Step 5 Preview 対 Nex N2.5 Pro：確認できる数字が1つ、確認できない数字が1つ

出回っている数値は、Nex N2.5 Proについては82.7で、Terminal-Bench 2.1においてベンダーが報告したスコアです。出回っている数値は、Step 5 Previewについては、同名のベンチマークで33%です。この2つの数値は比較できず、それらが常に並べて示されるという事実こそが、この対決が抱える問題を最も明確に示しています。つまり、一方のモデルは開発元以外の誰かによって測定されており、もう一方は他の誰によってもまったく測定されていません。Step 5 Previewは2026年9月20日にStepFunのAPIで提供開始となり、10月15日に重みを公開しました。Nex N2.5 Proは9月8日に発表され、その発表から数日以内にApache-2.0のチェックポイントをHugging Faceで公開しました。どちらもダウンロード可能です。外部から評価できるのは一方だけです。

その非対称性は、Nex N2.5 Pro のエンジニアリングを貶すものではありません。それは証拠についての言明であり、調達判断は証拠に依拠して進むものです。

ウェイトが公開された今、Nex N2.5 Proとは何か

多くの報道では依然としてNex N2.5 Proを「重みは近日公開」のモデルと説明している。なぜなら9月第1週にそのモデルカードがそう書いていたからだ。チェックポイントは9月中旬から公開されている。3970億パラメータのMixture-of-Expertsモデルで、トークンあたり約170億が有効、Qwen 3.5系譜から事後訓練され、Apache-2.0の下にある。未公開と説明する人は古いページを見ている。

変わっていないのは測定状況だ。ベンダーのベンチマーク値——Terminal-Bench 2.1で82.7、SWE-bench Proで61.2、BrowseCompで89.7、OSWorld-Gで87.4——は、連合自身のコンピュータ操作ハーネスであるNexCUAを通じて生成された。NexCUAはオープンソース化する意向があるとされているが、まだ実現していない。このモデルに対して、独立した評価者が評価ページを立ち上げたことは一度もない。この不在はタイミングの偶然ではなく、重みがダウンロード可能になってからの全期間にわたって続いているギャップである。

行うことができる比較

以下はすべて、共通の実行ではなく公表された情報源に基づいており、各行にはその数値の出所が示されています。これが、この組み合わせについて誠実に言える上限です。

• パラメータ — Step 5 Preview：合計600B、アクティブ27B。Nex N2.5 Pro：合計397B、アクティブ約17B。

• コンテキスト — ステップ5プレビュー: 100万トークン。Nex N2.5 Pro: 262,144トークン、文書化された出力上限は約236K。

• モダリティ — ステップ5プレビュー：テキスト・画像・動画を入力し、テキストを出力。Nex N2.5 Pro：テキストと画像を入力し、テキストを出力。ビジョンはコンピュータ操作のフィードバックチャネルとして位置づけられます。

• 推論制御 — ステップ5プレビュー：思考は常にオンですが、低/中/高のエフォート調整ダイヤルがあります。Nex N2.5 Pro：なし、中（適応型、デフォルト）、高の階層があるため、推論を完全にオフにできます。

• ウェイト — Step 5 Preview: BF16 および FP8 は StepFun Model License 1.0 に基づく。Nex N2.5 Pro: Apache-2.0。

価格 — Step 5 Preview：入力 $1.00、出力 $2.70、キャッシュ $0.10（100万トークンあたり、StepFun の料金表）。Nex N2.5 Pro：無料のホステッドティアがあり、ベンダーによる定価は公表されていません。

ライセンスの行は、Nex N2.5 Pro が紛れもなくシンプルになる唯一の箇所です。Apache-2.0 はどの法務チームにとっても既知の条件です。一方、StepFun のライセンスには、試算を要する商用しきい値が含まれています。コンテキストの行は逆方向で、4倍近い差があります。エージェントがリポジトリ全体や文書セットを読む場合には、これは有意な差です。

なし得ない比較

これら2つを同じ軸上に置くには3つのものが必要だが、そのいずれも存在しない。

まず、共通のベンチマーク版について。Terminal-Bench 2.1とTerminal-Bench 4.0は、タスクセットも採点方法も異なる別々のテストであり、一方のスコアはもう一方について何も語りません。82.7という数字は2.1のもので、33%という数字は4.0のものです。これらを直接比較として提示するのは、短距離走のタイムをマラソンの通過タイムと比べるようなものです。

第二に、共通の評価基盤です。Step 5 Previewの数値は、掲載するすべてのモデルに対して固定の評価スイートを実行する公開インデックスに由来します。Nex N2.5 Proの数値は、そのベンダー自身が作成し、まだ公開していないソフトウェアに由来します。仮にベンチマーク名が一致していたとしても、評価の枠組みまでは一致しません。

第三に、どのような形であれ独立した評価は存在しない。Nex N2.5 Pro について、知能指数を公表している評価機関のページは存在しない。我々は検索結果が見つからないことから推測するのではなく、直接確認した。そして今日の答えは9月と同じ、何もない。

