Step 5 Preview vs Nex N2.5 Pro: un número que puedes comprobar, otro que no

El número que circula para Nex N2.5 Pro es 82.7, su puntuación reportada por el proveedor en Terminal-Bench 2.1. El número que circula para Step 5 Preview en un benchmark con el mismo nombre es 33%. Esas dos cifras no son comparables, y el hecho de que se coloquen habitualmente una al lado de la otra es la ilustración más clara del problema que tiene esta comparación: un modelo ha sido medido por alguien distinto de su creador, y el otro no ha sido medido por nadie más en absoluto. Step 5 Preview se lanzó en la API de StepFun el 20 de septiembre de 2026 y publicó sus pesos el 15 de octubre. Nex N2.5 Pro se anunció el 8 de septiembre y publicó sus checkpoints Apache-2.0 en Hugging Face pocos días después de ese anuncio. Ambos son descargables. Solo uno es puntuable desde fuera.

Esa asimetría no es una crítica a la ingeniería de Nex N2.5 Pro. Es una afirmación sobre la evidencia, y la evidencia es lo que sustenta una decisión de adquisición.

Qué es Nex N2.5 Pro ahora que los pesos están disponibles

Gran parte de la cobertura todavía describe Nex N2.5 Pro como un modelo cuyos pesos están "próximamente", porque eso era lo que decía su ficha en la primera semana de septiembre. Los checkpoints son públicos desde mediados de septiembre: un modelo de mezcla de expertos de 397 mil millones de parámetros con aproximadamente 17 mil millones activos por token, entrenado posteriormente a partir de un linaje Qwen 3.5, bajo Apache-2.0. Cualquiera que lo describa como no publicado está trabajando con una página obsoleta.

Lo que no ha cambiado es la situación de la medición. Las cifras de referencia del proveedor —82,7 en Terminal-Bench 2.1, 61,2 en SWE-bench Pro, 89,7 en BrowseComp, 87,4 en OSWorld-G— se obtuvieron mediante NexCUA, el arnés de uso informático de la propia alianza, que esta afirma tener intención de publicar como código abierto y no lo ha hecho. Ningún evaluador independiente ha publicado una página para el modelo. Esa ausencia no es un accidente de calendario; es una laguna que ha persistido durante todo el periodo en que los pesos han estado disponibles para descargar.

La comparación que se puede hacer

Todo lo que aparece a continuación proviene de fuentes publicadas, no de una ejecución compartida, y cada línea indica de dónde procede la cifra. Ese es el límite honesto para este par.

• Parámetros — Vista previa del paso 5: 600B total, 27B activos. Nex N2.5 Pro: 397B total, ~17B activos.

• Contexto — Step 5 Preview: 1M tokens. Nex N2.5 Pro: 262,144 tokens, con un techo de salida documentado cercano a 236K.

• Modalidad — Vista previa del paso 5: entrada de texto, imagen y vídeo; salida de texto. Nex N2.5 Pro: entrada de texto e imagen; salida de texto, con la visión posicionada como canal de retroalimentación para el uso de computadora.

• Control de razonamiento — Vista previa del paso 5: el pensamiento siempre está activado, pero hay un selector de esfuerzo bajo/medio/alto. Nex N2.5 Pro: niveles ninguno, medio (adaptativo, predeterminado) y alto, por lo que el razonamiento puede desactivarse por completo.

• Pesos — Step 5 Preview: BF16 y FP8 bajo la StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• Precio — Step 5 Preview: $1.00 de entrada, $2.70 de salida, $0.10 en caché por millón de tokens según la tarifa de StepFun. Nex N2.5 Pro: un nivel gratuito alojado, sin precio de lista publicado por el proveedor.

La línea de licencia es el único punto en el que Nex N2.5 Pro es inequívocamente más sencillo. Apache-2.0 es algo conocido para cualquier equipo legal; la licencia de StepFun conlleva umbrales comerciales que requieren modelización. La línea de contexto va en la dirección opuesta, y se acerca a una diferencia de casi cuatro veces — relevante si tu agente lee repositorios completos o conjuntos de documentos.

La comparación que no se puede hacer

Se necesitarían tres cosas para poner a estos dos en el mismo eje, y ninguna de ellas existe.

Primero, una versión compartida del benchmark. Terminal-Bench 2.1 y Terminal-Bench 4.0 son pruebas distintas, con conjuntos de tareas distintos y puntuaciones distintas, y una puntuación en una no dice nada sobre la otra. La cifra de 82,7 corresponde a 2.1; la cifra de 33 % corresponde a 4.0. Quien las presente como una comparación directa está comparando el tiempo de un esprint con un parcial de maratón.

En segundo lugar, un arnés común. Las cifras de Step 5 Preview provienen de un índice publicado que ejecuta una suite de evaluación fija contra todos los modelos que enumera. Las de Nex N2.5 Pro provienen de software que escribió su propio proveedor y que no ha publicado. Aunque los nombres de los benchmarks coincidieran, el andamiaje no lo haría.

En tercer lugar, una lectura independiente de cualquier tipo. No hay página para Nex N2.5 Pro en los evaluadores que publican un índice de inteligencia. Lo comprobamos directamente en lugar de inferirlo a partir de un resultado de búsqueda ausente, y la respuesta hoy es la misma que en septiembre: nada.

