Nex-N2.6 cambia Qwen por GLM: el nuevo modelo de agente de Nex-AGI cuesta más y dice menos

Nex-N2.6 salió en vivo en la propia API comercial de Nex-AGI el 10 de noviembre de 2026 sin publicación de lanzamiento, sin ficha de modelo legible y sin tabla de benchmarks. Con lo que sí llegó es con un cambio de modelo base: mientras que Nex-N2.5 Pro se entrenó posteriormente sobre un checkpoint de mezcla de expertos de Qwen3.5, Nex-N2.6 se entrena posteriormente sobre GLM-5.3-Flash, el modelo multimodal de 320 mil millones de parámetros de Z.ai, y el resultado tiene aproximadamente 321 mil millones de parámetros propios. También llegó con un precio más alto que el modelo al que reemplaza — $0.12 por millón de tokens de entrada y $0.40 por millón de salida, frente a los $0.075 y $0.25 de Nex-N2.5 Pro, un aumento del 60% en ambos lados del medidor. Para una familia que ha pasado dos lanzamientos argumentando que ofrece comportamiento de agente de frontera a precios de modelo abierto, un sucesor que cuesta más y documenta menos es la parte interesante de este lanzamiento, no el lanzamiento en sí. Nex-N2.6 es un modelo de endpoint único, y ese es el riesgo operativo descrito anteriormente. OrcaRouter alberga más de 200 modelos detrás de un único endpoint compatible con OpenAI con conmutación por error automática, así que la ruta de respaldo que mantienes para un modelo no medido puede ser una regla de enrutamiento en lugar de una segunda integración — y cuando alojamos un modelo, el precio de lista del proveedor se transfiere sin margen.

¿Qué hay realmente para ver?

El modelo no es un rumor. Se puede invocar ahora mismo, servido por la propia Nex-AGI con precisión fp8, y el endpoint informa un estado de salud impecable: 100 % de disponibilidad durante las ventanas que mide el catálogo, alrededor de 35 tokens de salida por segundo y una latencia p50 de 2,81 segundos. Todo lo que sigue procede de ese listado y no del proveedor, porque el proveedor no ha publicado nada más:

• Precio — $0,12 de entrada / $0,40 de salida por millón de tokens, con lecturas de caché a $0,024. El anuncio lo presenta como un 20 % de descuento sobre una tarifa tachada de $0,15 / $0,50, así que conviene tratar la cifra actual como una tarifa introductoria con vencimiento no especificado.

• Contexto — 262.144 tokens, la misma ventana de servicio que todos los modelos de la familia N2.5, con una salida máxima de 235.929 tokens.

• Modalidad — entrada de texto e imagen, salida de texto. No hay canal de audio ni de vídeo, ni generación de imágenes.

• Razonamiento — obligatorio, no opcional. El endpoint solo acepta dos ajustes de esfuerzo, high y medium, y usa high por defecto. No puedes desactivar el pensamiento en este modelo.

• Herramientas: se admiten la llamada a funciones, la elección forzada de herramientas, las salidas estructuradas y los logprobs, que es el conjunto adecuado para un modelo de agente y lo único de este lanzamiento que está totalmente especificado.

• Pesos — el listado enlaza un repositorio de Hugging Face para Nex-N2.6. Ese repositorio devuelve una solicitud de autenticación en lugar de una tarjeta del modelo pública, por lo que los pesos, la configuración y cualquier tabla de evaluación del proveedor no son legibles a fecha de publicación.

El intercambio de base es el verdadero cambio.

Las familias de modelos suelen iterar escalando la misma receta de postentrenamiento. Nex-AGI hizo algo más disruptivo: cambió los cimientos. Nex-N2.5 Pro, lanzado el 8 de septiembre, se construyó sobre una base de mezcla de expertos Qwen3.5 de 397 mil millones de parámetros, con unos 17 mil millones de parámetros activos por token; la arquitectura y el tokenizador derivan visiblemente de Qwen, y su ficha así lo indica. Nex-N2.6 se basa en GLM-5.3-Flash, el modelo de otro laboratorio, un tokenizador diferente y un presupuesto de parámetros distinto: la ficha de Z.ai describe 320 mil millones totales con 18 mil millones activos, construido sobre un diseño de atención híbrido disperso y lineal en lugar de la pila de Qwen.

