Nex-N2.5 Pro vs MiniMax M3: la presunta diferencia de 34 puntos y el modelo que realmente puedes descargar

El número más llamativo en este enfrentamiento es 56.4 frente a 22.3 — y el menos verificable. Esas son las puntuaciones de OSWorld-2 que el Nex-N2.5 Pro de Nex-AGI y el M3 de MiniMax ostentan en la propia tarjeta de benchmark del nuevo modelo: el Pro con 56.4, el M3 de MiniMax con 22.3, una brecha de 34 puntos en el benchmark de uso de computadora de largo horizonte contra el que ahora se mide todo agente GUI serio. El Nex-N2.5 Pro, presentado el 8 de septiembre de 2026, es el agente multimodal de 397B totales / ~17B activos cuyos pesos todavía figuran como "próximamente". El MiniMax M3, lanzado el 1 de junio de 2026, es el buque insignia multimodal de pesos abiertos, de 428B totales / ~23B activos, que también acepta entrada de video, ofrece un contexto de 1M con MiniMax Sparse Attention y se puede descargar desde principios de junio. Uno de esos dos modelos puedes descargarlo del hub y ejecutarlo esta misma noche. El otro es una versión preliminar alojada con una promesa. Y la brecha de 34 puntos que hace que este enfrentamiento valga la pena la publica el proveedor del modelo que no puedes ejecutar, sobre un benchmark donde incluso la puntuación del vigente líder es reportada por su propio proveedor.

Así que esta página trata, en realidad, de cómo sopesar una ventaja llamativa e inverificable frente a una modesta y parcialmente verificable, y de qué le hace al argumentario del modelo caro la existencia del modelo barato. MiniMax M3 es el contrapeso contra el que todo especialista pendiente de los pesos tiene que pronunciarse: ya hace la mayor parte del trabajo, cuesta casi nada y sus archivos están en tu disco. Para que Nex-N2.5 Pro importe, la afirmación de los 34 puntos debe superar las tres comprobaciones que vienen a continuación.

Primera comprobación: ¿están los números midiendo siquiera lo mismo?

OSWorld-2 es la extensión de horizonte largo y de mundo real del benchmark OSWorld original: un agente opera software de escritorio real en tareas de múltiples pasos y se evalúa según logre trabajo real, no según haga clic en el botón correcto. Es drásticamente más difícil que su predecesor, y es el benchmark donde Nex-AGI afirma que su nivel Pro se separa del resto de modelos multimodales. Pero veamos de dónde salen las dos filas. El 56.4 de Nex-N2.5 Pro es la medición propia de Nex-AGI mediante su arnés interno NexCUA, que según la ficha se publicará como código abierto "pronto". El 22.3 de MiniMax M3 es una cifra que Nex-AGI imprimió para un modelo rival: MiniMax no ha publicado un resultado propio en OSWorld-2, y la cifra pública de uso de computadora de M3 es la más antigua y fácil OSWorld-Verified, que la ficha de Nex también lista en 75.2 para M3 frente a 82.2 para Pro. Ambas filas de ese titular de 56.4 frente a 22.3 provienen del mismo arnés, ejecutado por el mismo proveedor, el mismo día, sobre un modelo que posee y otro que no posee. Eso no hace que la brecha sea falsa: los arneses existen precisamente para comparar modelos en condiciones idénticas. Sí significa que la cifra es una comparación controlada de un único proveedor, no un resultado que ningún laboratorio externo haya confirmado, y la brecha es exactamente tan confiable como el arnés que la produjo.

Segunda comprobación: ¿qué entrega el modelo que realmente puedes ejecutar?

MiniMax M3 no necesita su fila en OSWorld-2 para ser útil, porque su caso se apoya en cosas que puedes verificar descargándolo. Cuenta con 428B en total / ~23B activos, está construido sobre MiniMax Sparse Attention, tiene un contexto de 1M de tokens y un presupuesto de salida de 512K tokens; acepta texto, imagen y video como entrada y devuelve texto; sus pesos están publicados en Hugging Face desde la primera semana de junio; y su precio de lista en la API de MiniMax es de $0.30 por millón de tokens de entrada y $1.20 por millón de tokens de salida, con $0.06 por millón de tokens de entrada en caché — aproximadamente una quinta parte del precio de salida de los modelos de frontera de código cerrado más baratos, y el video se factura por separado. Su posición independiente es real pero modesta: un 44 en el Artificial Analysis Intelligence Index lo sitúa en un nivel medio entre los modelos insignia, por debajo del rango de 56-61 que ocupan los líderes de código cerrado. Sus métricas de agente más destacadas — 75.2 en OSWorld-Verified según la ficha de Nex, ~70 según el propio informe de MiniMax, 83.5 en BrowseComp — son reportadas por el proveedor y no han sido reproducidas, el mismo asterisco que acompaña a Nex. La diferencia es que las afirmaciones de M3 apuntan a un modelo que puedes ejecutar y volver a probar tú mismo, por eso «reportado por el proveedor» duele menos en el lado de los pesos descargables.

