Nex-N2.6 vs Grok 4.7: dieciséis veces más barato, la mitad del contexto y uno de ellos tiene una puntuación

La diferencia de precio entre Nex-N2.6 y Grok 4.7 no es un descuento. Es una categoría de compra distinta. A $0,12 por millón de tokens de entrada y $0,40 por millón de salida, Nex-N2.6 cuesta aproximadamente una dieciseisava parte de los $2,00 y $6,00 de Grok 4.7 — y si tu prompt supera los 200.000 tokens, la tarifa de Grok 4.7 se duplica a $4,00 y $12,00, lo que lleva la diferencia a más de treinta y tres a uno en entrada. Así que la pregunta útil no es qué modelo es mejor. Nadie, incluido Nex-AGI, ha publicado una cifra que te permita responder eso. La pregunta útil es qué estás comprando con el 16x: una ventana de 500.000 tokens, dos años de historial público en benchmarks, un contrato documentado de llamada a herramientas y un proveedor con un equipo de ventas — frente a un modelo que se lanzó ayer con un precio, una longitud de contexto y una frase de posicionamiento.

Los dos modelos, reducidos a lo que es comprobable

Grok 4.7 es el buque insignia de SpaceXAI, lanzado el 21 de septiembre de 2026, y es la opción consolidada y medida de este enfrentamiento. Nex-N2.6 es el sucesor de Nex-N2.5 Pro por parte de Nex-AGI, disponible en la API propia del proveedor desde el 10 de noviembre de 2026, y es el que no está medido. Desglosado dimensión por dimensión, con la fuente de cada cifra incluida:

• Precio por millón de tokens — Nex-N2.6 $0.12 de entrada / $0.40 de salida (en el listado, con un descuento introductorio del 20 % implícito en el $0.15 / $0.50 tachado) frente a Grok 4.7 $2.00 de entrada / $6.00 de salida, que asciende a $4.00 / $12.00 por encima de 200K tokens de entrada (la propia tarifa de SpaceXAI).

• Ventana de contexto — Nex-N2.6: 262.144 tokens frente a los 500.000 de Grok 4.7, para el cual SpaceXAI permite hasta 450.000 tokens de salida en una sola llamada. El límite de salida de Nex-N2.6 es de 235.929.

• Modalidad de entrada: ambos aceptan texto e imágenes y devuelven texto. La documentación de SpaceXAI también indica la entrada de archivos en la API; la ficha de Nex-N2.6 no lo hace.

• Control del razonamiento — Nex-N2.6 tiene razonamiento obligatorio con dos ajustes, alto y medio, predeterminado en alto, y no hay forma de desactivar el pensamiento. Grok 4.7 ofrece bajo, medio, alto y xhigh, predeterminado en alto, y puede llevarse a su ajuste más económico cuando una tarea es mecánica.

• Base y tamaño — Nex-N2.6 recibe post-entrenamiento sobre GLM-5.3-Flash con aproximadamente 321 mil millones de parámetros; SpaceXAI no publica en absoluto ningún recuento de parámetros para Grok 4.7.

• Puntuación independiente: Grok 4.7 tiene una. Nex-N2.6 no tiene ninguna, en ningún ranking.

• Pesos — la ficha de Nex-N2.6 apunta a un repositorio de Hugging Face que devuelve una solicitud de autenticación en lugar de una tarjeta pública. Grok 4.7 es cerrado, solo mediante API y no pretende lo contrario.

Lo que realmente puedes conseguir con 500.000 tokens

La brecha de contexto es el único lugar donde el precio superior de Grok 4.7 es fácil de justificar, y el lugar donde la fijación de precios resulta menos intuitiva. Duplicar una ventana de 262K a 500K no es un extra opcional para el trabajo con agentes; cambia qué trabajos puedes intentar en una sola llamada. Todo el árbol de código fuente de un repositorio de tamaño medio, un hilo completo de incidentes con registros, el bloc de notas acumulado de un agente de larga duración: todo eso cabe en Grok 4.7 y tiene que fragmentarse, resumirse o recuperarse en Nex-N2.6.