過度な断言をせずに言えることは、より限定的でありながら依然として有用だ。Nex N2.5 Pro は、Step 5 Preview の独立測定結果が中位にとどまるベンチマークにおいて、強いエージェント性能を主張している。それは試す理由であって、信じる理由ではない。

無料エンドポイントには実際どれほどの価値があるのか

Nex N2.5 Pro のホステッドティアは無料であるため、価格比較がリスク比較に変わってしまう。公開されている定価はなく、それに照らして試算できるものも、ベンダーがこのモデルにどの程度の価値があると見ているかを示すシグナルも存在しない。第三者による掲載価格は、ホストによっては入力100万トークンあたり数十セントという低い水準にとどまるが、互いに大きく矛盾しており、どれもベンダーの立場として扱うべきではない。

無料にも可用性のコストがある。無料エンドポイントを監視するトラッカーは断続的な可用性を報告している——これは第三者による観測であり、ベンダーの数値ではない。そして、プロトタイプでは意味をなさないが、本番経路では失格となる類のものだ。依存できないモデルは安価ではない。それは、請求書にゼロと記された、値付けされていないリスクなのだ。

それに対して、Step 5 Previewの$0.54という混合料率と、完了したインデックスタスク1件あたり$2.35は、絶対額では高価であり、しかも完全に明快です。公開されている料金表から請求額を予測できます。条件が明文化されていない無料枠からは、それを予測できません。

Step 5 Previewの記録は異なりますが、より優れているわけではありません

Step 5 Preview が実際に何を持っているかについては、正確を期す価値がある。というのも、「スコアがある」と言うだけでは違いを過小評価し、「より優れている」と言うと過大評価になるからだ。Step 5 Preview は Artificial Analysis Intelligence Index の現行バージョンで29を記録する — ローンチ時の報道が引用した44ではない。その指数バージョンはその後置き換えられたからだ。比較クラス17モデル中6位で、毎秒179出力トークンで動作し、指標タスクあたり$2.35かかる。これらの測定値は同一実行に基づくもので再現可能であり、結果に商業的利害を持たない評価者によって生成された。

それが手に入れるのはベースラインだ。同じ方法で測定された50数個の他のモデルに対して、そのモデルがどこに位置するかが分かる。つまり、GPUを借りずに最初の判断を下せる。それが保証してくれるわけではないのは、Step 5 PreviewがあなたのワークロードでNex N2.5 Proを上回ることだ。コーディングと自動化において、Step 5 Previewの独立した結果は特筆すべきものではない——FrontierCode 2.0で12%、Terminal-Bench 4.0で33%——そして、未公開の強力なエージェント能力の主張を持つモデルは、まさにそうした数値を上回る可能性がある種類のモデルだ。要点は、カードから読み取るのではなく、自分自身で確かめることになるということだ。

それぞれが誰に属するか

Nex N2.5 Proは、導入前に自ら評価を実施することを厭わず、Apache-2.0ライセンスと、控えめなハードウェアに収まる17Bアクティブのフットプリントを重視する、コンピュータ操作およびブラウザエージェントを構築するチーム向けです。無料エンドポイントは試用を安価にしますが、表示価格がないことが本番導入の判断を難しくします。ベンダーのベンチマークは、結果としてではなく、その背後に妥当な仕組み——画面読み取りタスクで事後学習されたQwen系のMoE——がある仮説として扱うこと。

Step 5 Previewは、長いコンテキストと知識集約型のワークロードを持つチームで、予測可能な価格を必要とするチーム向けです。より高価で、より分かりやすい選択肢であり、そのライセンスは、Nexのライセンスが問わない、非常に大規模な問いを投げかけます。

どちらも現在 OrcaRouter のカタログにはないため、本記事ではどちらについてもより安価なエンドポイントを示せません。このような判断に対してプラットフォームが提供するのは、1 つのキーで使えるスタックの残りの部分です：プロバイダーの定価で、マークアップなしの 200 以上のモデル、そのためベンダーの料金変更は当日に反映され、自動フェイルオーバー、まだ試行中のモデルが単一障害点になることはありません。実績のないモデルに有効なパターンは、実際のトラフィックのごく一部を実績のあるフォールバックの背後でそのモデルにルーティングし、測定し、その後で初めてシェアを移すことです。これはベンチマークの比較検証より安価で、ベンダーのカードよりはるかに有益です。

今日中に答えが必要なら、Step 5 Preview はデザインレビューで正当化できる選択肢です。なぜなら、それに付随するあらゆる数値は、その場にいる誰でも確認できるからです。コンピュータ操作エージェントを構築していて、評価作業を吸収できるなら、Nex N2.5 Pro のほうが興味深い賭けです — 試すのは安い、擁護するのは難しい、そして本当に未測定です。避けるべき間違いは、82.7 を事実として扱い、$1.00 を不利として扱い、しかもその2つの数値のうち片方だけに第二の情報源があることに気づかないことです。