Nex-N2.5 Pro vs MiniMax M3: Kesenjangan 34 Poin yang Diklaim dan Model yang Benar-Benar Dapat Anda Unduh

Angka yang paling mencolok dalam perbandingan ini adalah 56,4 berbanding 22,3 — dan yang paling sulit diverifikasi. Itu adalah skor OSWorld-2 yang dibawa Nex-N2.5 Pro dari Nex-AGI dan MiniMax M3 pada kartu benchmark model baru tersebut: Pro di 56,4, M3 milik MiniMax di 22,3, selisih 34 poin dalam benchmark penggunaan komputer jangka panjang yang kini menjadi patokan bagi setiap agen GUI yang serius. Nex-N2.5 Pro, yang diperkenalkan pada 8 September 2026, adalah agen multimodal dengan total 397B / ~17B aktif yang bobotnya masih "segera hadir". MiniMax M3, yang dirilis pada 1 Juni 2026, adalah flagship multimodal open-weight dengan total 428B / ~23B aktif yang juga menerima masukan video, mendukung konteks 1M pada MiniMax Sparse Attention, dan telah dapat diunduh sejak awal Juni. Salah satu dari dua model itu dapat Anda unduh dari hub dan jalankan malam ini. Yang lainnya adalah pratinjau yang dihosting dengan sebuah janji. Dan selisih 34 poin yang membuat perbandingan ini layak dibaca diterbitkan oleh vendor dari model yang tidak dapat Anda jalankan, tentang benchmark yang bahkan skor pemegang peringkat teratasnya pun dilaporkan sendiri oleh vendor.

Jadi halaman ini sebenarnya tentang bagaimana Anda menimbang keunggulan dramatis yang tak terverifikasi melawan keunggulan sederhana yang sebagian terverifikasi — dan tentang apa yang dilakukan keberadaan model murah terhadap tawaran model mahal. MiniMax M3 adalah penyeimbang yang harus dilawan oleh setiap spesialis yang menunggu bobot: model itu sudah melakukan sebagian besar pekerjaan, biayanya hampir tidak ada, dan file-nya ada di disk Anda. Agar Nex-N2.5 Pro berarti, klaim 34 poin harus bertahan dalam tiga pemeriksaan berikut.

Pemeriksaan pertama: apakah angka-angka itu sebenarnya mengukur hal yang sama?

OSWorld-2 adalah ekstensi dunia nyata jangka panjang dari benchmark OSWorld asli — agen mengoperasikan perangkat lunak desktop sungguhan dalam berbagai tugas multi-langkah dan dinilai berdasarkan apakah ia benar-benar menyelesaikan pekerjaan nyata, bukan apakah ia mengklik tombol yang tepat. Benchmark ini jauh lebih sulit daripada pendahulunya, dan di benchmark inilah Nex-AGI mengklaim bahwa tingkatan Pro mereka terpisah dari kumpulan model multimodal. Tetapi cermati dari mana kedua baris itu berasal. Angka 56,4 milik Nex-N2.5 Pro adalah pengukuran Nex-AGI sendiri melalui perangkat uji internal NexCUA, yang menurut kartu tersebut akan dijadikan sumber terbuka "segera". Angka 22,3 milik MiniMax M3 adalah angka yang dicetak Nex-AGI untuk model pesaing — MiniMax belum menerbitkan hasil OSWorld-2 miliknya sendiri, dan angka computer-use publik milik M3 adalah OSWorld-Verified yang lebih lama dan lebih mudah, yang juga dicantumkan kartu Nex sebesar 75,2 untuk M3 dibandingkan 82,2 untuk Pro. Kedua baris dalam tajuk 56,4-banding-22,3 itu berasal dari perangkat uji yang sama, dijalankan oleh vendor yang sama, pada hari yang sama, tentang satu model yang dimiliki dan satu model yang tidak dimiliki vendor tersebut. Itu tidak membuat selisihnya salah — perangkat uji memang ada justru untuk membandingkan model dalam kondisi yang identik. Namun, itu berarti angka itu hanyalah perbandingan terkontrol dari satu vendor, bukan hasil yang telah dikonfirmasi laboratorium luar mana pun, dan selisihnya sama tepercayanya dengan perangkat uji yang menghasilkannya.

