GPT-6 Astra vs Nex N2.5 Pro: Satu Agen Penggunaan Komputer Menagih per Token

Agen penggunaan komputer adalah satu-satunya beban kerja yang membuat penetapan harga per token tidak lagi menjadi abstraksi. Ambil satu tugas — buka peramban, temukan catatan, isi formulir, verifikasi hasilnya — dan agen yang berpikir di antara setiap tindakan akan menjalankannya dalam puluhan ribu token, lalu mengulanginya sepuluh ribu kali. GPT-6 Astra, unggulan OpenAI yang dirilis 3 September 2026, mengenakan biaya $10,00 per juta token masukan dan $50,00 per juta token keluaran untuk itu, dengan band tarif dua kali lipat di atas 272.000 token. Nex-N2.5 Pro, model penggunaan komputer dengan 397 miliar parameter yang diumumkan Nex-AGI pada 8 September 2026, dibangun untuk kelas tugas yang sama dan dipublikasikan di bawah Apache-2.0, dengan instruksi penyajian untuk satu node berisi delapan H100. Kedua vendor melaporkan angka OSWorld-2. Hanya satu dari mereka yang memberi Anda meter yang dapat Anda baca sebelum Anda mulai.

Baris benchmark yang benar-benar tumpang tindih

OSWorld-2 adalah hal yang paling mendekati tolok ukur bersama antara keduanya, dan layak untuk melihat betapa sedikit yang dibuktikan oleh baris bersama itu. Kartu Nex-AGI mencantumkan Nex-N2.5 Pro pada 56,4 di OSWorld-2, bersama Claude Opus 5 pada 68,3 dan Qwen3.8-Max pada 46,7, yang dikutipnya dari sumber papan peringkat dan penyedia. Materi peluncuran O​penAI untuk GPT-6 Astra melaporkan 72,6% pada OSWorld 2.0 dengan sekitar 40 menit per tugas, yang digambarkannya sebagai sekitar 47% lebih sedikit waktu per tugas dibandingkan GPT-5.6 Sol.

Kedua angka itu tidak dapat ditempatkan dalam kolom yang sama. Keduanya dihasilkan oleh laboratorium berbeda, pada harness berbeda, pada tanggal berbeda, dengan anggaran tindakan yang berbeda — dan Nex-AGI menyatakan secara gamblang bahwa evaluasi penggunaan komputer dan penggunaan peramban miliknya melewati harness NexCUA miliknya sendiri, yang katanya akan dirilis sebagai sumber terbuka tetapi belum. Jadi pembacaan jujur atas pasangan angka itu hanya bersifat indikatif dan sempit: angka OpenAI adalah yang lebih tinggi, keduanya dilaporkan oleh vendor, dan tidak satu pun telah direproduksi. Yang memang ditetapkan oleh baris itu adalah bahwa kedua perusahaan menganggap OSWorld-2 sebagai tolok ukur yang penting untuk kelas model ini, yang memberi tahu Anda apa yang perlu diperhatikan untuk sebuah pengujian independen.

Sisa kartu Nex-AGI adalah tabel vendor tunggal dengan peringatan yang sama yang disertakan pada setiap baris:

• Penggunaan komputer, dilaporkan vendor — OSWorld-2 56.4, OSWorld-Verified 82.2, OSWorld-G 87.4, WebArena-Verified 67.6, WebTest 52.8, Vision2Web 68.2

• Pengodean dan teks, dilaporkan vendor — Terminal-Bench 2 pada 82, SWE-Bench Pro 61,2, BrowseComp 89,7, AutomationBench v1.0.6 pada 44,2

• Catatan independen GPT-6 Astra — 53 pada Artificial Analysis Intelligence Index, 44,6 token keluaran per detik, $3,26 per tugas indeks yang diselesaikan, peringkat ketujuh dari 216 dalam hal kecerdasan dan ke-168 dari 185 dalam hal kecepatan

• Rekor vendor GPT-6 Astra — 98% FrontierMath Tier 4, 99,9% ARC-AGI-3 (62,7% dengan harness standar ARC Prize, 99,9% dengan adaptor penyedia), 100% ExploitBench, 57,9% Terminal-Bench 4.0

Baca keempat baris itu bersama-sama dan asimetrinya menjadi jelas. Astra memiliki papan skor independen dan tabel vendor yang saling bertentangan, yang setidaknya memberi Anda sesuatu untuk ditimbang. Nex-N2.5 Pro hanya memiliki tabel vendor — tidak ada entri Artificial Analysis untuknya, dan tidak ada halaman untuk model Nex mana pun di papan itu — jadi setiap angka di atas hanya membawa otoritas Nex-AGI dan tidak ada yang lain.

