GPT-6 Astra vs Nex N2.5 Pro: De ene computer-use-agent rekent per token af

Een computer-use-agent is de enige workload waarbij prijs-per-token ophoudt een abstractie te zijn. Neem één taak — een browser openen, een record vinden, een formulier invullen, het resultaat verifiëren — en een agent die tussen elke actie nadenkt, voert die uit in tienduizenden tokens en herhaalt dat vervolgens tienduizend keer. GPT-6 Astra, het vlaggenschip van OpenAI dat op 3 september 2026 werd uitgebracht, rekent daarvoor $10,00 per miljoen inputtokens en $50,00 per miljoen output, met een verdubbelde band boven 272.000 tokens. Nex-N2.5 Pro, het computer-use-model met 397 miljard parameters dat Nex-AGI op 8 september 2026 aankondigde, is gebouwd voor dezelfde klasse van taken en is gepubliceerd onder Apache-2.0, met serverinstructies voor één node met acht H100's. Beide leveranciers rapporteren OSWorld-2-cijfers. Slechts één van hen geeft je een meter die je kunt aflezen voordat je begint.

De benchmarkrij die daadwerkelijk overlapt

OSWorld-2 komt het dichtst in de buurt van een gedeelde meetlat tussen deze twee, en het is de moeite waard om te zien hoe weinig die gedeelde rij vaststelt. De kaart van Nex-AGI vermeldt Nex-N2.5 Pro met 56,4 op OSWorld-2, naast Claude Opus 5 met 68,3 en Qwen3.8-Max met 46,7, die het citeert uit leaderboard- en providerbronnen. Het lanceringsmateriaal van OpenAI voor GPT-6 Astra rapporteert 72,6% op OSWorld 2.0 bij ongeveer 40 minuten per taak, wat het omschrijft als ongeveer 47% minder tijd per taak dan GPT-5.6 Sol.

Die twee cijfers kunnen niet in dezelfde kolom worden geplaatst. Ze zijn geproduceerd door verschillende labs, op verschillende testharnassen, op verschillende data, met verschillende actiebudgetten — en Nex-AGI verklaart ronduit dat zijn evaluaties voor computergebruik en browsergebruik via zijn eigen NexCUA-testharnas liepen, waarvan het zegt dat het die open source zal maken, maar dat heeft het nog niet gedaan. De eerlijke lezing van het tweetal is dus richtinggevend en beperkt: het cijfer van O​penAI is het hoogste, beide zijn door leveranciers gerapporteerd, en geen van beide is gereproduceerd. Wat de rij wel vaststelt, is dat beide bedrijven OSWorld-2 beschouwen als de benchmark die ertoe doet voor deze klasse modellen, wat aangeeft waar je op moet letten bij een onafhankelijke run.

De rest van Nex-AGI's kaart is een tabel van één leverancier, met bij elke regel hetzelfde voorbehoud:

• Computergebruik, door leverancier gerapporteerd — OSWorld-2 56,4, OSWorld-Verified 82,2, OSWorld-G 87,4, WebArena-Verified 67,6, WebTest 52,8, Vision2Web 68,2

• Coderen en tekst, door de leverancier gerapporteerd — Terminal-Bench 2.1 op 82.7, SWE-Bench Pro 61.2, BrowseComp 89.7, AutomationBench v1.0.6 op 44.2

• GPT-6 Astra's onafhankelijke record — 53 op de Artificial Analysis Intelligence Index, 44,6 outputtokens per seconde, $3,26 per voltooide indextaak, zevende van 216 op intelligentie en 168e van 185 op snelheid

• Het leveranciersrecord van GPT-6 Astra — 98% FrontierMath Tier 4, 99,9% ARC-AGI-3 (62,7% onder het standaardharnas van ARC Prize, 99,9% onder een provideradapter), 100% ExploitBench, 57,9% Terminal-Bench 4.0

Lees die vier regels samen en de asymmetrie is duidelijk. Astra heeft een onafhankelijk scorebord en een leverancierstabel die onderling van elkaar afwijken, wat je tenminste iets geeft om tegen elkaar af te wegen. Nex-N2.5 Pro heeft alleen de leverancierstabel — er is geen Artificial Analysis-vermelding voor, en geen pagina voor welk Nex-model dan ook op dat bord — dus elk cijfer hierboven draagt alleen het gezag van Nex-AGI en niets anders.