Pemeriksaan kedua: apa yang dihasilkan oleh model yang benar-benar dapat Anda jalankan?

{{1}}MiniMax M3 tidak memerlukan baris OSWorld-2 miliknya untuk bisa berguna, karena dasar klaimnya bertumpu pada hal-hal yang dapat Anda verifikasi dengan mengunduh modelnya.{{/1}} {{2}}Total parameternya 428B / ~23B aktif, dibangun dengan MiniMax Sparse Attention, dengan konteks 1M token dan batas keluaran 512K;{{/2}} {{3}}model ini menerima teks, gambar, dan video sebagai masukan, lalu mengembalikan teks sebagai keluaran;{{/3}} {{4}}bobot modelnya telah tersedia di Hugging Face sejak minggu pertama bulan Juni;{{/4}} {{5}}dan harga yang tercantum di API MiniMax adalah $0,30 per juta token input dan $1,20 per juta token output, dengan $0,06 untuk input yang di-cache — sekitar seperlima dari harga output model frontier tertutup yang paling murah, dengan video ditagih terpisah.{{/5}} {{6}}Posisi independennya nyata, tetapi sederhana: skor 44 pada Artificial Analysis Intelligence Index menempatkannya di tingkat menengah di antara model-model flagship, di bawah rentang 56-61 yang dihuni oleh model-model tertutup terdepan.{{/6}} {{7}}Angka-angka agentic andalannya — 75.2 OSWorld-Verified sebagaimana yang tercantum di kartu Nex, ~70 menurut laporan MiniMax sendiri, 83.5 BrowseComp — merupakan laporan vendor dan belum direproduksi; inilah tanda asterisk yang sama yang juga disematkan pada Nex.{{/7}} {{8}}Perbedaannya adalah bahwa klaim M3 mengarah pada model yang dapat Anda jalankan dan uji ulang sendiri, itulah sebabnya label “laporan vendor” terasa tidak terlalu perih di sisi model yang bobotnya dapat diunduh.{{/8}}

Pemeriksaan ketiga: apa yang sebenarnya akan Anda lakukan dengan masing-masing?

• Pembelian hari ini — MiniMax M3: bobot asli, daftar tarif, dan API yang berfungsi. Nex-N2.5 Pro: pratinjau terhosting gratis dan roadmap.

• Penggunaan komputer — MiniMax M3: generalis yang menangani tangkapan layar dan video serta mencatat skor GUI menengah. Nex-N2.5 Pro: agen vision-native yang dibangun untuk siklus umpan balik visual, mengklaim peringkat terdepan di kelasnya pada OSWorld-2.

• Harga — MiniMax M3: $0.30 / $1.20, cache $0.06 — cukup murah untuk dipakai pada loop agen yang panjang. Nex-N2.5 Pro: belum ada harga yang dipublikasikan; argumen efisiensi (17B aktif pada satu node 8×H100) adalah proyeksi, bukan tagihan.

• Konteks — MiniMax M3: 1M token, dengan permintaan di atas 512K ditagih 2×. Nex-N2.5 Pro: konfigurasi keluarga 262K.

• Input — MiniMax M3: teks, gambar, dan video, secara native. Nex-N2.5 Pro: gambar dan teks, berorientasi pada persepsi tingkat layar.

• Verifiabilitas — MiniMax M3: dapat di-hosting sendiri, jadi setiap klaim dapat diuji secara internal. Nex-N2.5 Pro: bobotnya tidak dirilis, jadi setiap klaim hanyalah perkataan Nex-AGI.

• Indeks independen — MiniMax M3: 44 (AA). Nex-N2.5 Pro: belum ada.

Mengapa petahana murah adalah lawan yang lebih sulit.

