Nex-N2.6 vs Nex-N2.5 Pro: una base más pequeña, un precio más alto y una migración que nadie ha evaluado con pruebas comparativas

Dos meses separan Nex-N2.5 Pro y Nex-N2.6, y el modelo más nuevo es el más pequeño. Nex-N2.5 Pro, que Nex-AGI lanzó el 8 de septiembre de 2026, es un modelo de mezcla de expertos de 397 mil millones de parámetros entrenado posteriormente a partir de una base Q​wen3.5, con licencia Apache-2.0, y sus 122 fragmentos de pesos están en Hugging Face para que cualquiera los descargue. Nex-N2.6, disponible desde el 10 de noviembre de 2026, se ha entrenado posteriormente a partir de GLM-5.3-Flash, tiene aproximadamente 321 mil millones de parámetros, se anuncia a $0.12 / $0.40 por millón de tokens frente a los $0.075 / $0.25 de su predecesor, y apunta a un repositorio de Hugging Face que no se abrirá sin credenciales. La misma ventana de 262,144 tokens. La misma entrada de texto e imágenes. Una base diferente por debajo, una factura un 60% más alta y —hasta ahora— ni una sola cifra publicada que compare a los dos.

Si ya está ejecutando Nex-N2.5 Pro, esa combinación debería hacer que actúe con cautela en lugar de con curiosidad. No se trata de un simple incremento de versión que se pueda aplicar sin más. Es un cambio de base sobre la arquitectura de otro laboratorio, vendido a precio premium, con las pruebas que lo justificarían todavía sin publicar.

Lo que esconde el número de versión

Los números de versión implican continuidad. En esta familia, el número hace algo distinto: N2.5 Pro y N2.6 comparten una ventana de servicio y una modalidad de entrada, y casi nada por debajo de eso.

• Fundamento — Nex-N2.5 Pro está post-entrenado a partir de un checkpoint de mezcla de expertos de Q​wen3.5, con el tokenizador de Q​wen incluido; Nex-N2.6, a partir de GLM-5.3-Flash, el modelo multimodal nativo de 320 mil millones de parámetros de Z.ai con un diseño de atención híbrido disperso y lineal. Otro laboratorio, otro tokenizador, otra plantilla de chat, otro analizador de llamadas a herramientas.

• Tamaño — 397 mil millones de parámetros totales, con unos 17 mil millones activos por token, frente a aproximadamente 321 mil millones en total, con un recuento de activos que Nex-AGI no ha publicado para N2.6.

• Precio por millón de tokens — $0.075 de entrada / $0.25 de salida para Pro; $0.12 de entrada / $0.40 de salida para N2.6, que el anuncio presenta como un 20 % de descuento sobre una tarifa de lista de $0.15 / $0.50. Así que el precio final podría ser el doble, no solo un 60 % más alto.

• Razonamiento: Pro acepta los niveles ninguno, medio y alto, y usa alto por defecto, así que puedes desactivar el pensamiento para turnos mecánicos baratos. N2.6 acepta solo alto y medio, usa alto por defecto y no se puede desactivar en absoluto.

• Pesos — Pro es Apache-2.0 en Hugging Face, totalmente descargable. El repositorio vinculado de N2.6 no es de acceso público.

• Benchmarks del proveedor: Pro cuenta con una tabla completa publicada que abarca suites de programación, agénticas y multimodales. De N2.6 solo hay una frase: reduce el razonamiento repetitivo y sigue más de cerca que Pro las herramientas disponibles en el entorno actual.

El único dato que el proveedor sí dio

Esa frase es toda la afirmación comparativa, y es un tipo específico de afirmación: describe disciplina en las llamadas a herramientas, no capacidad. Si se lee con benevolencia, dice que N2.6 gasta menos tokens en volver a deducir lo que ya sabe y presta más atención a las herramientas que realmente expusiste. Si se lee con escepticismo, dice que el modelo se ajustó para un modo de fallo que el proveedor observó, sin mostrar la observación.