Wat het tweede getal op de kaart is: de gewichten zijn geland

De Nex-N2.5 Pro-repository op Hugging Face is aangemaakt op 8 september 2026, en toen de familie werd aangekondigd, bevatte de modelkaart een kennisgeving 'binnenkort beschikbaar' voor de gewichten. Die leemte is nu gedicht. De repository bevat nu 122 safetensors-shards met een totale grootte van ongeveer 407 GB, gepubliceerd onder Apache-2.0, en de kaart documenteert het serveerrecept in voldoende detail om het te draaien zonder iets te hoeven reverse-engineeren.

Dat recept is het lezen waard voordat je de kosten van de vergelijking afweegt, want het is net zo goed een argument voor het model als welke benchmarkrij dan ook. Nex-N2.5 Pro is een sparse mixture of experts: 397 miljard parameters in totaal, met ongeveer 17 miljard actief per token. De gedocumenteerde deployment is één node met acht H100's die een aangepaste SGLang-build draait — nexagi/sglang:v0.5.18-nex-patch — met tensorparallelisme over alle acht, de Qwen3-reasoningparser en de Qwen3-coder-tool-callparser ingeschakeld, een contextlengte van 262.144 tokens, en aanbevolen sampling met temperature 0.7, top_p 0.95, top_k 40. Acht H100's vormen een aanzienlijke maar routinematige footprint. Omdat per token slechts 17 miljard parameters actief worden, blijft de rekenkracht per actie klein, ook al is de voetafdruk van de gewichten groot — en dat is precies waarom een 397B-model door iedereen behalve een hyperscaler kan worden geïmplementeerd.

De 262.144-tokencontext is de specificatie die de meeste agentontwerpen bepaalt. Het venster van Astra is 1.050.000 tokens met een uitvoerplafond van 128.000 tokens, en zijn eigen tariefschijven maken het lange uiteinde duur: boven 272.000 invoertokens wordt de hele aanvraag opnieuw geprijsd tegen $20,00 voor invoer en $75,00 voor uitvoer, met cache-leesbewerkingen tegen $2,00 en cache-schrijfbewerkingen tegen $25,00. De serveerlengte van 262.144 tokens van Nex-N2.5 Pro zit net onder die grens, wat ofwel toeval is, ofwel een specificatie die is geschreven door iemand die de prijspagina's van andere leveranciers leest. Hoe dan ook, het praktische gevolg is dat een agentloop die een lange sessiegeschiedenis op Nex-N2.5 Pro bijhoudt nooit de tariefgrens overschrijdt die de invoerkosten van Astra ruwweg verdubbelt.

Waar het geld naartoe gaat gedurende tienduizend runs

Prijs per token is de verkeerde eenheid voor deze werklast, en het is de moeite waard om concreet te zijn over waarom. Een browseragent die een taak in honderd acties voltooit, verstuurt honderd verzoeken, elk met de opgebouwde sessiestatus. Zelfs als promptcaching echt werk verricht, groeit de invoerkant met het kwadraat van het aantal acties, terwijl de uitvoerkant lineair meegroeit. Dat is de vorm die van een tariefkaart een budgetpost maakt.

De twee modellen beantwoorden die vorm verschillend, en het verschil gaat niet in de eerste plaats over de cijfers:

• Kostenstructuur — GPT-6 Astra wordt per gebruik gefactureerd tegen $10,00 invoer / $1,00 gecachet / $12,50 cache-schrijfacties / $50,00 uitvoer per 1M, met een verdubbeling boven 272K tokens, tegenover Nex-N2.5 Pro met verbruiksmeting of self-hosted, zonder gepubliceerd lijsttarief van Nex-AGI voor de Pro-tier

• Kapitaalvereiste — GPT-6 Astra: geen, het is een API versus Nex-N2.5 Pro: één enkele node van acht H100's, of een gehost endpoint waarvan de leverancier de commerciële voorwaarden bepaalt

• Context tijdens het serveren — GPT-6 Astra 922.000 invoertokens, 128.000 uitvoer versus Nex-N2.5 Pro 262.144 tokens zoals gedocumenteerd in de lanceringsconfiguratie