Eso importa más allá de lo anecdótico. Una base distinta implica que el analizador de llamadas a herramientas, la plantilla de chat, el tokenizador y los modos de fallo cambiaron junto con ella. Los prompts ajustados para Nex-N2.5 Pro —especialmente los prompts de sistema largos que enseñan un dialecto específico de llamadas a herramientas, y cualquier cosa que se apoye en los límites de tokens de Q​wen para controlar el coste— no son transferibles por suposición. La única afirmación conductual que hace Nex-AGI es precisamente sobre esta interfaz: el modelo, dice, reduce el razonamiento repetitivo y sigue más de cerca las herramientas disponibles en el entorno actual. Es algo plausible de mejorar cuando cambias la base a un modelo que a su vez fue ajustado para trabajo agéntico, y también es exactamente el tipo de afirmación que solo aparece en tus propias trazas, no en una tabla de benchmarks. Reportado por el proveedor, no reproducido y expresado en una sola frase.

El efecto de segundo orden es la previsibilidad de los costes. Nex-N2.5 Pro podía ejecutarse con el razonamiento completamente desactivado, lo que lo hacía barato para turnos cortos y mecánicos. Nex-N2.6 no puede. Cada llamada razona, con un esfuerzo alto por defecto. En un bucle de agente que dispara cuarenta pequeñas llamadas a herramientas para encontrar un archivo, esa diferencia en el comportamiento por defecto afectará tu factura más de lo que lo hace la tasa anunciada del 60 %.

Un sucesor que cuesta un 60 % más

La dirección de los precios merece una pausa, porque invierte el relato generacional habitual. Por millón de tokens: Nex-N2.5 Pro a $0,075 de entrada / $0,25 de salida, Nex-N2.6 a $0,12 de entrada / $0,40 de salida. Misma ventana de contexto. Misma modalidad. Un modelo más nuevo del mismo laboratorio, sobre una base más pequeña, a 1,6 veces la tarifa.

Pásalo por una carga de trabajo realista de agente —diez millones de tokens de entrada y dos millones de tokens de salida al mes, lo que equivale a un agente de programación moderado en un equipo con mucha actividad— y las cifras son $1.20 más $0.80, es decir, $2.00 al mes en Nex-N2.6. La misma carga de trabajo en Nex-N2.5 Pro es de $0.75 más $0.50, o $1.25. Ambas son errores de redondeo comparadas con los modelos de frontera. Esa es la lectura honesta: Nex-N2.6 es más caro que su predecesor y aun así cuesta aproximadamente una decimosexta parte de lo que cuesta un modelo insignia, así que la subida de precio es una señal sobre el posicionamiento más que un problema de presupuesto.

Donde el aumento sí pasa factura es en el volumen, y donde el razonamiento obligatorio pasa factura es en la cola. Un modelo que siempre piensa con un esfuerzo alto gasta tokens de salida que no solicitaste, y 0,40 $ por millón de tokens de salida en un bucle con mucho razonamiento es una cifra distinta de 0,40 $ en respuestas cortas. Mide los tokens por tarea completada, no el precio por token, antes de concluir nada.

Una nota estructural sobre cómo se trasladan estas tarifas: una puerta de enlace que traslada el precio de lista del proveedor con un margen del 0 % no tiene una tarifa separada que conciliar, así que un recorte del proveedor o el vencimiento de un descuento se refleja el mismo día en lugar de en la próxima renovación del contrato. OrcaRouter funciona así. También es el lugar honesto para decir lo que no tenemos: hoy no hay ningún checkpoint de Nex-AGI en el catálogo de OrcaRouter, por lo que Nex-N2.6 es un modelo al que llamas directamente desde un solo proveedor a un solo precio. Esa forma de un solo proveedor es el riesgo operativo real en esta versión, y vale la pena planificarlo incluso si nunca usas nuestro producto: un modelo con un solo endpoint, sin pesos publicados y sin un segundo host no tiene a dónde conmutar en caso de fallo.

La brecha de evidencia es la parte que hay que incorporar en el precio.

