersa de expertos: 397 mil millones de parámetros en total con aproximadamente 17 mil millones activos por token. El despliegue documentado es un único nodo de ocho H100 ejecutando una compilación personalizada de SGLang —nexagi/sglang:v0.5.18-nex-patch— con paralelismo de tensores en los ocho, el analizador de razonamiento Qwen3 y el analizador de llamadas a herramientas Qwen3-coder habilitados, una longitud de contexto de 262,144 tokens y muestreo recomendado con temperatura 0.7, top_p 0.95, top_k 40. Ocho H100 constituyen una huella sustancial pero rutinaria. Como solo se activan 17 mil millones de parámetros por token, el cómputo por acción sigue siendo pequeño aunque la huella de pesos sea grande —que es la razón principal por la que un modelo de 397B puede desplegarlo cualquiera que no sea un hiperescalador.

El contexto de 262,144 tokens es la especificación que decide la mayoría de los diseños de agentes. La ventana de Astra es de 1,050,000 tokens con un techo de salida de 128,000 tokens, y sus propias bandas de servicio encarecen el extremo largo: por encima de 272,000 tokens de entrada, toda la solicitud se vuelve a tarificar a $20.00 de entrada y $75.00 de salida, con lecturas de caché a $2.00 y escrituras de caché a $25.00. La longitud de servicio de 262,144 tokens de Nex-N2.5 Pro se sitúa justo por debajo de esa línea, lo que es o una coincidencia o una especificación escrita por alguien que lee las páginas de precios de otros proveedores. En cualquier caso, la consecuencia práctica es que un bucle de agente que mantiene un historial de sesión largo en Nex-N2.5 Pro nunca cruza el límite de nivel que aproximadamente duplica el coste de entrada de Astra.

A dónde va el dinero a lo largo de diez mil ejecuciones

El precio por token es la unidad equivocada para esta carga de trabajo, y vale la pena ser concreto sobre por qué. Un agente de navegador que completa una tarea en cien acciones envía cien solicitudes, cada una con el estado de sesión acumulado. Incluso con la caché de prompts haciendo un trabajo real, el lado de entrada crece con el cuadrado del número de acciones, mientras que el lado de salida crece de forma lineal con él. Esa es la forma que convierte una tarjeta de tarifas en una línea de presupuesto.

Los dos modelos responden a esa forma de manera diferente, y la diferencia no se debe principalmente a los números:

• Estructura de costos — GPT-6 Astra con tarifa por consumo de $10.00 de entrada / $1.00 en caché / $12.50 por escrituras de caché / $50.00 de salida por 1M, duplicándose por encima de 272K tokens frente a Nex-N2.5 Pro por consumo o autoalojado, sin tarifa de lista publicada de Nex-AGI para el nivel Pro

• Requisito de capital — GPT-6 Astra: ninguno, es una API, frente a Nex-N2.5 Pro: un solo nodo de ocho H100s, o un endpoint alojado cuyos términos comerciales fija el proveedor

• Contexto en tiempo de servicio — GPT-6 Astra 922.000 tokens de entrada, 128.000 de salida frente a Nex-N2.5 Pro 262.144 tokens según lo documentado en la configuración de lanzamiento

• Control del razonamiento — GPT-6 Astra reasoning.effort de low a max vs Nex-N2.5 Pro reasoning_effort en none, medium (adaptativo, el predeterminado) o high

• Entrada — GPT-6 Astra: texto, imagen y archivo según los listados del enrutador; texto e imagen según la propia página de OpenAI, frente a Nex-N2.5 Pro: texto e imagen, con la visión tratada como el canal de percepción del agente en lugar de una segunda modalidad

Pesos — GPT-6 Astra cerrado vs Nex-N2.5 Pro Apache-2.0, 122 fragmentos, aproximadamente 407 GB

Esa última fila es la que cambia la aritmética, no el precio. Si eres dueño de las ocho H100 y no están ocupadas con otra cosa, el costo marginal de la siguiente ejecución de agente se acerca al de la electricidad, y ningún competidor por token alcanza esa cifra a ningún volumen. Si no eres dueño de ellas, la línea de capital es la comparación, y una API de pago por uso empieza a parecer barata exactamente de la misma forma en que un coche de alquiler parece barato al lado de un pago de coche — hasta que lo conduces todos los días durante tres años.

La versión honesta de la pregunta de comprar frente a construir aquí es la utilización. Una carga de trabajo de agentes que se ejecuta de forma continua hace que el nodo parezca una ganga; una que tiene picos durante el horario laboral y queda inactiva durante la noche hace que la flexibilidad de la API justifique su sobrecoste. La ficha de ninguno de los proveedores te dirá cuál tienes, y ninguna fila de benchmark sustituye al número que produce tu propio tráfico.

Una cosa que la tarjeta del Nex-N2.5 Pro no te dirá es su precio. Nex-AGI no publica ninguna tarifa de lista por token para el nivel Pro; el modelo llegó primero a los usuarios a través de endpoints alojados enlazados desde su propia tarjeta, y los términos comerciales son cosa del proveedor, no algo que una página externa deba estimar. Este artículo no publica ninguna.