Apa angka kedua pada kartu itu: beban itu mendarat

Repositori Nex-N2.5 Pro di Hugging Face dibuat pada 8 September 2026, dan saat keluarga ini diumumkan, kartu model memuat pemberitahuan segera hadir untuk bobotnya. Kesenjangan itu kini telah tertutup. Repositori ini sekarang menyimpan 122 shard safetensors dengan total sekitar 407 GB, diterbitkan di bawah Apache-2.0, dan kartu tersebut mendokumentasikan resep serving dengan cukup rinci untuk menjalankannya tanpa merekayasa balik apa pun.

Resep itu layak dibaca sebelum Anda menilai perbandingannya, karena itu merupakan argumen untuk model tersebut, tak kalah dari baris benchmark mana pun. Nex-N2.5 Pro adalah campuran pakar yang sparse: total 397 miliar parameter dengan sekitar 17 miliar aktif per token. Deployment yang didokumentasikan adalah satu node berisi delapan H100 yang menjalankan build SGLang yang dikustomisasi — nexagi/sglang:v0.5.18-nex-patch — dengan paralelisme tensor di kedelapan H100, parser penalaran Qwen3 dan parser pemanggilan alat Qwen3-coder diaktifkan, panjang konteks 262.144 token, dan sampling yang direkomendasikan pada temperature 0,7, top_p 0,95, top_k 40. Delapan H100 merupakan jejak perangkat keras yang substansial tetapi rutin. Karena hanya 17 miliar parameter yang diaktifkan per token, komputasi per aksi tetap kecil meskipun jejak bobotnya besar — itulah alasan utamanya model 397B dapat di-deploy oleh siapa pun selain hyperscaler.

Konteks 262.144 token adalah spesifikasi yang menentukan sebagian besar desain agen. Jendela Astra adalah 1.050.000 token dengan batas atas keluaran 128.000 token, dan tingkatan layanannya sendiri membuat rentang panjang menjadi mahal: di atas 272.000 token masukan, seluruh permintaan dihargai ulang pada $20,00 untuk masukan dan $75,00 untuk keluaran, dengan pembacaan cache $2,00 dan penulisan cache $25,00. Panjang penyajian 262.144 token milik Nex-N2.5 Pro berada tepat di bawah garis itu, yang entah hanya kebetulan atau spesifikasi yang ditulis oleh seseorang yang membaca halaman harga vendor lain. Bagaimanapun juga, konsekuensi praktisnya adalah bahwa loop agen yang menyimpan riwayat sesi panjang pada Nex-N2.5 Pro tidak pernah melewati batas tingkat yang kira-kira menggandakan biaya masukan Astra.

Ke mana uangnya pergi selama sepuluh ribu putaran

Harga per token adalah unit yang salah untuk beban kerja ini, dan penting untuk menjelaskan secara konkret mengapa demikian. Agen browser yang menyelesaikan tugas dalam seratus tindakan akan mengirim seratus permintaan, masing-masing membawa akumulasi status sesi. Bahkan ketika caching prompt benar-benar melakukan kerja nyata, sisi input tumbuh seiring kuadrat jumlah tindakan sementara sisi output tumbuh secara linear. Itulah bentuk yang membuat kartu tarif menjadi pos anggaran.

Kedua model menjawab bentuk itu secara berbeda, dan perbedaannya tidak terutama tentang angka-angkanya:

• Struktur biaya — GPT-6 Astra ditagih berdasarkan pemakaian dengan tarif $10,00 untuk input / $1,00 untuk cache / $12,50 untuk penulisan cache / $50,00 untuk output per 1 juta token, berlipat ganda di atas 272K token vs Nex-N2.5 Pro yang ditagih berdasarkan pemakaian atau di-hosting sendiri, tanpa tarif daftar resmi yang dipublikasikan dari Nex-AGI untuk tier Pro

• Kebutuhan modal — GPT-6 Astra tidak ada, ini adalah API; sedangkan Nex-N2.5 Pro memerlukan satu node berisi delapan H100, atau endpoint yang dihosting yang ketentuan komersialnya ditentukan oleh vendor.