Pero fíjate en adónde va el dinero. Con 200.000 tokens de entrada entra en vigor la tarifa escalonada, así que una solicitud que usa la ventana que pagaste se factura a $4.00 por millón de tokens de entrada en lugar de $2.00. Una sola llamada de 300.000 tokens cuesta $1.20 en Grok 4.7 frente a aproximadamente $0.04 en Nex-N2.6 para el prompt equivalente. La capacidad de contexto largo es real y el precio del contexto largo es elevado, lo que significa que la arquitectura sensata es distinta en cada caso: con Grok 4.7 agrupas problemas difíciles en llamadas enormes y pagas por el privilegio; con Nex-N2.6 mantienes las llamadas pequeñas, te apoyas en la recuperación y tratas la ventana como holgura en lugar de como espacio de trabajo.

Grok 4.7 es además el único de los dos que puedes enrutar en lugar de limitarte a llamarlo. Está en el catálogo de OrcaRouter como grok/grok-4.7, al precio propio de SpaceXAI de $2.00 / $6.00 sin recargo, con la misma clave que el resto de la línea Grok —Grok 4.6, 4.5, 4.3 y la familia 4.20—, lo cual importa aquí por una razón concreta: te ofrece una cadena de respaldo dentro de la familia de un solo proveedor sin un segundo contrato ni un segundo SDK. Nex-N2.6 no está en nuestro catálogo, y no vamos a fingir lo contrario; que eso cambie es decisión de Nex-AGI, no nuestra.

La puntuación, y cómo leerla sin dejarse engañar

Aquí es donde esta comparación tiene que bajar el ritmo, porque la cifra que con más probabilidad se citará para Grok 4.7 es una trampa si se saca de contexto. Actualmente, Artificial Analysis le asigna 35 en su Intelligence Index, pero eso es con la versión 5.0.1 del índice, que rehízo el conjunto de tareas. En la versión anterior, la 4.3.2, el mismo modelo obtuvo 46. Ambas cifras son correctas; no son comparables, y cualquier artículo (incluido el nuestro, en septiembre) que publicara 46 junto a datos de una tabla 5.x estaba citando a través de un cambio de versión. Usa 35 como la lectura actual y no la restes de nada medido con el índice antiguo.

Lo que sobrevive al cambio de versión es la forma del resultado, y la economía por tarea que subyace a él:

• AA-Briefcase Elo — 1.511,7 para Grok 4.7 con esfuerzo xhigh, en el panel de trabajo de conocimiento de horizonte largo, medido de forma independiente.

• Costo por tarea del Intelligence Index: $0.26 ponderado, de los cuales $0.11 corresponden a escrituras de caché y $0.11 a tokens de salida. La línea de caché es la pista reveladora: este modelo está diseñado para ejecutarse con el almacenamiento en caché de prompts activado, y su precio efectivo depende de qué proporción de tu prompt permanece estable entre llamadas.

• GDPval — 1692,05, y HLE 49,4, ambos de la misma ejecución independiente.

• Terminal-Bench 4.0 — 34.8, FrontierCode 2.0 — 24.0. La programación es el terreno donde el margen del buque insignia sobre los competidores de pesos abiertos ha sido más estrecho en todo el año, y estas no son cifras que zanjen un debate.

La columna de Nex-N2.6 en ese tablero está vacía. No débil: vacía. No hay entrada en Artificial Analysis, ni tabla del proveedor, ni pesos para ejecutar tu propia evaluación contra ellos. La única declaración de rendimiento que existe es la frase de una línea de Nex-AGI de que N2.6, en comparación con Nex-N2.5 Pro, reduce el razonamiento repetitivo y sigue más de cerca las herramientas disponibles en el entorno actual. Es una afirmación sobre disciplina de llamadas a herramientas, hecha por el proveedor, no reproducida, y constituye todo el registro público de rendimiento de este modelo.