Para cualquiera que ejecute un agente, esa distinción importa más que un punto en un benchmark. El fallo caro en un bucle de agente de horizonte largo rara vez es una respuesta incorrecta; es una respuesta correcta alcanzada tras diecinueve pasos de razonamiento redundantes y cuatro llamadas a herramientas desperdiciadas. Un modelo que realmente reduce la repetición puede valer más que su prima del 60 % incluso si obtiene la misma puntuación en una evaluación estática, porque la factura que pagas son tokens por tarea completada, no tokens por llamada.

Pero el corolario es incómodo. El razonamiento obligatorio de Nex-N2.6 interactúa directamente con esa afirmación: un modelo que siempre piensa con alto esfuerzo gasta tokens de salida en cada turno, incluidos los triviales. Si Pro con el razonamiento desactivado gestionaba tus llamadas cortas por una fracción de céntimo y N2.6 debe pensar en cada una, los ahorros por repetición tienen que ser sustanciales solo para alcanzar el punto de equilibrio. Si lo son es justo lo que nadie ha medido.

Lo que aún te dice la tabla publicada de Nex-N2.5 Pro

Las cifras del modelo anterior están reportadas por el proveedor —el propio harness de Nex-AGI, sus propios ajustes de prompt, sin replicación independiente— y deben interpretarse como orientativas. Pero existen, son específicas y establecen un mínimo que N2.6 no ha superado en público:

• Programación — Terminal-Bench 2.1 con 82,7, SWE-Bench Pro con 61,2, DeepSWE v1.1 con 55,8.

• Agéntico — AutomationBench v1.0.6 con 44.2, Toolathlon Verified con 68.5, BrowseComp con 89.7, Job Bench con 41.4.

• Uso del ordenador — OSWorld-Verified: 82,2; OSWorld-2: 56,4; OSWorld-G: 87,4; WebArena-Verified: 67,6.

• Trabajo del conocimiento — GDPval-AA v2 con 1.628 Elo.

Si se compara con las columnas de comparación que Nex-AGI imprimió junto a ellos, el patrón es revelador: Pro va por detrás de Claude Opus 5 en la mayoría de las filas, pero se sitúa a unos pocos puntos de GPT-5.6 Sol y Kimi-K3 en las suites de uso de herramientas, y supera a Qwen3.8-Max en OSWorld-2. Eso es un modelo de agente de pesos abiertos creíble, no un líder. N2.6 tiene que superarlo para que valga la pena una migración, y actualmente no hay ninguna página en la que comprobarlo.

Una consecuencia que vale la pena decir con claridad: como los pesos de Pro se pueden descargar bajo Apache-2.0, puedes ejecutar su evaluación tú mismo, en tus tareas, sin pedir permiso a nadie. Eso no es cierto para N2.6 en ningún sentido: ni los pesos, ni la tarjeta, ni una puntuación pública. Para un equipo que hace una apuesta de infraestructura a seis meses, la verificabilidad es una característica, y este lanzamiento retrocedió en ese aspecto.

La mecánica de la migración, sinceramente

Para cambiar solo hace falta una URL base y una cadena de modelo, y por eso resulta tentador tratarlo como gratuito. No lo es. Un tokenizador distinto hace que los recuentos de tokens cambien, así que tanto tu modelo de costes como cualquier lógica de presupuesto de contexto que cuente tokens ahora son aproximados hasta que se vuelvan a medir. Una plantilla de chat distinta significa que el prompt de sistema que enseñaba de forma fiable a Pro su dialecto de herramientas puede que le enseñe otra cosa a N2.6. Y un modo de razonamiento obligatorio significa que el perfil de latencia cambia: un bucle de agente que en Pro podía responder al instante un turno trivial de «¿qué archivo contiene este símbolo?» ahora piensa primero, con un esfuerzo alto, de forma predeterminada.