• Konteks saat penyajian — GPT-6 Astra 922.000 token masukan, 128.000 token keluaran dibandingkan dengan Nex-N2.5 Pro 262.144 token sebagaimana didokumentasikan dalam konfigurasi peluncuran

• Kontrol penalaran — reasoning.effort GPT-6 Astra dari low hingga max vs reasoning_effort Nex-N2.5 Pro pada none, medium (adaptif, default) atau high

• Input — GPT-6 Astra teks, gambar, dan file sesuai listing router, teks dan gambar menurut halaman OpenAI sendiri vs Nex-N2.5 Pro teks dan gambar, dengan vision diperlakukan sebagai kanal persepsi agen, bukan sebagai modalitas kedua

• Bobot — GPT-6 Astra tertutup vs Nex-N2.5 Pro Apache-2.0, 122 shard, sekitar 407 GB

Baris terakhir itulah yang mengubah aritmetika, bukan harganya. Jika Anda memiliki delapan H100s dan perangkat itu tidak sedang digunakan untuk hal lain, biaya marginal dari menjalankan agen berikutnya mendekati biaya listrik, dan tidak ada pesaing per token yang mencapai angka itu pada volume berapa pun. Jika Anda tidak memilikinya, pos modal adalah pembandingnya, dan API berbasis meteran mulai terlihat murah persis seperti mobil sewaan terlihat murah dibandingkan cicilan mobil — sampai Anda mengendarainya setiap hari selama tiga tahun.

Versi jujur dari pertanyaan beli-versus-bangun di sini adalah utilisasi. Beban kerja agen yang berjalan terus-menerus membuat node tampak seperti barang murah; beban yang melonjak selama jam kerja dan menganggur sepanjang malam membuat fleksibilitas API layak dengan premi harganya. Kartu dari kedua vendor tidak akan memberi tahu Anda mana yang Anda miliki, dan tidak ada baris benchmark yang bisa menggantikan angka yang dihasilkan lalu lintas Anda sendiri.

Satu hal yang tidak akan diberitahukan oleh kartu Nex-N2.5 Pro kepada Anda adalah harganya. Nex-AGI tidak menerbitkan tarif daftar per token untuk tier Pro; model ini menjangkau pengguna pertama kali melalui endpoint yang dihosting yang ditautkan dari kartunya sendiri, dan ketentuan komersialnya merupakan hak vendor untuk menetapkan, bukan sesuatu yang seharusnya diperkirakan oleh halaman luar. Artikel ini tidak mencantumkannya.

Apa yang sebenarnya dirancang untuk dilakukan masing-masing

Perbedaan paling jelas antara keduanya bukanlah kemampuan, melainkan loop yang menjadi dasar perancangan keduanya. Cara Nex-AGI membingkai keluarga N2.5 adalah bahwa visi bukan sekadar modalitas masukan, melainkan antarmuka yang melaluinya agen mempersepsikan lingkungannya, memverifikasi hasil suatu tindakan, dan memutuskan apa yang harus dilakukan selanjutnya. Nex-N2.5 Pro menjalani pelatihan lanjutan dari galur Qwen3.5 khusus untuk loop persepsi-dan-pemeriksaan itu, dalam sesi browser dan desktop, dengan koreksi diri dari hasil visual. Kontrol penalarannya mencerminkan desain yang sama: mode bawaannya adaptif, membiarkan model memutuskan seberapa banyak berpikir sebelum setiap tindakan, dengan mode non-berpikir tersedia untuk langkah-langkah yang jelas tidak membutuhkannya. Bagi agen yang membuat ratusan keputusan berurutan, kontrol berpikir per langkah adalah tuas biaya, bukan pengatur kualitas, dan pengaturan bawaan adalah yang penting.

Posisi GPT-6 Astra lebih luas dan kemampuan computer-use-nya hadir dengan struktur harga yang mengasumsikan eksekusi panjang. OpenAI menjualnya untuk pekerjaan profesional long-horizon dan end-to-end — membawa sebuah tugas dari instruksi menjadi artefak akhir dengan menggunakan komputer seperti yang dilakukan manusia — dan jendela 1.050.000 token adalah spesifikasi yang membuat eksekusi tersebut mungkin tanpa peringkasan. Itu adalah keunggulan nyata untuk kelas tugas ketika agen masih harus menemukan persyaratan yang diberikan berjam-jam lalu; itu juga alasan rentang 272.000 token ada, dan siapa pun yang menjalankan Astra sebagai agen harus membaca rentang itu sebagai harga dari fitur tersebut, bukan sebagai penalti.

