Nex-N2.6 remplace Qwen par GLM : le nouveau modèle d’agent de Nex-AGI coûte plus cher et en dit moins

Nex-N2.6 a été mis en ligne sur l'API commerciale propre à Nex-AGI le 10 novembre 2026, sans billet de lancement, sans fiche modèle lisible et sans tableau de benchmarks. Ce qui accompagne son arrivée, c'est un changement de modèle de base : là où Nex-N2.5 Pro avait été post-entraîné sur un checkpoint mixture-of-experts Qwen3.5, Nex-N2.6 est post-entraîné sur GLM-5.3-Flash, le modèle multimodal de 320 milliards de paramètres de Z.ai, et le résultat porte lui-même environ 321 milliards de paramètres. Il est aussi arrivé à un prix plus élevé que le modèle qu'il remplace — 0,12 $ par million de tokens d'entrée et 0,40 $ par million de tokens de sortie, contre 0,075 $ et 0,25 $ pour Nex-N2.5 Pro, soit une hausse de 60 % des deux côtés du compteur. Pour une famille qui a passé deux versions à soutenir qu'elle offre un comportement d'agent de pointe aux prix des modèles ouverts, un successeur qui coûte plus cher et documente moins est l'aspect intéressant de ce lancement, pas le lancement lui-même. Nex-N2.6 est un modèle à point de terminaison unique, et c'est le risque opérationnel décrit ci-dessus. OrcaRouter regroupe plus de 200 modèles derrière un seul point de terminaison compatible OpenAI avec bascule automatique, de sorte que le chemin de secours que vous conservez pour un modèle non mesuré peut être une règle de routage plutôt qu'une seconde intégration — et lorsque nous hébergeons un modèle, le prix catalogue du fournisseur est répercuté sans marge.

Qu'y a-t-il réellement à voir ?

Le modèle n'est pas une rumeur. Il est appelable dès maintenant, servi par Nex-AGI lui-même en précision fp8, et le point de terminaison rapporte un état de santé impeccable — 100 % de disponibilité sur les fenêtres mesurées par le catalogue, environ 35 jetons de sortie par seconde, et une latence p50 de 2,81 secondes. Tout ce qui suit provient de cette fiche plutôt que du fournisseur, car le fournisseur n'a rien publié d'autre :

• Prix — 0,12 $ en entrée / 0,40 $ en sortie par million de tokens, lectures du cache à 0,024 $. L’annonce présente cela comme une réduction de 20 % sur un tarif catalogue barré de 0,15 $ / 0,50 $, alors considérez le montant actuel comme un tarif d’introduction dont la date d’expiration n’est pas précisée.

• Contexte — 262 144 tokens, la même fenêtre de service que tous les modèles de la famille N2.5, avec une sortie maximale de 235 929 tokens.

• Modalité — texte et image en entrée, texte en sortie. Il n’existe aucun canal audio ou vidéo, et aucune génération d’images.

• Raisonnement — obligatoire, et non facultatif. Le point de terminaison n’accepte que deux réglages d’effort, high et medium, et utilise high par défaut. Vous ne pouvez pas désactiver la réflexion sur ce modèle.

• Outillage — l'appel de fonctions, le choix forcé d'outils, les sorties structurées et les logprobs sont tous pris en charge, ce qui constitue l'ensemble adéquat pour un modèle d'agent et le seul aspect de cette version qui soit entièrement spécifié.

• Poids — l’annonce renvoie vers un dépôt Hugging Face pour Nex-N2.6. Ce dépôt affiche une invite d’authentification plutôt qu’une fiche modèle publique ; les poids, la configuration et toute table d’évaluation du fournisseur ne sont donc pas consultables au moment de la publication.

Le swap de base est le véritable changement

Les familles de modèles évoluent généralement en faisant évoluer la même recette de post-entraînement. Nex-AGI a fait quelque chose de plus disruptif : elle a changé les fondations. Nex-N2.5 Pro, publié le 8 septembre, a été construit sur une base Qwen3.5 de type mixture-of-experts de 397 milliards de paramètres, avec environ 17 milliards de paramètres actifs par token — l’architecture et le tokenizer sont visiblement dérivés de Qwen, et sa fiche le dit. Nex-N2.6 est construit sur GLM-5.3-Flash, le modèle d’un autre laboratoire, avec un tokenizer différent et un budget de paramètres différent : la fiche de Z.ai décrit 320 milliards de paramètres au total avec 18 milliards actifs, sur une conception d’attention hybride sparse-et-linéaire plutôt que sur la stack Qwen.

