GPT-6 Astra 対 Nex N2.5 Pro：コンピュータ操作エージェントの一方はトークン単位で課金する

コンピュータ操作エージェントは、トークン単位の課金がもはや抽象論ではなくなる唯一のワークロードだ。単一のタスク——ブラウザを開き、レコードを探し、フォームに入力し、結果を検証する——を取ってみると、各アクションの合間に思考を挟むエージェントはそれを数万トークンで実行し、さらにそれを1万回繰り返す。GPT-6 Astraは、2026年9月3日にリリースされたOpenAIのフラッグシップモデルで、そのために入力100万トークンあたり10.00ドル、出力100万トークンあたり50.00ドルを課金し、272,000トークンを超えると料金帯が2倍になる。Nex-N2.5 Proは、2026年9月8日にNex-AGIが発表した3970億パラメータのコンピュータ操作モデルで、同じクラスのタスク向けに作られ、Apache-2.0の下で公開されており、H100を8基搭載した1ノード向けのサービング手順も提供されている。両ベンダーともOSWorld-2の数値を報告している。だが、開始前に読めるメーターを提供しているのは、そのうちの一方だけだ。

実際に重なっているベンチマーク行

OSWorld-2は、この2社を比べるための共通の尺度に最も近いものだが、その共通の一行がどれほどわずかなことしか示していないかは、見る価値がある。Nex-AGIのカードにはNex-N2.5 ProがOSWorld-2で56.4と記載され、並んでClaude Opus 5が68.3、Qwen3.8-Maxが46.7となっており、これはリーダーボードおよびプロバイダーの情報源から引用したものだ。OpenAIのGPT-6 Astraの発表資料は、OSWorld 2.0で72.6%、タスクあたりおよそ40分と報告しており、これはGPT-5.6 Solよりタスクあたり約47%短い時間だと説明している。

その2つの数値は同じ列に並べることはできない。それらは異なるラボ、異なるハーネス、異なる日付、異なるアクション予算で生成されたものだ——そしてNex-AGIは、そのコンピュータ使用とブラウザ使用の評価が自社のNexCUAハーネスを通じて行われたと明言しており、同ハーネスはオープンソース化すると述べているが、まだ実現していない。したがって、このペアを誠実に読むなら、方向性を示す限定的なものになる。OpenAIの数値のほうが高く、両方ともベンダー報告であり、どちらも再現されていない。この行が確かに示しているのは、両社がOSWorld-2をこの種のモデルにとって重要なベンチマークと見なしているということであり、それは独立した実行で何を注視すべきかを教えてくれる。

Nex-AGIのカードの残りの部分は、どの行にも同じ注意書きが付された単一ベンダーの表です：

• コンピュータ操作、ベンダー報告 — OSWorld-2 56.4、OSWorld-Verified 82.2、OSWorld-G 87.4、WebArena-Verified 67.6、WebTest 52.8、Vision2Web 68.2

• コーディングとテキスト、ベンダー報告 — Terminal-Bench 2.1は82.7、SWE-Bench Pro 61.2、BrowseComp 89.7、AutomationBench v1.0.6は44.2

• GPT-6 Astraの独自記録 — Artificial Analysis Intelligence Indexで53、毎秒44.6出力トークン、完了したインデックスタスク1件あたり3.26ドル、知能では216中7位、速度では185中168位

• GPT-6 Astraのベンダー公表記録 — FrontierMath Tier 4で98%、ARC-AGI-3で99.9%（ARC Prizeの標準ハーネスでは62.7%、プロバイダーアダプターでは99.9%）、ExploitBenchで100%、Terminal-Bench 4.0で57.9%

これら4行をまとめて読めば、非対称性は明らかだ。Astraには独立したスコアボードとベンダー表があり、両者は互いに食い違っているが、少なくとも比較検討する材料にはなる。Nex-N2.5 Proにはベンダー表しかない——それに関するArtificial Analysisの項目はなく、あのボード上にNexモデルのページも存在しない——ため、上記のすべての数値はNex-AGIの権威だけを根拠にしており、それ以外の何ものでもない。