La forma práctica de hacer esto es una prueba en la sombra en lugar de un cambio. Envía el mismo tráfico real a ambos modelos durante una semana, evalúa los resultados con algo que no sea el propio modelo y mide los tokens por tarea completada en lugar de la latencia o el precio por token. Sea cual sea el resultado, mantén Pro accesible —es el único de los dos que también puedes autoalojar, y un checkpoint descargable con Apache-2.0 es un respaldo que ningún modelo solo alojado puede ofrecer.

Este es también el punto en el que una pasarela se gana su lugar en vez de ser una simple comodidad. OrcaRouter coloca el modelo detrás de un único endpoint compatible con OpenAI y te permite definir una cadena de respaldo en el DSL de enrutamiento —primero el modelo barato, escalar según una regla en lugar de mediante un nuevo despliegue—, de modo que probar N2.6 frente a Pro cuesta un cambio de configuración en vez de un cambio de código, y revertir cuesta otro. Para que quede claro, ambos son modelos que no alojamos: ni Nex-N2.5 Pro ni Nex-N2.6 están hoy en el catálogo de OrcaRouter, así que en la práctica esto significa conservar tus propias claves y dejar que la capa de enrutamiento mantenga ambas rutas. La aritmética del respaldo es la misma en cualquier caso.

Donde el modelo más barato ahora es la elección equivocada

Para la mayoría de los usuarios de esta familia, el argumento a favor de la migración es débil, y vale la pena decirlo directamente. Si Pro funciona, las únicas razones para cambiarse son los dos comportamientos que Nex-AGI menciona —menos repetición y una adherencia más estricta a las herramientas—, y no se puede verificar ninguno de los dos antes de probarlo. Todo lo demás sobre el cambio es neutro o negativo: una base más pequeña con un recuento de parámetros activos no publicado, un precio más alto que podría duplicarse cuando expire el descuento, ninguna forma de desactivar el razonamiento y una tarjeta de modelo que no se puede leer.

Hay un caso limitado pero real del otro lado. Los equipos cuyos agentes tienen como cuello de botella los turnos desperdiciados, cuyos prompts son lo bastante cortos como para que la ventana de 262K no sea una limitación, y que cuentan con un arnés de evaluación lo bastante bueno como para distinguir una mejora real del ruido, pueden beneficiarse de actuar antes — los precios absolutos son lo bastante bajos como para que el experimento cueste menos que la reunión sobre él. Lo mismo se aplica a cualquiera que quiera un tokenizador de la familia GLM y un comportamiento de llamada a herramientas detrás de un bucle de agente; N2.6 es un GLM-5.3-Flash postentrenado con ajuste agéntico, que es una propuesta distinta a la del modelo base sin procesar.

¿Qué lo zanjaría?

Tres publicaciones convertirían esto de una conjetura en una comparación, y ninguna requiere nada exótico. Primera, la propia ficha de Nex-N2.6 con la misma tabla que Nex-AGI publicó para la familia N2.5: el proveedor ya sabe cómo publicar una. Segunda, los pesos bajo una licencia que puedas usar, lo que permitiría a la comunidad ejecutar Pro y N2.6 en paralelo en igualdad de condiciones en lugar de confiar en una frase. Tercera, una primera puntuación independiente en una tabla de clasificación pública, aunque sea mediocre, porque un modelo mediocre medido es más útil que uno prometedor sin medir.

Hasta entonces

El resumen honesto es que Nex-AGI entregó un sucesor rebasado, más caro y menos documentado de un modelo que sigue disponible, sigue siendo más barato, sigue siendo descargable y sigue siendo el único de los dos con cifras adjuntas. Eso no es motivo para ignorar N2.6 —el acceso anticipado a un modelo ajustado para la disciplina de herramientas vale algo para el equipo adecuado—, pero sí es motivo para no migrar una ruta de producción en funcionamiento basándose en un número de versión y un descuento.

Si quieres una regla: cambia cuando tus propias trazas muestren el problema que Nex-N2.6 afirma corregir, mantén Nex-N2.5 Pro desplegado como respaldo en cualquier caso, y vuelve a revisar el precio el día en que caduque el 20 %. El argumento del sucesor se basa enteramente en un comportamiento que el proveedor describió y que nadie ha medido.