Cela compte, et pas seulement pour la anecdote. Changer de base signifie que l'analyseur d'appels d'outils, le template de chat, le tokenizer et les modes de défaillance ont tous changé en même temps. Les prompts réglés contre Nex-N2.5 Pro — en particulier les longs prompts système qui enseignent un dialecte d'appel d'outils spécifique, et tout ce qui s'appuie sur les frontières de tokens de Q​wen pour maîtriser les coûts — ne sont pas transférables par présomption. La seule affirmation comportementale avancée par Nex-AGI porte précisément sur cette interface : le modèle, dit-elle, réduit le raisonnement répétitif et suit de plus près les outils disponibles dans l'environnement courant. C'est une amélioration plausible lorsqu'on rebase sur un modèle qui a lui-même été ajusté pour le travail agentique, et c'est aussi exactement le genre d'affirmation qui n'apparaît que dans vos propres traces, pas dans un tableau de benchmarks. Rapporté par le fournisseur, non reproduit, et énoncé en une seule phrase.

L’effet de second ordre est la prévisibilité des coûts. Nex-N2.5 Pro pouvait être exécuté avec le raisonnement entièrement désactivé, ce qui le rendait bon marché pour les tours courts et mécaniques. Nex-N2.6 ne le peut pas. Chaque appel réfléchit, avec un effort élevé par défaut. Dans une boucle d’agent qui déclenche quarante petits appels d’outils pour trouver un fichier, cette différence de comportement par défaut fera davantage bouger votre facture que le taux affiché de 60 %.

Un successeur qui coûte 60 % de plus

La direction tarifaire mérite qu’on s’y arrête, car elle inverse le récit générationnel habituel. Par million de tokens : Nex-N2.5 Pro à 0,075 $ en entrée / 0,25 $ en sortie, Nex-N2.6 à 0,12 $ en entrée / 0,40 $ en sortie. Même fenêtre de contexte. Même modalité. Un modèle plus récent du même laboratoire, sur une base plus petite, à 1,6 fois le tarif.

Faites-le tourner sur une charge de travail d'agent réaliste — dix millions de tokens d'entrée et deux millions de tokens de sortie par mois, soit un agent de codage modéré dans une équipe active — et les chiffres donnent 1,20 $ plus 0,80 $, donc 2,00 $ par mois sur Nex-N2.6. La même charge de travail sur Nex-N2.5 Pro coûte 0,75 $ plus 0,50 $, soit 1,25 $. Les deux sont des erreurs d'arrondi à côté des modèles de pointe. C'est la lecture honnête : Nex-N2.6 est plus cher que son prédécesseur et représente encore environ un seizième du coût d'un modèle phare, donc la hausse de prix est un signal de positionnement plutôt qu'un problème de budget.

Là où la hausse fait vraiment mal, c’est sur le volume, et là où le raisonnement obligatoire fait mal, c’est dans la queue. Un modèle qui réfléchit toujours à effort élevé consomme des jetons de sortie que vous n’avez pas demandés, et 0,40 $ par million de jetons de sortie sur une boucle à forte intensité de raisonnement n’est pas le même chiffre que 0,40 $ sur des réponses courtes. Mesurez les jetons par tâche terminée, pas le prix par jeton, avant de conclure quoi que ce soit.

Une remarque structurelle sur la façon dont ces tarifs circulent : une passerelle qui répercute le prix catalogue du fournisseur à 0 % de marge n’a pas de grille tarifaire distincte à rapprocher, de sorte qu’une baisse de prix du fournisseur ou l’expiration d’une remise se voit le jour même plutôt qu’au prochain renouvellement de contrat. OrcaRouter fonctionne ainsi. C’est aussi le moment idéal pour dire honnêtement ce que nous n’avons pas — aucun checkpoint Nex-AGI ne figure aujourd’hui au catalogue OrcaRouter, si bien que Nex-N2.6 est un modèle que vous appelez directement auprès d’un seul fournisseur, à un seul prix. Cette configuration mono-fournisseur constitue le véritable risque opérationnel de cette version, et il vaut la peine de l’anticiper même si vous n’utilisez jamais notre produit : un modèle avec un seul point de terminaison, aucun poids publié et aucun second hébergeur n’a nulle part où basculer en cas de défaillance.

L’écart de preuves est l’élément à intégrer dans le prix.

