Nex-N2.6, Qwen을 GLM으로 교체: Nex-AGI의 새 에이전트 모델, 비용은 더 들고 말은 더 적다

Nex-N2.6은 2026년 11월 10일 Nex-AGI 자체 상용 API로 출시되었지만, 출시 게시물도, 읽을 수 있는 모델 카드도, 벤치마크 표도 없었습니다. 대신 함께 온 것은 기본 모델의 변경이었습니다: Nex-N2.5 Pro가 Q​wen3.5 전문가 혼합(MoE) 체크포인트로 포스트트레이닝된 반면, Nex-N2.6은 GLM-5.3-Flash라는 Z.ai의 3,200억 매개변수 멀티모달 모델로 포스트트레이닝되었으며, 그 결과물은 자체적으로 약 3,210억 개의 매개변수를 갖습니다. 또한 대체하는 모델보다 높은 가격으로 출시되었습니다 — 입력 토큰 100만 개당 $0.12, 출력 토큰 100만 개당 $0.40으로, Nex-N2.5 Pro의 $0.075 및 $0.25에 비해 입력과 출력 양쪽 모두 60% 인상된 가격입니다. 오픈 모델 가격으로 프런티어 에이전트 동작을 제공한다고 두 번의 릴리스 동안 주장해 온 패밀리에게는, 비용은 더 들고 문서는 더 적은 후속 모델이 이번 출시 자체보다 더 흥미로운 부분입니다. Nex-N2.6은 단일 엔드포인트 모델이며, 그것이 위에서 설명한 운영상 위험입니다. OrcaRouter는 자동 장애 조치를 갖춘 하나의 OpenAI 호환 엔드포인트 뒤에서 200개 이상의 모델을 제공하므로, 측정되지 않은 모델을 위해 유지하는 폴백 경로는 두 번째 통합이 아니라 라우팅 규칙이 될 수 있습니다 — 그리고 우리가 실제로 모델을 호스팅할 때 제공업체의 정가는 마크업 없이 그대로 전달됩니다.

실제로 거기서 볼 만한 게 뭐가 있나요?

이 모델은 소문이 아닙니다. 지금 바로 호출할 수 있으며, Nex-AGI 자체가 fp8 정밀도로 서빙하고, 엔드포인트는 양호한 상태를 보고합니다 — 카탈로그가 측정하는 기간 동안 100% 가동률, 초당 약 35개의 출력 토큰, p50 지연 시간 2.81초입니다. 아래의 모든 내용은 벤더가 아니라 해당 목록에서 나온 것입니다. 벤더는 다른 어떤 것도 공개하지 않았기 때문입니다:

• 가격 — 백만 토큰당 입력 $0.12 / 출력 $0.40, 캐시 읽기는 $0.024입니다. 목록에는 이를 $0.15 / $0.50 취소선 정가에서 20% 할인된 것으로 표시하고 있으므로, 현재 수치는 만료 시점이 명시되지 않은 도입 요금으로 보아야 합니다.

• 컨텍스트 — 262,144 토큰으로, N2.5 패밀리의 모든 모델과 동일한 서빙 윈도이며, 최대 출력은 235,929 토큰입니다.

• 모달리티 — 텍스트와 이미지를 입력으로 받고 텍스트를 출력합니다. 오디오나 비디오 채널은 없으며, 이미지 생성도 없습니다.

• 추론 — 선택이 아니라 필수입니다. 엔드포인트는 high와 medium 두 가지 effort 설정만 허용하며 기본값은 high입니다. 이 모델에서는 사고를 끌 수 없습니다.

• 툴링 — 함수 호출, 강제 도구 선택, 구조화된 출력, logprobs가 모두 지원되며, 이는 에이전트 모델에 적합한 조합이자 이번 릴리스에서 완전히 명세된 유일한 부분입니다.

• 가중치 — 해당 목록에는 Nex-N2.6용 Hugging Face 저장소가 링크되어 있습니다. 그 저장소는 공개 모델 카드 대신 인증 요구 화면을 반환하므로, 게시 시점 기준으로 가중치와 구성, 그리고 벤더 평가 표는 열람할 수 없습니다.

진짜 변화는 베이스 스왑이다.

모델 패밀리는 보통 동일한 사후 학습 레시피를 확장하는 방식으로 반복 발전한다. Nex-AGI는 더 파괴적인 일을 했다. 기반 자체를 바꾼 것이다. 9월 8일 공개된 Nex-N2.5 Pro는 약 3,970억 개 파라미터의 Qwen3.5 전문가 혼합(MoE) 기반 위에 구축됐으며 토큰당 약 170억 개 파라미터가 활성화된다. 아키텍처와 토크나이저는 눈에 띄게 Qwen에서 파생됐고, 모델 카드에도 그렇게 명시돼 있다. Nex-N2.6은 다른 연구소의 모델이자 다른 토크나이저, 다른 파라미터 예산을 가진 GLM-5.3-Flash 기반이다. Z.ai의 카드는 총 3,200억 개, 활성 180억 개를 설명하며, Qwen 스택 대신 하이브리드 희소·선형 어텐션 설계 위에 구축됐다고 밝힌다.

