Nex-N2.6 vs Nex-N2.5 Pro：より小さなベース、より高い価格、そして誰もベンチマークしていない移行

2か月の隔たりを置いて登場したNex-N2.5 ProとNex-N2.6、そして新しいほうのモデルのほうが小さい。Nex-AGIが2026年9月8日にリリースしたNex-N2.5 Proは、Qwen3.5ベースからポストトレーニングされた3970億パラメータのMixture-of-Expertsモデルで、Apache-2.0ライセンスの下にあり、122個の重みシャードがHugging Face上に置かれ、誰でもダウンロードできる。2026年11月10日から提供中のNex-N2.6は、GLM-5.3-Flashからポストトレーニングされ、約3210億パラメータを備え、価格は100万トークンあたり0.12ドル／0.40ドルで、前身の0.075ドル／0.25ドルに対して設定されており、認証情報がなければ開けないHugging Faceリポジトリを指している。コンテキストウィンドウは同じ262,144トークン。テキストと画像の入力も同じ。土台となる基盤は異なり、請求額は60%高く、そして——今のところ——両者を比較した公表された数値は一つもない。

すでにNex-N2.5 Proを実行しているなら、その組み合わせには好奇心よりも警戒を抱くはずだ。これはそのまま置き換えられる単なるバージョンアップではない。別のラボのアーキテクチャへ基盤を作り直すものであり、しかもプレミアム価格で販売され、それを正当化するはずの証拠はまだ公開されていない。

バージョン番号が隠しているもの

バージョン番号は連続性を暗示する。このファミリーでは、その数字は別の役割を果たしている。N2.5 ProとN2.6は提供期間と入力モダリティを共有しているが、それ以下ではほとんど何も共有していない。

• 基盤 — Nex-N2.5 Pro は Qwen3.5 の Mixture-of-Experts チェックポイントから事後学習されており、Qwen トークナイザーもそのまま備えています。Nex-N2.6 は GLM-5.3-Flash から構築されています。これは Z.ai の 3,200 億パラメータのネイティブマルチモーダルモデルで、スパースとリニアを組み合わせたハイブリッドアテンション設計を採用しています。異なる研究室、異なるトークナイザー、異なるチャットテンプレート、異なるツール呼び出しパーサーです。

• サイズ — 総パラメータ数は3,970億で、トークンあたり約170億がアクティブ。一方、N2.6は総数約3,210億だが、アクティブ数はNex-AGIが公表していない。

• 100万トークンあたりの価格 — Proは$0.075（入力）/ $0.25（出力）、N2.6は$0.12（入力）/ $0.40（出力）で、掲載では定価$0.15 / $0.50から20%オフとして示されている。したがって最終価格は、単に60%高いだけでなく2倍になる可能性がある。

• 推論 — Pro は none、medium、high の effort を受け付け、デフォルトは high のため、安価で機械的なターンでは思考をオフに切り替えられます。N2.6 は high と medium のみを受け付け、デフォルトは high で、完全にオフにすることはできません。

• 重み — Pro は Hugging Face 上で Apache-2.0 であり、完全にダウンロード可能です。N2.6 のリンクされたリポジトリは公開で閲覧できません。

• ベンダーのベンチマーク — Proには、コーディング、エージェント、マルチモーダルの各スイートにわたる完全な公開表があります。N2.6には一文だけがあります。それは、反復的な推論を減らし、現在の環境で利用可能なツールにProよりも密接に従うという内容です。

ベンダーが唯一明かした数字

その一文が比較主張のすべてであり、それは特定の種類の主張だ。つまり、能力ではなくツール呼び出しの規律を述べている。好意的に読めば、N2.6 はすでに知っていることを再導出するために使うトークンが少なく、実際に公開したツールにより注意を払うという意味になる。懐疑的に読めば、ベンダーが観察した失敗モードに合わせてモデルを調整したという意味であり、その観察自体は示されていない。

エージェントを運用している人にとって、その違いはベンチマークの1点よりも重要だ。長期的なエージェントループにおける高コストな失敗は、誤った答えであることはほとんどない。それは、19回の冗長な推論ステップと4回の無駄なツール呼び出しを経てたどり着く正しい答えだ。繰り返しを本当に減らすモデルは、静的評価で同じスコアであっても、その60%の割増分以上の価値があり得る。なぜなら、支払う請求額は呼び出しあたりのトークン数ではなく、完了したタスクあたりのトークン数だからだ。

しかし、その帰結は厄介だ。Nex-N2.6の必須推論は、その主張と直接関わっている。常に高強度で考えるモデルは、些細なターンも含めて毎ターン出力トークンを消費する。推論を無効にしたProが短い呼び出しを1セントの何分の1かで処理していたのに対し、N2.6がその一つ一つを考え抜かなければならないなら、繰り返しによる節約は、損益分岐点に達するだけでも相当なものでなければならない。それが実際にそうなのかどうかこそ、誰も測定していないまさにその点だ。

Nex-N2.5 Proの公開表が依然として教えてくれること

旧モデルの数値はベンダー報告によるものだ——Nex-AGI自身のハーネス、独自のプロンプト設定によるもので、独立した再現はない——したがって、方向性を示すものとして読むべきだ。しかし、それらは存在し、具体的であり、N2.6が公の場でまだ超えていない下限を打ち立てている：

• コーディング — Terminal-Bench 2.1 は 82.7、SWE-Bench Pro は 61.2、DeepSWE v1.1 は 55.8。

• エージェント型 — AutomationBench v1.0.6 は 44.2、Toolathlon Verified は 68.5、BrowseComp は 89.7、Job Bench は 41.4。

• コンピューター操作 — OSWorld-Verified 82.2、OSWorld-2 56.4、OSWorld-G 87.4、WebArena-Verified 67.6。