Tercera comprobación: ¿qué harías realmente con cada uno?

• Comprar hoy — MiniMax M3: pesos reales, una lista de tarifas, una API funcional. Nex-N2.5 Pro: una vista previa gratuita alojada y una hoja de ruta.

• Uso de computadora — MiniMax M3: un generalista que procesa capturas de pantalla y video y obtiene puntuaciones de GUI a mitad de tabla. Nex-N2.5 Pro: un agente nativo de visión diseñado para el bucle de retroalimentación visual, que reclama el primer puesto de su clase en OSWorld-2.

• Precio — MiniMax M3: $0.30 / $1.20, caché $0.06 — lo suficientemente barato como para usarlo en largos bucles de agentes. Nex-N2.5 Pro: aún sin precio publicado; el argumento de eficiencia (17B activos en un solo nodo 8×H100) es una proyección, no una factura.

• Contexto — MiniMax M3: 1M de tokens, con solicitudes superiores a 512K facturadas a 2×. Nex-N2.5 Pro: configuración de familia de 262K.

• Entradas — MiniMax M3: texto, imagen y video, de forma nativa. Nex-N2.5 Pro: imagen y texto, orientado a la percepción a nivel de pantalla.

• Verificabilidad — MiniMax M3: autoalojable, por lo que cualquier afirmación puede comprobarse internamente. Nex-N2.5 Pro: sin pesos, por lo que cada afirmación es la palabra de Nex-AGI.

• Índice independiente — MiniMax M3: 44 (AA). Nex-N2.5 Pro: ninguno aún.

Por qué el incumbente de bajo costo es el oponente más difícil

Hay una razón por la que Nex-AGI optó por incluir a MiniMax M3 en su tabla multimodal en lugar de ignorarlo: M3 es el ancla de precios que hace difícil justificar el sobreprecio de un especialista en uso de computadoras. Si un generalista que cuesta $0.30/$1.20 y acepta video puede lograr incluso el 70–75% de lo que un agente GUI dedicado afirma hacer, el especialista tiene que ser drásticamente mejor en la tarea real para ganarse su lugar — y la ficha de Nex-N2.5 Pro dice que lo es, en OSWorld-2, por 34 puntos. Pero una ventaja de 34 puntos publicada por el retador sobre su modelo aún no lanzado es una hipótesis, mientras que el índice 44 de M3, sus pesos abiertos y su precio son hechos sobre los que puedes construir. La postura económicamente racional no es descartar la hipótesis — es insistir en que sobreviva a una ejecución independiente antes de que le cueste dinero a alguien.

Ejecutando la comparación con tu propia clave

La capa de enrutamiento es donde una comparación anclada en el precio como esta se pone a prueba sin comprometerse con ninguno de los dos lados. MiniMax M3 está en OrcaRouter al precio de lista de MiniMax — $0.30 / $1.20, traspasado sin margen (0% de recargo), de modo que el día que MiniMax cambie una tarifa, el cambio está activo en la misma clave que ya usas para el resto del catálogo. Nex-N2.5 Pro no se ofrece a través de nosotros, por lo que accedes a él mediante la vista previa alojada de Nex-AGI hasta que aparezcan los pesos prometidos. El experimento que realmente responde a este enfrentamiento: dirige tu tráfico de agentes de alto volumen y largo contexto hacia MiniMax M3 a través del único endpoint, ejecuta una rama de evaluación más pequeña contra la vista previa de Nex-N2.5 Pro, compáralos en tu propia combinación de tareas mientras la conmutación automática por error mantiene a ambos honestos — una afirmación de 34 puntos del proveedor vale exactamente tanto como tu propia reproducción de esa afirmación, y M3 es tan barato que reproducir la prueba cuesta casi nada. Cuando los pesos de Pro lleguen, la receta de ocho H100 es el verdadero entregable que hay que comprobar: si el especialista con 17B activos mantiene su ventaja en OSWorld-2 cuando alguien distinto de Nex-AGI lo ejecuta.

El veredicto que respaldan las pruebas

En todo lo que hoy se puede poner en práctica, MiniMax M3 gana este enfrentamiento por defecto: se puede descargar, cuesta un quinto de la norma de frontera, admite video, tiene un Index independiente y sus afirmaciones sobre el uso de computadoras —aunque provengan del proveedor— apuntan a un modelo que puedes probar en tu propio stack esta misma semana. Nex-N2.5 Pro es el modelo más interesante y la peor compra: un especialista en el uso de computadoras, nativo de visión, cuya propia ficha presume de la mejor puntuación de su clase en OSWorld-2 y cuyos pesos todavía no existen. Trata la brecha de 56.4 a 22.3 como la mejor hipótesis disponible sobre hacia dónde se dirige el uso de computadoras, no como un resultado en el que puedas basarte para actuar; y trata a MiniMax M3 como la razón por la que el especialista, cuando por fin salga al mercado, tendrá que demostrar esa brecha en un banco de pruebas ajeno para justificar cualquier precio superior a $0.30/$1.20.