La versión anterior de Nex-AGI llegó con todo un aparato: un sitio del proveedor con gráficos de benchmark, una ficha de Hugging Face con tablas de texto y multimodales que comparaban la familia con Claude Opus 5, GPT-5.6 Sol, Kimi-K3 y Qwen3.8-Max, y una receta de servicio documentada en ocho H100. Nex-N2.6 llegó con un párrafo.

Comprueba qué falta y es una lista coherente. El sitio web del propio proveedor todavía anuncia la familia Nex-N2.5 y no menciona N2.6 en ninguna forma que hayamos podido cargar. La organización de GitHub tiene repositorios para Nex-N2.5, NexRT y el framework de agentes NexAU, y ninguno para N2.6. ModelScope no devuelve ningún registro para el checkpoint. El repositorio de Hugging Face nombrado en el listado no es de lectura pública. No hay ninguna entrada en Artificial Analysis, así que no hay ninguna puntuación independiente en absoluto: ni siquiera una débil, ninguna. A fecha de publicación, la base total de evidencia pública para este modelo es un precio, una longitud de contexto, una modalidad, un recuento de parámetros y una frase de posicionamiento.

Eso no es lo mismo que un modelo malo. Es un modelo cuyas afirmaciones no puedes comprobar, de un laboratorio que anteriormente ya ha entregado las comprobaciones. La postura correcta es la que adoptarías con cualquier dependencia no medida: pruébalo en trabajo que puedas evaluar tú mismo, mantén el modelo anterior conectado como respaldo y no traslades una ruta de producción a él porque el número de versión haya subido.

Quién debería moverse, y quién debería esperar

Hay un caso real para hacer el cambio ahora, y es limitado. Si tu harness de agentes se pasa el presupuesto peleándose con el modelo en vez de con la tarea —releyendo el mismo archivo, volviendo a deducir una conclusión a la que ya había llegado o emitiendo llamadas a herramientas en un dialecto que tu esquema rechaza—, entonces un modelo ajustado explícitamente para reducir el razonamiento repetitivo y respetar las herramientas disponibles apunta directamente a tu problema y, a $0.12/$0.40, el experimento cuesta casi nada ejecutarlo. La entrada de imágenes junto con la llamada a funciones en un solo endpoint también lo hacen utilizable para QA basado en capturas de pantalla sin un segundo modelo en el circuito.

El argumento a favor de esperar es más amplio. Si tu carga de trabajo ya funciona en Nex-N2.5 Pro, solo cambiar la base ya es una migración, y lo harías por un modelo que cuesta más por token, no se puede ejecutar con el razonamiento desactivado, no se puede descargar y no tiene una puntuación publicada. Todavía no hay pruebas de que N2.6 sea mejor en nada, salvo en los dos comportamientos que menciona su autor.

Qué cambiaría el panorama, en orden aproximado de utilidad: que la ficha del modelo se abra con sus propias tablas de benchmark, que aparezca una primera puntuación independiente en una clasificación pública, que los pesos se publiquen realmente bajo una licencia que puedas usar y que un segundo proveedor lo aloje para que desaparezca el riesgo de endpoint único. Hasta que al menos dos de esas cosas se materialicen, Nex-N2.6 es una opción prometedora pero no medida, más que una actualización recomendada — lo que, dado el aumento de precio, es toda la historia.

Cómo se ve el cambio de base sobre el papel

La comparación que importa no es Nex-N2.6 frente a un modelo de frontera. Es Nex-N2.6 frente al checkpoint al que reemplaza, porque esa es la migración que se le está pidiendo hacer a cualquiera que ya esté en esta familia.

Si recorres esa lista, el patrón es un modelo que se volvió más pequeño, más caro, menos configurable y menos inspeccionable en un solo paso. Eso no implica automáticamente un peor intercambio: una base de 321.000 millones de parámetros ajustada para el uso de herramientas agénticas puede superar a una de 397.000 millones de parámetros que fue ajustada para otra cosa, y el precio por token es bajo en términos absolutos. Pero es un intercambio, y el proveedor no ha publicado la comparación que permitiría a cualquiera juzgarlo. Hasta que eso cambie, el cambio de base es la historia y la tabla de benchmarks es el capítulo que falta.