이는 단순한 잡학을 넘어서는 문제다. 베이스가 바뀌면 도구 호출 파서, 채팅 템플릿, 토크나이저, 실패 모드도 함께 바뀐다는 뜻이다. Nex-N2.5 Pro에 맞춰 튜닝한 프롬프트 — 특히 특정 도구 호출 방언을 가르치는 긴 시스템 프롬프트와 비용을 제어하기 위해 Qwen의 토큰 경계에 의존하는 모든 것 — 는 당연히 이전된다고 가정할 수 없다. Nex-AGI가 내세우는 단 하나의 동작 관련 주장은 바로 이 인터페이스에 관한 것이다. 즉 이 모델은 반복적 추론을 줄이고 현재 환경에서 사용 가능한 도구를 더 충실히 따른다고 한다. 이는 그 자체로 에이전트 작업을 위해 튜닝된 모델로 베이스를 바꿀 때 개선될 법한 일이며, 동시에 벤치마크 표가 아니라 자신의 트레이스에서만 드러나는 바로 그런 종류의 주장이기도 하다. 벤더가 보고했고, 재현되지 않았으며, 한 문장으로 제시되었다.

2차 효과는 비용 예측 가능성이다. Nex-N2.5 Pro는 추론을 완전히 비활성화한 채 실행할 수 있었고, 덕분에 짧고 기계적인 턴에서는 저렴했다. Nex-N2.6은 그럴 수 없다. 모든 호출이 기본적으로 높은 노력 수준에서 추론한다. 파일 하나를 찾기 위해 작은 도구 호출을 40번 발생시키는 에이전트 루프에서는, 기본 동작의 이러한 차이가 60%라는 대표 요금보다 청구서에 더 큰 영향을 미칠 것이다.

60% 더 비싼 후속 제품

가격 책정 방향은 잠시 짚고 넘어갈 만합니다. 일반적인 세대 진화 서사를 뒤집기 때문입니다. 백만 토큰당: Nex-N2.5 Pro는 입력 $0.075 / 출력 $0.25, Nex-N2.6은 입력 $0.12 / 출력 $0.40입니다. 동일한 컨텍스트 윈도, 동일한 모달리티입니다. 같은 연구소의 더 새로운 모델이 더 작은 기반 위에서 1.6배의 단가를 받는 것입니다.

현실적인 에이전트 워크로드로 돌려보면 — 월 1,000만 입력 토큰과 200만 출력 토큰, 즉 바쁜 팀의 중간 규모 코딩 에이전트 하나 분량 — 비용은 $1.20 더하기 $0.80, 즉 Nex-N2.6에서 월 $2.00입니다. 같은 워크로드를 Nex-N2.5 Pro에서 돌리면 $0.75 더하기 $0.50, 즉 $1.25입니다. 둘 다 프런티어 모델들에 비하면 반올림 오차에 불과합니다. 솔직한 해석은 이렇습니다. Nex-N2.6은 전작보다 비싸지만 여전히 플래그십 비용의 대략 16분의 1이므로, 이 가격 인상은 예산 문제라기보다 포지셔닝에 대한 신호입니다.

인상이 실제로 부담이 되는 곳은 사용량이고, 의무적 추론이 부담이 되는 곳은 꼬리다. 항상 높은 노력으로 사고하는 모델은 요청하지 않은 출력 토큰을 소비하며, 추론이 많은 루프에서 백만 출력 토큰당 $0.40은 짧은 답변에서의 $0.40과는 다른 숫자다. 무엇이든 결론 내리기 전에 토큰당 가격이 아니라 완료된 작업당 토큰을 측정하라.

이 요금이 어떻게 전달되는지에 대한 구조적 참고 사항 하나: 제공자 정가를 0% 마크업으로 그대로 전달하는 게이트웨이는 별도로 조정할 요율표가 없으므로, 공급업체의 가격 인하나 할인 종료가 다음 계약 갱신 때가 아니라 같은 날 드러납니다. OrcaRouter가 그런 방식으로 작동합니다. 또한 우리에게 없는 것을 솔직히 말할 자리이기도 합니다 — 현재 OrcaRouter 카탈로그에는 Nex-AGI 체크포인트가 없습니다, 따라서 Nex-N2.6은 한 제공자에서 한 가격으로 직접 호출하는 모델입니다. 이러한 단일 제공자 형태가 이번 릴리스의 실제 운영상 위험이며, 우리 제품을 전혀 사용하지 않더라도 이 점을 염두에 두고 계획할 가치가 있습니다: 엔드포인트가 하나이고 공개된 가중치도 없으며 두 번째 호스트도 없는 모델은 장애 조치할 곳이 없습니다.

증거 격차는 가격에 반영해야 할 부분이다

Nex-AGI의 이전 릴리스는 온갖 자료를 갖추고 나왔다. 벤치마크 차트가 있는 벤더 사이트, 이 제품군을 Claude Opus 5, GPT-5.6 Sol, Kimi-K3, Qwen3.8-Max와 비교한 텍스트 및 멀티모달 표가 담긴 Hugging Face 카드, 그리고 8대의 H100에서의 서빙 레시피 문서까지. {{1}}Nex-N2.6{{/1}}은 한 문단과 함께 나왔다.