• ナレッジワーク — GDPval-AA v2、Elo 1,628。

Nex-AGI がそれらの横に印刷した比較列と照らし合わせると、この構図は示唆に富む：Pro はほとんどの行で Claude Opus 5 に後れを取るが、ツール利用スイートでは GPT-5.6 Sol と Kimi-K3 に数ポイント差まで迫り、OSWorld-2 では Qwen3.8-Max を上回る。これは信頼に足るオープンウェイトのエージェントモデルであり、首位を行くモデルではない。N2.6 が移行に値するにはそれを上回る必要があるが、現時点では確認できるページが存在しない。

はっきり言っておくべき帰結が一つある。Proの重みはApache-2.0の下でダウンロードできるため、誰の許可も得ずに、自分のタスクでその評価を自分で実行できる。N2.6については、どの意味でもそれは当てはまらない——重みも、モデルカードも、公開スコアも。6か月先を見据えてインフラに賭けるチームにとって、検証可能性は利点であり、今回のリリースはその点で後退した。

移行の仕組み、正直に言うと

切り替えはベースURLとモデル文字列を変えるだけで済むので、無料だと扱いたくなる。そうではない。トークナイザーが変わればトークン数が動くため、コストモデルも、トークンを数えるコンテキスト予算のロジックも、再測定するまでは近似値になる。チャットテンプレートが変われば、Proにツールの方言を確実に教えていたシステムプロンプトが、N2.6には別の何かを教えるかもしれない。そして必須の推論モードはレイテンシプロファイルを変える。Proなら「このシンボルを含むファイルはどれか」という些細なターンに即答できたエージェントループが、今ではデフォルトで高エフォートの推論を先に行う。

実用的な方法は、切り替えるのではなくシャドー実行することです。同じ実トラフィックを1週間のあいだ両方のモデルに送り、モデル自体ではない何かで結果を評価し、レイテンシやトークン単価ではなく、完了したタスクあたりのトークン数を測ります。結果がどうであれ、Pro は利用可能なままにしておいてください。2つのうちセルフホストもできるのはこれだけで、ダウンロード可能な Apache-2.0 チェックポイントは、ホスト型専用モデルには提供できないフォールバックです。

ここが、ゲートウェイが単なる便利機能ではなく、その存在意義を発揮するポイントでもあります。OrcaRouterはモデルを1つのOpenAI互換エンドポイントの背後に置き、ルーティングDSLでフォールバックチェーンを定義できるようにします — 安価なモデルを最初に使い、再デプロイではなくルールによってエスカレーションする — ため、N2.6をProと比較してテストするにはコード変更ではなく設定変更のコストで済み、元に戻すのにももう一度設定変更するだけです。念のため言うと、両方とも当社がホストしていないモデルです：Nex-N2.5 ProもNex-N2.6も現在OrcaRouterのカタログにはありません。したがって実際には、ご自身のキーを保持し、ルーティング層に両方のパスを保持させるということになります。フォールバックの計算はどちらの場合も同じです。

安価なモデルが今や間違った選択となる場面

このファミリーのユーザーの大半にとって移行する理由は弱く、それは率直に言う価値がある。Proが問題なく動作しているなら、移行する唯一の理由は{{1}}Nex-AGI{{/1}}が挙げる2つの挙動——繰り返しの少なさとツール遵守の厳密さ——であり、どちらも試す前に検証することはできない。移行に関するその他はすべて中立かマイナスだ。より小規模なベースでアクティブパラメータ数は非公開、割引が終了すると2倍になり得るより高い価格、推論を無効化する方法がない、そして読むことのできないモデルカード。

反対側には、狭いながらも現実的なケースがある。エージェントが無駄なターンでボトルネックになっているチーム、プロンプトが短く262Kウィンドウが制約にならないチーム、そしてノイズと本当の改善を区別できるほど優れた評価ハーネスを持つチームは、早めに移行することで利益を得られる——絶対価格は十分に低く、実験にかかるコストはそれについて話し合う会議より安い。同じことは、エージェントループの背後にGLMファミリーのトークナイザーとツール呼び出しの挙動を求める人にも当てはまる。N2.6はエージェント向けチューニングを施した事後学習済みのGLM-5.3-Flashであり、生のベースモデルとは別物である。

何がそれを決着させるのか

公開物が3つあれば、これは推測から比較へと変わる。しかもどれも特別なものを必要としない。第一に、Nex-N2.6自身のモデルカードに、Nex-AGIがN2.5ファミリー向けに公表したものと同じ表を載せること——ベンダーはすでにその公開方法を知っている。第二に、利用可能なライセンスの下での重みの公開。これによりコミュニティは、一文を信じるのではなく、ProとN2.6を同じ土俵で並べて実行できる。第三に、公開リーダーボード上の最初の独立したスコア。たとえ平凡なものでも、測定された平凡なモデルのほうが、測定されていない有望なモデルより有用だからだ。

それまで

正直にまとめると、Nex-AGIが投入したのは、まだ利用可能で、より安価で、ダウンロードもでき、しかも2つのうち数値が公表されている唯一のモデルに対する、ベースを変更した、より高価で、ドキュメントの少ない後継モデルだ。それはN2.6を無視する理由にはならない——ツール規律向けに調整されたモデルへの早期アクセスは、適切なチームにとって価値がある——が、バージョン番号と割引を根拠に稼働中の本番経路を移行しない理由にはなる。

ルールが欲しいなら、自分たちのトレースが Nex-N2.6 が修正すると主張する問題を示したときに切り替え、いずれにせよ Nex-N2.5 Pro はフォールバックとしてデプロイしたままにし、20% が失効する日に価格を再確認することだ。後継モデルの根拠は、ベンダーが説明しただけで誰も測定していない挙動に完全に依存している。