カードの2番目の数字は何か：重りが着地した

Hugging Face上のNex-N2.5 Proリポジトリは2026年9月8日に作成され、ファミリーが発表された際、モデルカードには重みの近日公開のお知らせが掲載されていました。そのギャップは解消されました。リポジトリは現在、合計約407 GBの122個のsafetensorsシャードを保持し、Apache-2.0の下で公開されており、カードには、何もリバースエンジニアリングすることなく実行できるほどの詳細なサービングレシピが記載されています。

そのレシピは、比較を値踏みする前に読む価値がある。なぜなら、それはどのベンチマークの行にも劣らず、このモデルを支持する論拠だからだ。Nex-N2.5 ProはスパースなMixture of Expertsであり、総パラメータ数は3970億、トークンあたり約170億がアクティブになる。文書化されているデプロイは、8台のH100からなる単一ノードで、カスタマイズされたSGLangビルド — nexagi/sglang:v0.5.18-nex-patch — を実行する。8台すべてにテンソル並列を適用し、Qwen3 reasoningパーサーとQwen3-coderツール呼び出しパーサーを有効化し、コンテキスト長は262,144トークン、推奨サンプリングはtemperature 0.7、top_p 0.95、top_k 40である。H100×8は相当な規模だが、ありふれた構成でもある。トークンあたり170億パラメータしか発火しないため、重みのフットプリントが大きくても、アクションあたりの計算量は小さく保たれる。まさにこれが、397Bモデルをハイパースケーラー以外でもデプロイ可能にしている理由そのものである。

262,144トークンのコンテキストは、ほとんどのエージェント設計を決定づける仕様である。Astraのウィンドウは1,050,000トークンで、出力上限は128,000トークンであり、同社独自のサービス帯ではロング側が高額になる。入力トークンが272,000を超えると、リクエスト全体が入力$20.00、出力$75.00で再価格設定され、キャッシュ読み取りは$2.00、キャッシュ書き込みは$25.00となる。Nex-N2.5 Proの262,144トークンの提供長はちょうどその線のすぐ下に位置しており、それは偶然か、他社の料金ページを読む誰かによって書かれた仕様かのどちらかである。いずれにせよ、実用的な帰結として、Nex-N2.5 Pro上で長いセッション履歴を保持するエージェントループは、Astraの入力コストをおよそ2倍にする料金階層の境界を決して越えない。

1万回の実行でお金はどこへ消えるのか

トークンあたりの価格は、このワークロードには適切な単位ではありません。そして、その理由を具体的に説明する価値があります。100アクションでタスクを完了するブラウザエージェントは100件のリクエストを送信し、それぞれが蓄積されたセッション状態を運びます。プロンプトキャッシュが実際に機能していても、入力側はアクション数の二乗で増大し、出力側はアクション数に比例して増大します。それこそが、料金表を予算項目へと変えてしまう構造なのです。

2つのモデルはその形に対して異なる答え方をしており、その違いは主に数値の問題ではない：

・コスト構造 — GPT-6 Astraは1Mあたり入力$10.00 / キャッシュ済み$1.00 / キャッシュ書き込み$12.50 / 出力$50.00の従量課金で、272Kトークンを超えると2倍になる。一方、Nex-N2.5 Proは従量課金またはセルフホストで、ProティアについてNex-AGIから公表されたリスト料金はない

• 資本要件 — GPT-6 Astra は不要（API であるため）に対し、Nex-N2.5 Pro は H100 を8基搭載した単一ノード、または商用条件をベンダーが設定するホスト型エンドポイント。

• 提供時点のコンテキスト — GPT-6 Astra は入力 922,000 トークン、出力 128,000 トークン、Nex-N2.5 Pro は 262,144 トークン（起動構成に記載のとおり）