• Redeneerbeheer — GPT-6 Astra reasoning.effort van laag tot max vs Nex-N2.5 Pro reasoning_effort op none, medium (adaptief, de standaard) of high

• Invoer — GPT-6 Astra tekst, afbeelding en bestand volgens routervermeldingen, tekst en afbeelding volgens O​penAI's eigen pagina vs Nex-N2.5 Pro tekst en afbeelding, waarbij vision wordt behandeld als het perceptiekanaal van de agent in plaats van als een tweede modaliteit

• Gewichten — GPT-6 Astra gesloten vs Nex-N2.5 Pro Apache-2.0, 122 shards, ongeveer 407 GB

Die laatste rij is degene die de rekensom verandert, niet de prijs. Als je de acht H100s bezit en ze zijn niet voor iets anders in gebruik, naderen de marginale kosten van de volgende agent-run de elektriciteitskosten, en geen enkele concurrent die per token afrekent haalt dat bedrag bij welk volume dan ook. Bezit je ze niet, dan is de kapitaalpost het vergelijkingspunt, en een op verbruik afgerekende API begint goedkoop te lijken op precies dezelfde manier waarop een huurauto goedkoop lijkt naast een maandelijkse autobetaling — totdat je er drie jaar lang elke dag in rijdt.

De eerlijke versie van de vraag of je moet kopen of bouwen is hier benutting. Een agent-workload die continu draait, laat de node als een koopje lijken; een die tijdens kantooruren piekt en 's nachts niets doet, maakt de flexibiliteit van de API zijn meerprijs waard. De kaart van geen van beide leveranciers zal je vertellen welke je hebt, en geen enkele benchmarkrij vervangt het getal dat je eigen verkeer oplevert.

Een ding dat de Nex-N2.5 Pro-kaart je niet zal vertellen, is de prijs. Nex-AGI publiceert geen lijsttarief per token voor de Pro-tier; het model bereikte gebruikers eerst via gehoste endpoints die vanaf zijn eigen kaart zijn gelinkt, en de commerciële voorwaarden zijn aan de leverancier om te bepalen, niet iets wat een externe pagina zou moeten schatten. Dit artikel vermeldt er geen.

Wat elk ervan eigenlijk is gebouwd om te doen

Het duidelijkste verschil tussen deze twee is niet het vermogen, maar de lus waaromheen ze zijn ontworpen. De framing van Nex-AGI voor de N2.5-familie is dat visie niet louter een invoermodaliteit is, maar de interface waarmee de agent zijn omgeving waarneemt, de uitkomst van een actie verifieert en bepaalt wat hij vervolgens moet doen. Nex-N2.5 Pro is specifiek voor die waarnemings-en-controlelus post-getraind vanuit de Qwen3.5-lijn, in browser- en desktopsessies, met zelfcorrectie op basis van het visuele resultaat. De sturing van het redeneren weerspiegelt hetzelfde ontwerp: de standaardmodus is adaptief, zodat het model zelf bepaalt hoeveel het voor elke actie moet nadenken, met een niet-nadenkmodus beschikbaar voor stappen die die duidelijk niet nodig hebben. Voor een agent die honderden opeenvolgende beslissingen neemt, is sturing van het nadenken per stap een kostenhefboom, geen kwaliteitsknop, en de standaardinstelling is degene die ertoe doet.

De positionering van GPT-6 Astra is breder en het computergebruikverhaal gaat gepaard met een prijsstructuur die uitgaat van lange runs. OpenAI verkoopt het voor langetermijn-, end-to-end professioneel werk — een taak van een instructie naar een afgerond artefact brengen met een computer zoals een mens dat doet — en het venster van 1.050.000 tokens is de specificatie die die runs mogelijk maakt zonder samenvatting. Dat is een echt voordeel voor de klasse van taken waarbij de agent nog steeds een vereiste moet vinden die hij uren eerder kreeg; het is ook de reden dat de band van 272.000 tokens bestaat, en iedereen die Astra als agent draait, zou die band moeten lezen als de prijs van de functie en niet als een straf.