Ada alasan mengapa Nex-AGI memilih untuk mencantumkan MiniMax M3 dalam tabel multimodalnya daripada mengabaikannya: M3 adalah jangkar harga yang membuat premi spesialis penggunaan komputer sulit untuk dibenarkan. Jika model generalis dengan harga $0,30/$1,20 dan dapat menerima video mampu melakukan bahkan 70-75% dari apa yang diklaim agen GUI khusus, maka spesialis tersebut harus jauh lebih baik dalam tugas sebenarnya untuk layak mendapatkan tempatnya — dan kartu Nex-N2.5 Pro menyatakan demikian, pada OSWorld-2, dengan selisih 34 poin. Namun keunggulan 34 poin yang dicetak oleh penantang tentang model yang belum dirilis adalah hipotesis, sementara Indeks 44 milik M3, bobot terbukanya, dan harganya adalah fakta yang bisa Anda bangun di atasnya. Sikap yang rasional secara ekonomi bukanlah mengabaikan hipotesis itu — melainkan bersikeras agar hipotesis itu bertahan melalui uji coba independen sebelum membuat siapa pun mengeluarkan biaya.

Menjalankan perbandingan menggunakan kunci Anda sendiri

Lapisan routing adalah tempat perbandingan yang berpatokan pada harga seperti ini diuji tanpa harus berkomitmen pada salah satu pihak. MiniMax M3 tersedia di OrcaRouter dengan harga daftar MiniMax — $0.30 / $1.20, diteruskan dengan markup 0%, sehingga begitu MiniMax mengubah tarif, perubahannya langsung aktif pada kunci yang sama yang sudah Anda gunakan selama ini untuk katalog lainnya. Nex-N2.5 Pro tidak ditawarkan melalui kami, jadi Anda mengaksesnya melalui pratinjau yang dihosting Nex-AGI hingga bobot yang dijanjikan muncul. Eksperimen yang benar-benar menjawab perbandingan ini: arahkan lalu lintas agen Anda yang bervolume tinggi dan berkonteks panjang ke MiniMax M3 melalui satu endpoint tersebut, jalankan cabang evaluasi yang lebih kecil terhadap pratinjau Nex-N2.5 Pro, lalu bandingkan keduanya pada campuran tugas Anda sendiri sementara failover otomatis menjaga keduanya tetap jujur — klaim 34 poin dari vendor sama berharganya dengan reproduksi Anda sendiri atas klaim itu, dan M3 cukup murah sehingga mereproduksi pengujian ini hampir tidak memakan biaya. Saat bobot Pro dirilis, yang benar-benar perlu diperiksa adalah resep delapan H100: apakah spesialis dengan 17B aktif itu mempertahankan keunggulan OSWorld-2-nya ketika dijalankan oleh pihak lain selain Nex-AGI.

Vonis yang didukung bukti

Dalam semua hal yang saat ini dapat ditindaklanjuti, MiniMax M3 memenangkan pertarungan ini secara default: model ini dapat diunduh, harganya seperlima dari norma frontier, mendukung video, memiliki Index independen, dan klaim penggunaan komputernya — meskipun hanya dilaporkan oleh vendor — mengarah pada model yang dapat Anda uji ulang di tumpukan Anda sendiri minggu ini. Nex-N2.5 Pro adalah model yang lebih menarik namun pilihan pembelian yang lebih buruk: spesialis penggunaan komputer berbasis visi, yang kartu spesifikasinya sendiri mengklaim skor OSWorld-2 terbaik di kelasnya, tetapi bobotnya belum ada. Perlakukan selisih 56,4-ke-22,3 sebagai hipotesis terbaik yang tersedia tentang arah penggunaan komputer ke depan, bukan sebagai hasil yang dapat Anda tindak lanjuti — dan perlakukan MiniMax M3 sebagai alasan bahwa spesialis tersebut, ketika akhirnya dirilis, harus membuktikan selisih itu di atas pengujian milik pihak lain untuk membenarkan harga di atas $0,30/$1,20.