• 推論制御 — GPT-6 Astra の reasoning.effort が low から max までなのに対し、Nex-N2.5 Pro の reasoning_effort は none、medium（adaptive、デフォルト）または high

• 入力 — GPT-6 Astra は、ルーターの掲載内容によればテキスト・画像・ファイル、OpenAI 自身のページによればテキスト・画像。一方、Nex-N2.5 Pro はテキスト・画像。ビジョンは第二のモダリティではなく、エージェントの知覚チャネルとして扱われる。

• 重み — GPT-6 Astra クローズド 対 Nex-N2.5 Pro Apache-2.0、122 シャード、約 407 GB

その最後の行は、価格ではなく計算の方を変える行だ。もしあなたがその8台のH100を所有していて、それらが他で忙しくないなら、次のエージェント実行の限界費用は電気代に近づき、トークン単位課金の競合他社はどの利用量でもその数字には届かない。もし所有していなければ、比較対象になるのは資本の行であり、従量課金制のAPIは、車のローン返済の隣ではレンタカーが安く見えるのとちょうど同じように、安く見え始める——毎日3年間運転するまでは。

ここでの「買うか作るか」という問いに対する正直な答えは、稼働率だ。継続的に動き続けるエージェントワークロードなら、ノードは格安に見える。一方、営業時間中に急増し、夜間はアイドル状態になるワークロードなら、APIの柔軟性はその割増分に見合う価値がある。どちらのベンダーのスペック表も、あなたのワークロードがどちらなのかを教えてはくれないし、どんなベンチマークの行も、あなた自身のトラフィックがはじき出す数字の代わりにはならない。

Nex-N2.5 Proのカードが教えてくれないことの一つは、その価格です。Nex-AGIはProティアについてトークンあたりの定価表を公開していません。このモデルはまず、自らのカードからリンクされたホスト型エンドポイントを通じてユーザーに届きました。そして商業条件は、外部のページが見積もるものではなく、ベンダーが設定するものです。本記事ではそれを記載しません。

それぞれが実際に何をするために作られているのか

これら2つの最も明確な違いは能力ではなく、それらがどのようなループを中心に設計されたかにある。Nex-AGIによるN2.5ファミリーの位置づけでは、視覚は単なる入力モダリティではなく、エージェントが環境を知覚し、行動の結果を検証し、次に何をすべきかを判断するためのインターフェースである。Nex-N2.5 Proは、まさにその知覚と確認のループのためにQwen3.5系譜からポストトレーニングされており、ブラウザおよびデスクトップセッションにおいて、視覚的な結果からの自己修正を行う。その推論制御も同じ設計を反映している。デフォルトモードは適応型で、各行動の前にどれだけ考えるかをモデル自身に決めさせ、明らかに不要なステップ向けに非思考モードも利用できる。何百もの連続的な意思決定を行うエージェントにとって、ステップごとの思考制御は品質を調整するつまみではなくコストを動かすレバーであり、重要なのはデフォルト設定のほうである。

GPT-6 Astra の位置づけはより広範で、そのコンピュータ操作の話には、長時間の実行を前提とした価格体系が伴います。OpenAI はこれを、長期的な視野に立ったエンドツーエンドのプロフェッショナル業務——指示から完成した成果物まで、人間と同じようにコンピュータを使ってタスクをこなすこと——向けに売り込んでおり、1,050,000 トークンのウィンドウは、要約なしにそうした実行を可能にする仕様です。これは、エージェントが数時間前に与えられた要件をなお見つけ出さなければならない類のタスクにとって、真の利点です。同時に、272,000 トークンという帯域が存在する理由でもあり、Astra をエージェントとして動かす人は誰でも、その帯域をペナルティではなく機能の対価として読むべきです。