무엇이 빠졌는지 확인해 보면 일관된 목록이 나옵니다. 공급업체 자체 웹사이트는 여전히 Nex-N2.5 제품군을 광고하고 있으며, 우리가 불러올 수 있는 어떤 형태로도 N2.6을 언급하지 않습니다. GitHub 조직에는 Nex-N2.5, NexRT 및 NexAU 에이전트 프레임워크용 저장소가 있고 N2.6용 저장소는 없습니다. ModelScope는 해당 체크포인트에 대한 기록을 반환하지 않습니다. 리스팅에 명시된 Hugging Face 저장소는 공개적으로 읽을 수 없습니다. Artificial Analysis에는 항목이 없으므로 독립적인 점수는 전혀 없습니다. 약한 점수도 아니고, 아예 없습니다. 발행 시점 기준으로 이 모델에 대한 전체 공개 증거 기반은 가격, 컨텍스트 길이, 모달리티, 파라미터 수, 그리고 포지셔닝 한 문장뿐입니다.

그것은 나쁜 모델과 같은 말이 아니다. 그것은 당신이 그 주장을 검증할 수 없는 모델이며, 이전에 그 검증 수단을 제공해 온 연구소에서 나온 것이다. 올바른 태도는 측정되지 않은 의존성에 대해 취할 태도와 같다. 스스로 평가할 수 있는 작업에 시험해 보고, 이전 모델을 폴백으로 연결해 두고, 버전 번호가 올라갔다는 이유로 프로덕션 경로를 그 모델로 옮기지 말라.

누가 움직여야 하고, 누가 기다려야 할까요?

지금 전환할 실질적인 근거는 분명히 있으며, 그 범위는 좁습니다. 에이전트 하네스가 과제가 아니라 모델과 싸우는 데 예산을 쓴다면 — 같은 파일을 다시 읽거나, 이미 도달한 결론을 다시 도출하거나, 스키마가 거부하는 방언으로 도구 호출을 내보낸다면 — 반복적인 추론을 줄이고 사용 가능한 도구를 존중하도록 명시적으로 조정된 모델은 바로 당신의 문제를 겨냥한 것이며, $0.12/$0.40이라면 실험을 실행하는 데 드는 비용은 거의 없습니다. 이미지 입력과 함수 호출을 한 엔드포인트에서 지원하는 것도 루프에 두 번째 모델을 넣지 않고 스크린샷 기반 QA에 사용할 수 있게 해줍니다.

기다려야 하는 이유는 더 폭넓다. 워크로드가 이미 Nex-N2.5 Pro에서 잘 작동하고 있다면 베이스 교체만으로도 마이그레이션이며, 토큰당 비용은 더 높고, 추론을 끈 상태로 실행할 수 없고, 다운로드할 수 없으며, 공개된 점수도 없는 모델을 위해 그렇게 하는 셈이다. N2.6이 작성자가 언급한 두 가지 동작 외에 어떤 점에서 더 낫다는 증거는 아직 없다.

상황을 바꿀 수 있는 요소는 대략 유용한 순서대로 다음과 같습니다: 모델 카드가 자체 벤치마크 표로 시작하는 것, 공개 리더보드에 첫 독립 점수가 나타나는 것, 가중치가 실제로 사용할 수 있는 라이선스로 공개되는 것, 그리고 두 번째 제공자가 이를 호스팅해 단일 엔드포인트 위험이 사라지는 것입니다. 이 중 최소 두 가지가 실현되기 전까지 Nex-N2.6은 권장 업그레이드라기보다 유망하지만 아직 측정되지 않은 옵션입니다 — 가격 인상을 고려하면, 이것이 이야기의 전부입니다.

서류상으로 기저 변경이 어떻게 보이는지

중요한 비교는 Nex-N2.6 대 최첨단 모델의 비교가 아닙니다. 바로 Nex-N2.6 대 그것이 대체하는 체크포인트의 비교입니다. 왜냐하면 그것이야말로 이미 이 계열을 사용하고 있는 누구라도 해야 하는 마이그레이션이기 때문입니다.

그 목록을 아래로 읽어 보면, 패턴은 한 번에 더 작아지고, 더 비싸지고, 구성 가능성이 낮아지고, 검사 가능성도 낮아진 모델입니다. 그렇다고 해서 자동으로 더 나쁜 맞교환은 아닙니다. 에이전트형 도구 사용에 맞춰 조정된 3,210억 매개변수 기반 모델이 다른 용도에 맞춰 조정된 3,970억 매개변수 모델을 이길 수 있고, 토큰당 가격도 절대적으로는 작습니다. 하지만 그것은 맞교환이며, 공급업체는 누구든 판단할 수 있게 해 줄 비교를 공개하지 않았습니다. 그것이 바뀌기 전까지는 기반 모델 교체가 핵심 이야기이고, 벤치마크 표는 빠진 장입니다.