Donde cada uno es la herramienta equivocada

Nex-N2.6 es la herramienta equivocada cuando el trabajo requiere la ventana. Si tu pipeline depende de alimentar a un modelo con un contexto de 300K tokens y hacerle una sola pregunta al respecto, ninguna ventaja de precio lo compensa, porque la llamada no cabe. También es la herramienta equivocada cuando necesitas un número antes de comprometerte: una compra, una revisión regulada, una apuesta que debe justificarse en un documento. Un modelo sin mediciones independientes no puede superar ese listón, y no debería defenderse que lo haga.

Grok 4.7 es la herramienta equivocada cuando el trabajo es de gran volumen y económico. Cualquier bucle que lance miles de llamadas cortas —clasificar tickets, extraer campos, calificar un lote de diffs— está pagando tarifas de gama alta por una tarea en la que la diferencia entre un 35 y una puntuación equivalente hipotética es invisible en la salida. También es la herramienta equivocada cuando necesitas que el modelo sea inspeccionable: sin pesos, sin configuración, sin ejecución local y con una existencia solo alojada. Si tu estrategia de cumplimiento exige un checkpoint que puedas conservar, este modelo no puede formar parte de ella.

Existe una tercera postura que es más útil que cualquiera de los extremos: usar el barato cuando el trabajo es repetitivo y calificable, usar el caro cuando el trabajo es largo y de gran impacto, y dejar que un enrutador decida cuál es cuál a partir de la propia solicitud en lugar de un nombre de modelo codificado de forma fija. El DSL de enrutamiento de OrcaRouter expresa exactamente eso —un conjunto de reglas basado en el recuento de tokens, la clase de tarea o el llamador, evaluado por solicitud— y es la razón por la que la diferencia de precio aquí es una cuestión de enrutamiento y no una cuestión de arquitectura. El 16x solo importa en el tráfico que realmente envías al lado caro.

La decisión, en un párrafo cada una.

Elige Nex-N2.6 si ya estás dentro del ecosistema de herramientas Nex-AGI, tus prompts son cortos, tu carga de trabajo es un bucle de agente con muchas herramientas o impulsado por capturas de pantalla en el que la supuesta mejora del modelo es precisamente lo que necesitas, y puedes evaluar su salida tú mismo con una muestra de tareas reales esta semana. A $0.12 / $0.40 el experimento es asequible, y ser pionero con un modelo que resulte ser bueno vale algo. Entra sabiendo que estás ejecutando una dependencia de un único endpoint sin pesos publicados y sin puntuación independiente, y que una subida de precio —no un recorte— es la forma en que llegó este modelo.

Elige Grok 4.7 si el trabajo necesita 500.000 tokens en una sola llamada, si un récord de benchmark es un requisito y no una preferencia, o si quieres un modelo al que un enrutador pueda conmutar automáticamente en caso de fallo dentro de una familia que ya cuenta con cinco generaciones. Pagarás 16 veces la tarifa de salida de Nex-N2.6, y aún más por encima de 200K de entrada, y obtendrás lo único que un sobreprecio de 16x puede comprar de verdad: un modelo cuyo comportamiento ya ha medido otra gente. Para cualquier cosa que tenga que funcionar al primer intento, ese sobreprecio suele ser la partida más barata.

Lo que hay que observar

Esta comparación se verá completamente distinta dentro de un mes, y el detonante no es un cambio de precio: es una fila de benchmark. Si la ficha de Nex-N2.6 se abre con sus propias tablas, o una puntuación independiente aparece en un tablero público, la comparación se vuelve ordinaria: dos modelos con números, uno más barato, otro más amplio. Si no ocurre ninguna de las dos cosas, la brecha en este artículo deja de ser sobre capacidad y pasa a ser sobre confianza, y la prima de 16x sobre Grok 4.7 se convierte silenciosamente en el precio de saber qué estás comprando.