Astraをエージェントプラットフォームとして評価する際には、2つの運用上の事実を含めるべきです。どちらも本番ループに影響するからです。Artificial Analysisの実行における測定スループットは毎秒44.6出力トークンで、100のアクションのそれぞれが応答を待つ状況では問題になるほど遅いです。またAstraは、同社のCriticalサイバーセキュリティ能力閾値を初めて超えたOpenAIモデルです。つまり、出荷状態では高度なサイバータスクを拒否し、その保護機構がリクエスト経路に存在します。ChatGPTとCodexでは、ユーザーがアクションを確認するよう求められることがありますが、APIではタスクは単に停止します。防衛セキュリティエージェントにとって、これは実際の制約です。通常の業務プロセスエージェントにとっては、ほとんど見えません。

両方を実行した場合、そしてルーターがそれにどう対応するか

Nex-N2.5 ProはOrcaRouter上にはなく、このページもそう主張しているわけではありません — これはより新しいラボによるApache-2.0チェックポイントであり、そこへアクセスする手段は、Nex-AGI自身のホスト型サービス、サードパーティのプラットフォーム、またはそのモデルカードに記載された8基のH100によるデプロイです。GPT-6 Astraは当社のカタログにopenai/gpt-6-astraとして掲載されており、OpenAIの定価レートをそのまま、当社のマークアップ0%で提供しているため、その4つのメーターのいずれかに変更があれば、公表された当日に既存のキーへ反映されます。

その分割こそが、混在フリートを理論ではなく実用的なものにする。セルフホスト型のコンピュータ利用エージェントが自身のワークロードを処理できるかどうかを知りたいチームは、従量課金モデルをすでに呼び出している同じOpenAI互換エンドポイントの背後に置き、トラフィックの一部をチェックポイントに向け、呼び出しあたりのトークン数ではなくドルあたりの完了タスク数を比較できる——それがその問いに答える唯一の単位である。自動フェイルオーバーは、誰かが2つ目の連携を書かなくても、デプロイの不調な日をカバーし、APIの不調な日もカバーする。このページが行ってきた比較は、コスト構造の比較であり、コスト構造とはカードから読み取るものではなく、自分のトラフィックで試すものである。

どれを実行しますか？

Nex-N2.5 Proを選びましょう。コンピューターとブラウザの操作そのものが製品であり、その機能ではない場合、すでにGPUキャパシティを運用している場合、またはエージェントが扱うデータを自社インフラの外に出せないためにApache-2.0が決め手になる場合です。他の何よりも先にノードの予算を立て、OSWorld-2の数値に依存する前に自分でその評価を実行してください。それを生み出したハーネスはまだ公開されておらず、公開されるまでは、56.4は結果ではなく主張にすぎません。

GPT-6 Astra は、作業で非常に長いコンテキストの上限が必要な場合、ベンダーの表と比較検討するための独立したスコアボードが欲しい場合、あるいは GPU を一切実行したくない場合に選びましょう。コストは100万トークンあたり $10.00 と $50.00、完了したインデックスタスクあたり $3.26 です。これはこの比較で最も高価な選択肢であり、運用上のオーバーヘッドが最も少ない選択肢でもあります。短いプロンプトで大量に処理するエージェントには使わないでください。そのようなリクエスト規模では、より安価なモデルでも完了できるワークロードに対してフラッグシップ料金を支払うことになり、料金表を正当化する 272,000 トークンの帯域を使うことは決してありません。

残しておく価値のある要点は、この2つは異なる制約を基準に価格が設定されているということだ。Nex-N2.5 Proのコストはノードであり、使えば使うほど経済性は向上する。GPT-6 Astraのコストはメーターであり、どれだけ使っても経済性は変わらない。継続的に稼働するコンピュータ操作エージェントにとって、この違いは両者のあらゆるベンチマーク差よりも速く複利的に効いてくる。

リリースはまた、これまでに何がうまくいかなかったかを確認する瞬間でもあります。このクラスのモデルをめぐる、記録に残るAIインシデントやエージェントの障害はOrcaRouter AI Incident Archiveにまとめられており、各エントリには独自の情報源、重大度、信頼度グレード、係争中フラグが付いています。