Lo que cada uno está realmente diseñado para hacer

La diferencia más clara entre estos dos no es la capacidad, sino el bucle en torno al cual fueron diseñados. El planteamiento de Nex-AGI para la familia N2.5 es que la visión no es meramente una modalidad de entrada, sino la interfaz a través de la cual el agente percibe su entorno, verifica el resultado de una acción y decide qué hacer a continuación. Nex-N2.5 Pro está entrenado posteriormente a partir del linaje Qwen3.5 específicamente para ese bucle de percepción y verificación, en sesiones de navegador y escritorio, con autocorrección a partir del resultado visual. Su control de razonamiento refleja el mismo diseño: el modo predeterminado es adaptativo, lo que permite al modelo decidir cuánto pensar antes de cada acción, con un modo sin razonamiento disponible para pasos que claramente no lo necesitan. Para un agente que toma cientos de decisiones secuenciales, el control del pensamiento por paso es una palanca de coste, no un dial de calidad, y la configuración predeterminada es la que importa.

El posicionamiento de GPT-6 Astra es más amplio, y su propuesta de uso de computadora viene con una estructura de precios que asume ejecuciones prolongadas. OpenAI lo vende para trabajo profesional de horizonte largo y de principio a fin — llevar una tarea desde una instrucción hasta un artefacto terminado usando una computadora tal como lo haría una persona —, y la ventana de 1.050.000 tokens es la especificación que hace posibles esas ejecuciones sin resumir. Eso constituye una ventaja genuina para el tipo de tarea en el que el agente todavía debe encontrar un requisito que se le dio horas atrás; también es la razón por la que existe la banda de 272.000 tokens, y cualquiera que ejecute Astra como agente debería leer esa banda como el precio de la función y no como una penalización.

Dos hechos operativos sobre Astra deben figurar en cualquier evaluación de este como plataforma de agentes, porque ambos afectan a un bucle de producción. Su rendimiento medido es de 44,6 tokens de salida por segundo en la prueba de Artificial Analysis, lo cual es lo bastante lento como para importar cuando cada una de cien acciones espera una respuesta. Y Astra es el primer modelo de O​penAI que cruza el umbral de capacidades de ciberseguridad Críticas de la compañía, lo que significa que, tal como se distribuye, rechaza tareas avanzadas de ciberseguridad y que esa maquinaria de salvaguarda se sitúa en la ruta de la solicitud: en ChatGPT y Codex puede pedirse al usuario que revise una acción, mientras que en la API la tarea simplemente se detiene. Para un agente de seguridad defensiva eso es una restricción real; para un agente ordinario de procesos de negocio es prácticamente invisible.

Ejecutar ambos, y qué hace un router al respecto

Nex-N2.5 Pro no está en OrcaRouter y esta página no afirma que lo esté — es un checkpoint Apache-2.0 de un laboratorio más nuevo, y tu ruta hacia él son los servicios alojados propios de Nex-AGI, una plataforma de terceros, o el despliegue de ocho H100 que documenta su ficha. GPT-6 Astra está en nuestro catálogo como openai/gpt-6-astra, a las tarifas de lista de OpenAI traspasadas con un 0% de margen nuestro, así que un cambio en cualquiera de sus cuatro medidores recae en tu clave existente el mismo día en que se publica.

Esa división es lo que hace que una flota mixta sea práctica y no teórica. Un equipo que quiera averiguar si un agente de uso de computadora autoalojado maneja su carga de trabajo puede poner el modelo de consumo medido detrás del mismo endpoint compatible con OpenAI al que ya llama, dirigir una porción del tráfico al checkpoint y comparar tareas terminadas por dólar en lugar de tokens por llamada, que es la única unidad que responde a la pregunta. La conmutación por error automática cubre los días malos del despliegue sin que nadie tenga que escribir una segunda integración, y también cubre los días malos de la API. La comparación que ha estado haciendo esta página es una comparación de estructuras de costos, y una estructura de costos es algo que se prueba con tu tráfico en lugar de leerlo de una tarjeta.

¿Cuál ejecutar?

Elige Nex-N2.5 Pro si la operación de computadora y navegador es el producto y no una característica de este, si ya operas con capacidad de GPU, o si Apache-2.0 es decisivo porque los datos que toca el agente no pueden salir de tu infraestructura. Presupuesta el nodo antes de presupuestar cualquier otra cosa y realiza tu propia evaluación de la cifra de OSWorld-2 antes de depender de ella: el arnés que la produjo aún no es público, y hasta que lo sea, 56.4 es una afirmación en lugar de un resultado.

Elige GPT-6 Astra si el trabajo necesita la cima de un contexto muy largo, si quieres un marcador independiente con el que contrastar una tabla de proveedor, o si prefieres no ejecutar GPUs en absoluto. Cuesta $10.00 y $50.00 por millón de tokens y $3.26 por tarea de indexación completada: la opción más cara de esta comparación y la que menos sobrecarga operativa conlleva. No le asignes un agente de prompts cortos y alto volumen; con esos tamaños de solicitud estás pagando una tarifa de gama alta por una carga de trabajo que un modelo más barato completa, y la franja de 272.000 tokens que justifica la tarifa es una que nunca usarás.

El resumen que vale la pena conservar es que estos dos tienen precios definidos según restricciones diferentes. El costo de Nex-N2.5 Pro es un nodo, y su economía mejora cuanto más lo usas. El costo de GPT-6 Astra es un medidor, y su economía es plana sin importar cuánto lo uses. Para un agente de uso de computadora que se ejecuta de forma continua, esa diferencia se acumula más rápido que cualquier brecha de benchmark entre ellos.

Un lanzamiento también es el momento de revisar lo que ha salido mal antes: los incidentes documentados de IA y los fallos de agentes relacionados con modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.