La précédente version de Nex-AGI s'accompagnait de tout un attirail : un site du fournisseur avec des graphiques de benchmarks, une fiche Hugging Face avec des tableaux textuels et multimodaux comparant la famille à Claude Opus 5, GPT-5.6 Sol, Kimi-K3 et Qwen3.8-Max, ainsi qu'une recette de déploiement documentée sur huit H100. Nex-N2.6 s'est accompagné d'un paragraphe.

Vérifiez ce qui manque : il s’agit d’une liste cohérente. Le site web du fournisseur lui-même fait toujours la promotion de la famille Nex-N2.5 et ne mentionne N2.6 sous aucune forme que nous ayons pu charger. L’organisation GitHub dispose de dépôts pour Nex-N2.5, NexRT et le framework d’agents NexAU, et d’aucun pour N2.6. ModelScope ne renvoie aucun enregistrement pour le checkpoint. Le dépôt Hugging Face nommé dans la fiche n’est pas accessible publiquement en lecture. Il n’y a aucune entrée sur Artificial Analysis, donc aucun score indépendant — pas même un score faible, aucun. À la date de publication, l’ensemble des preuves publiques disponibles pour ce modèle se résume à un prix, une longueur de contexte, une modalité, un nombre de paramètres et une phrase de positionnement.

Ce n'est pas la même chose qu'un mauvais modèle. C'est un modèle dont vous ne pouvez pas vérifier les affirmations, issu d'un laboratoire qui a déjà livré les vérifications par le passé. La bonne posture est celle que vous adopteriez face à toute dépendance non mesurée : essayez-le sur un travail que vous pouvez évaluer vous-même, gardez le modèle précédent branché comme solution de repli, et ne faites pas basculer un chemin de production dessus parce que le numéro de version a augmenté.

Qui doit bouger, et qui doit attendre

Le cas en faveur d’un changement immédiat est réel, mais limité. Si votre harnais d’agent dépense son budget à se battre contre le modèle plutôt qu’à accomplir la tâche — relire le même fichier, redériver une conclusion qu’il a déjà atteinte ou émettre des appels d’outils dans un dialecte que votre schéma rejette —, alors un modèle explicitement ajusté pour réduire le raisonnement répétitif et honorer les outils disponibles vise directement votre problème, et à 0,12 $/0,40 $, l’expérience ne coûte presque rien à mener. L’entrée d’images et l’appel de fonctions sur un seul point de terminaison le rendent également utilisable pour un contrôle qualité piloté par captures d’écran, sans second modèle dans la boucle.

Les arguments en faveur de l’attente sont plus larges. Si votre charge de travail fonctionne déjà sur Nex-N2.5 Pro, le simple changement de base constitue une migration, et vous le feriez pour un modèle qui coûte plus cher par token, ne peut pas être exécuté avec le raisonnement désactivé, ne peut pas être téléchargé et n’a aucun score publié. Rien ne prouve encore que N2.6 soit meilleur en quoi que ce soit, hormis les deux comportements que son auteur nomme.

Ce qui changerait la donne, dans un ordre approximatif d’utilité : que la fiche du modèle s’ouvre sur ses propres tableaux de benchmarks, qu’un premier score indépendant apparaisse sur un classement public, que les poids soient réellement publiés sous une licence utilisable, et qu’un second fournisseur l’héberge afin que le risque de point de terminaison unique disparaisse. Tant qu’au moins deux de ces éléments ne se concrétisent pas, Nex-N2.6 est une option prometteuse mais non mesurée plutôt qu’une mise à niveau recommandée — ce qui, vu la hausse du prix, résume toute l’histoire.

À quoi ressemble le changement de base sur le papier

La comparaison qui compte n’est pas celle de Nex-N2.6 avec un modèle de pointe. C’est celle de Nex-N2.6 avec le checkpoint qu’il remplace, car c’est la migration que l’on demande à quiconque utilise déjà cette famille.

Parcourez cette liste et le schéma est celui d’un modèle devenu plus petit, plus cher, moins configurable et moins inspectable en une seule étape. Ce n’est pas automatiquement un moins bon compromis — une base de 321 milliards de paramètres ajustée pour l’usage agentique d’outils peut surpasser une base de 397 milliards de paramètres ajustée pour autre chose, et le prix par token est faible en termes absolus. Mais c’est bien un compromis, et le fournisseur n’a pas publié la comparaison qui permettrait à quiconque d’en juger. Tant que cela ne changera pas, le changement de base fait l’actualité et le tableau des benchmarks en est le chapitre manquant.