Twee operationele feiten over Astra horen in elke evaluatie ervan als agentplatform, omdat beide van invloed zijn op een productielus. De gemeten doorvoer is 44,6 outputtokens per seconde in de run van Artificial Analysis, wat langzaam genoeg is om ertoe te doen wanneer elk van honderd acties op een reactie wacht. En Astra is het eerste O​penAI-model dat de Critical-drempel voor cyberbeveiligingscapaciteiten van het bedrijf overschrijdt, wat betekent dat het zoals het wordt geleverd geavanceerde cyber-taken weigert en dat de beveiligingsmachinerie zich in het aanvraagpad bevindt — in ChatGPT en Codex kan een gebruiker worden gevraagd een actie te beoordelen, terwijl de taak op de API simpelweg stopt. Voor een defensieve-security-agent is dat een echte beperking; voor een gewone bedrijfsprocesagent is het grotendeels onzichtbaar.

Beide draaien, en wat een router daaraan doet

Nex-N2.5 Pro staat niet op OrcaRouter en deze pagina beweert dat ook niet — het is een Apache-2.0-checkpoint van een nieuwer lab, en je route ernaartoe loopt via Nex-AGI's eigen gehoste diensten, een platform van derden, of de acht-H100-implementatie die in zijn modelkaart wordt beschreven. GPT-6 Astra staat in onze catalogus als openai/gpt-6-astra, tegen OpenAI's lijsttarieven doorgegeven met 0% opslag van ons, dus een wijziging aan een van de vier tariefmeters komt dezelfde dag dat die wordt gepubliceerd op je bestaande key terecht.

Die splitsing is wat een gemengde vloot praktisch maakt in plaats van theoretisch. Een team dat wil nagaan of een zelfgehoste computer-use-agent zijn werklast aankan, kan het op verbruik gebaseerde model achter hetzelfde OpenAI-compatibele endpoint plaatsen dat het al aanroept, een deel van het verkeer op het checkpoint richten en voltooide taken per dollar vergelijken in plaats van tokens per aanroep — de enige eenheid die de vraag beantwoordt. Automatische failover dekt de slechte dagen van de uitrol zonder dat iemand een tweede integratie hoeft te schrijven, en dekt ook de slechte dagen van de API. De vergelijking die deze pagina maakt, is een vergelijking van kostenstructuren, en een kostenstructuur is iets dat je op je verkeer test in plaats van het van een kaart af te lezen.

Welke moet ik uitvoeren?

Kies Nex-N2.5 Pro als het bedienen van computers en browsers het product is en niet een functie ervan, als je al GPU-capaciteit beheert, of als Apache-2.0 doorslaggevend is omdat de data die de agent aanraakt je infrastructuur niet mogen verlaten. Begroot de node voordat je iets anders begroot, en voer je eigen evaluatie van het OSWorld-2-cijfer uit voordat je erop vertrouwt — de harness die het heeft geproduceerd is nog niet openbaar, en totdat dat wel zo is, is 56.4 een bewering in plaats van een resultaat.

Kies GPT-6 Astra als het werk de bovenkant van een zeer lange context vereist, als u een onafhankelijk scorebord wilt afwegen tegen een leverancierstabel, of als u liever helemaal geen GPU's wilt draaien. Het kost $10,00 en $50,00 per miljoen tokens en $3,26 per voltooide indextaak — de duurste optie in deze vergelijking en degene met de minste operationele overhead. Zet er geen agent met korte prompts en een hoog volume op; bij die verzoekgroottes betaalt u het tarief van een vlaggenschipmodel voor een workload die een goedkoper model aankan, en het bereik van 272.000 tokens dat de tariefkaart rechtvaardigt, zult u nooit gebruiken.

De samenvatting die het waard is om te onthouden, is dat deze twee tegen verschillende beperkingen zijn geprijsd. De kosten van Nex-N2.5 Pro zijn een knooppunt, en de economie ervan verbetert naarmate je het meer gebruikt. De kosten van GPT-6 Astra zijn een meter, en de economie ervan is vlak, ongeacht hoeveel je het gebruikt. Voor een agent voor computergebruik die continu draait, loopt dat verschil sneller op dan welke benchmarkkloof dan ook tussen hen.

Een release is ook het moment om te controleren wat er eerder mis is gegaan: de gedocumenteerde AI-incidenten en agentfouten rond modellen in deze klasse zijn verzameld in the OrcaRouter AI Incident Archive , waar elk item zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-markering bevat.