Dua fakta operasional tentang Astra perlu disertakan dalam evaluasi apa pun atas Astra sebagai platform agen, karena keduanya memengaruhi loop produksi. Throughput terukurnya adalah 44,6 token keluaran per detik pada pengujian Artificial Analysis, yang cukup lambat untuk berdampak ketika masing-masing dari seratus aksi menunggu respons. Dan Astra adalah model OpenAI pertama yang melampaui ambang batas kemampuan keamanan siber Critical milik perusahaan, yang berarti bahwa sebagaimana dirilis, model ini menolak tugas siber tingkat lanjut dan mekanisme pengaman itu berada di jalur permintaan — di ChatGPT dan Codex pengguna mungkin diminta meninjau suatu aksi, sementara di API tugasnya langsung berhenti. Bagi agen keamanan defensif, itu adalah kendala nyata; bagi agen proses bisnis biasa, itu sebagian besar tidak terlihat.

Menjalankan keduanya, dan apa yang dilakukan router tentang hal itu

Nex-N2.5 Pro tidak ada di OrcaRouter dan halaman ini tidak mengklaim demikian — ini adalah checkpoint Apache-2.0 dari lab yang lebih baru, dan rute Anda ke sana adalah layanan hosted milik Nex-AGI sendiri, platform pihak ketiga, atau deployment delapan H100 yang didokumentasikan oleh kartunya. GPT-6 Astra ada di katalog kami sebagai openai/gpt-6-astra, dengan tarif daftar OpenAI yang diteruskan dengan markup 0% dari kami, sehingga perubahan pada salah satu dari empat meternya langsung berlaku pada kunci Anda yang ada pada hari yang sama saat dipublikasikan.

Pemisahan itulah yang membuat armada campuran menjadi praktis, bukan sekadar teoretis. Tim yang ingin mengetahui apakah agen penggunaan komputer yang dihosting sendiri mampu menangani beban kerjanya dapat menempatkan model berbayar di belakang endpoint yang kompatibel dengan OpenAI yang sudah dipanggilnya, mengarahkan sebagian lalu lintas ke checkpoint, dan membandingkan tugas yang selesai per dolar alih-alih token per panggilan — satuan itulah satu-satunya yang menjawab pertanyaan tersebut. Failover otomatis menangani hari-hari buruk deployment tanpa perlu ada yang menulis integrasi kedua, dan juga menangani hari-hari buruk API. Perbandingan yang terus dibuat halaman ini adalah perbandingan struktur biaya, dan struktur biaya adalah sesuatu yang Anda uji pada lalu lintas Anda sendiri, bukan dibaca dari kartu.

Yang mana yang harus dijalankan

Pilih Nex-N2.5 Pro jika pengoperasian komputer dan browser adalah produknya, bukan sekadar fiturnya, jika Anda sudah mengoperasikan kapasitas GPU, atau jika Apache-2.0 menjadi penentu karena data yang disentuh agen tidak boleh meninggalkan infrastruktur Anda. Anggarkan node sebelum Anda menganggarkan hal lain, dan jalankan evaluasi Anda sendiri atas angka OSWorld-2 sebelum Anda bergantung padanya — harness yang menghasilkannya belum publik, dan sampai itu terjadi, 56.4 hanyalah klaim, bukan hasil.

Pilih GPT-6 Astra jika pekerjaan membutuhkan performa puncak pada konteks yang sangat panjang, jika Anda menginginkan papan skor independen untuk ditimbang terhadap tabel vendor, atau jika Anda lebih memilih untuk tidak menjalankan GPU sama sekali. Biayanya $10.00 dan $50.00 per juta token serta $3.26 per tugas indeks yang diselesaikan — opsi termahal dalam perbandingan ini dan yang memiliki overhead operasional paling sedikit. Jangan menempatkan agen bervolume tinggi dengan prompt pendek padanya; pada ukuran permintaan seperti itu, Anda membayar tarif unggulan untuk beban kerja yang dapat diselesaikan oleh model yang lebih murah, dan rentang 272.000 token yang membenarkan kartu tarif tersebut adalah rentang yang tidak akan pernah Anda gunakan.

Ringkasan yang layak diingat adalah bahwa keduanya diberi harga berdasarkan batasan yang berbeda. Biaya Nex-N2.5 Pro adalah simpul, dan ekonominya makin baik makin sering Anda menggunakannya. Biaya GPT-6 Astra adalah meteran, dan ekonominya datar tidak peduli seberapa banyak Anda menggunakannya. Untuk agen penggunaan komputer yang berjalan terus-menerus, perbedaan itu terakumulasi lebih cepat daripada kesenjangan benchmark apa pun di antara keduanya.

Rilis juga merupakan momen untuk memeriksa apa yang pernah salah sebelumnya: insiden AI dan kegagalan agen yang terdokumentasi seputar model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan tanda perselisihan.