Lo que se puede decir sin excederse es más limitado y aun así útil: Nex N2.5 Pro afirma un rendimiento agéntico sólido en benchmarks donde los resultados medidos de forma independiente de Step 5 Preview están a mitad de tabla. Eso es una razón para probarlo, no una razón para creerlo.

Lo que realmente vale un endpoint gratuito

El tier alojado de Nex N2.5 Pro no cuesta nada, lo que convierte una comparación de precios en una comparación de riesgos. No hay precio de lista publicado, así que no hay nada contra lo que modelar ni ninguna señal sobre cuánto cree el proveedor que vale el modelo. Los listados de terceros presentan precios en la decena baja de centavos por millón de tokens de entrada según el host, y se contradicen entre sí lo suficiente como para que ninguno deba tratarse como la postura del proveedor.

Lo gratuito también tiene un costo de disponibilidad. Los rastreadores que vigilan el endpoint gratuito informan de una disponibilidad intermitente —una observación de terceros, no una cifra del proveedor, y el tipo de dato que resulta irrelevante para un prototipo y descalificador para una vía de producción. Un modelo del que no puedes depender no es barato; es riesgo sin precio con un cero en la factura.

En contraste, la tarifa combinada de $0,54 de Step 5 Preview y los $2,35 por tarea de indexación completada son caros en términos absolutos y completamente legibles. Se puede pronosticar una factura a partir de una tarjeta de tarifas publicada. No se puede pronosticar a partir de un nivel gratuito cuyos términos no se han puesto por escrito.

El historial de Step 5 Preview es distinto, no mejor.

Vale la pena ser preciso sobre lo que sí tiene {{1}}Step 5 Preview{{/1}}, porque «tiene una puntuación» minimiza la diferencia y «es mejor» la exagera. {{2}}Step 5 Preview{{/2}} obtiene 29 en la versión actual del Artificial Analysis Intelligence Index —no los 44 que citó la cobertura del lanzamiento, porque esa versión del índice se ha reemplazado desde entonces. Ocupa el sexto lugar de diecisiete en su clase de comparación, se ejecuta a 179 tokens de salida por segundo y cuesta 2,35 USD por tarea de índice. Esas mediciones proceden de una misma ejecución, son reproducibles y las produjo un evaluador sin interés comercial en el resultado.

Lo que eso te aporta es una línea base. Sabes dónde se sitúa el modelo en relación con otros cincuenta y tantos medidos de la misma manera, lo que significa que puedes tomar una decisión preliminar sin alquilar una GPU. Lo que no te aporta es la garantía de que Step 5 Preview superará a Nex N2.5 Pro en tu carga de trabajo. En programación y automatización, los resultados independientes de Step 5 Preview son poco destacables —12 % en FrontierCode 2.0, 33 % en Terminal-Bench 4.0—, y un modelo con una sólida afirmación agéntica no publicada es exactamente el tipo de modelo que podría superar esas cifras. La idea es que lo comprobarías por tu cuenta en lugar de leerlo en una ficha.

A quién pertenece cada uno

Nex N2.5 Pro es para equipos que construyen agentes de uso de computadora y de navegador que están dispuestos a ejecutar su propia evaluación antes de comprometerse, y que valoran una licencia Apache-2.0 y una huella activa de 17B que encaja en hardware modesto. El endpoint gratuito abarata la prueba; la ausencia de precio de lista dificulta la decisión de producción. Trate los benchmarks del proveedor como una hipótesis con un mecanismo plausible detrás —un MoE de linaje Qwen entrenado posteriormente en tareas de lectura de pantalla— en lugar de como un resultado.

Step 5 Preview pertenece a los equipos cuyo volumen de trabajo es de contexto largo y de gran carga de conocimiento, y que necesitan un precio que puedan prever. Es la opción más costosa y más legible, y su licencia plantea una pregunta a muy gran escala que la de Nex no plantea.

Hoy ninguno de los dos está en el catálogo de OrcaRouter, así que este artículo no puede remitirte a un endpoint más barato para ninguno. Lo que la plataforma sí ofrece en torno a una decisión como esta es el resto del stack con una sola clave: más de 200 modelos al precio de lista del proveedor, sin recargos, de modo que un cambio de tarifa de un proveedor te llega ese mismo día, y conmutación por error automática para que un modelo que aún estás probando nunca se convierta en un punto único de fallo. El patrón que funciona para un modelo no probado consiste en dirigir una pequeña parte del tráfico real hacia él detrás de un respaldo probado, medir y solo entonces mover esa parte. Eso es más barato que una comparativa de benchmarks y mucho más informativo que la ficha de un proveedor.

Si necesitas una respuesta hoy, Step 5 Preview es la opción que puedes justificar en una revisión de diseño, porque cada número asociado a ella puede ser verificado por alguien presente en la sala. Si estás construyendo un agente de uso de computadora y puedes asumir el trabajo de evaluación, Nex N2.5 Pro es la apuesta más interesante — más barata de probar, más difícil de defender y genuinamente no medida. El error que hay que evitar es tratar 82.7 como un hecho y $1.00 como una desventaja sin darte cuenta de que solo uno de esos dos números tiene una segunda fuente.