Step 5 Preview vs Nex N2.5 Pro: één getal dat je kunt controleren, één getal dat je niet kunt

Het getal dat rondgaat voor Nex N2.5 Pro is 82,7, zijn door de leverancier gerapporteerde score op Terminal-Bench 2.1. Het getal dat rondgaat voor Step 5 Preview op een benchmark met dezelfde naam is 33%. Die twee cijfers zijn niet vergelijkbaar, en het feit dat ze geregeld naast elkaar worden geplaatst, is de duidelijkste illustratie van het probleem dat deze matchup heeft: het ene model is door iemand anders dan zijn maker gemeten, en het andere is door helemaal niemand anders gemeten. Step 5 Preview ging op 20 september 2026 live op de API van StepFun en publiceerde zijn gewichten op 15 oktober. Nex N2.5 Pro werd op 8 september aangekondigd en publiceerde binnen enkele dagen na die aankondiging zijn Apache-2.0-checkpoints op Hugging Face. Beide zijn downloadbaar. Alleen het ene is van buitenaf te scoren.

Die asymmetrie is geen kritiek op de techniek van Nex N2.5 Pro. Het is een uitspraak over het bewijs, en bewijs is waarop een inkoopbeslissing rust.

Wat Nex N2.5 Pro nu is, nu de gewichten beschikbaar zijn

Veel berichtgeving beschrijft Nex N2.5 Pro nog steeds als een model waarvan de gewichten "binnenkort beschikbaar" zijn, omdat dat is wat de modelkaart in de eerste week van september zei. De checkpoints zijn sinds medio september openbaar: een mixture-of-expertsmodel met 397 miljard parameters en ongeveer 17 miljard actief per token, post-getraind vanuit een Qwen 3.5-lijn, onder Apache-2.0. Iedereen die het als nog niet uitgebracht beschrijft, werkt met een verouderde pagina.

Wat niet is veranderd, is de meetsituatie. De benchmarkcijfers van de leverancier — 82,7 op Terminal-Bench 2.1, 61,2 op SWE-bench Pro, 89,7 op BrowseComp, 87,4 op OSWorld-G — zijn tot stand gekomen via NexCUA, de eigen computer-use-harness van de alliantie, waarvan zij zegt dat ze van plan is die open source te maken, maar dat nog niet heeft gedaan. Geen enkele onafhankelijke evaluator heeft een pagina voor het model online gezet. Dat ontbreken is geen kwestie van timing; het is een lacune die heeft voortgeduurd gedurende de hele periode waarin de gewichten te downloaden zijn.

De vergelijking die gemaakt kan worden

Alles hieronder komt uit gepubliceerde bronnen in plaats van uit een gedeelde run, en elke regel vermeldt waar het cijfer vandaan komt. Dat is het eerlijke maximum voor dit paar.

• Parameters — Step 5 Preview: 600B totaal, 27B actief. Nex N2.5 Pro: 397B totaal, ~17B actief.

• Context — Stap 5 Preview: 1M tokens. Nex N2.5 Pro: 262.144 tokens, met een gedocumenteerde uitvoerlimiet van bijna 236K.

• Modaliteit — Stap 5 Voorbeeld: tekst, afbeelding en video als invoer, tekst als uitvoer. Nex N2.5 Pro: tekst en afbeelding als invoer, tekst als uitvoer, waarbij visie wordt gepositioneerd als het feedbackkanaal voor computergebruik.

• Redeneerbeheer — Step 5 Preview: denken is altijd aan, maar er is een instelling voor lage/middelhoge/hoge inspanning. Nex N2.5 Pro: geen, medium (adaptief, standaard) en hoge niveaus, zodat redeneren volledig kan worden uitgeschakeld.

• Gewichten — Step 5 Preview: BF16 en FP8 onder de StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• Prijs — Step 5 Preview: $1,00 in, $2,70 uit, $0,10 gecachet per miljoen tokens op de tariefkaart van StepFun. Nex N2.5 Pro: een gratis gehoste tier, waarvoor de leverancier geen lijstprijs publiceert.

De regel over de licentie is de enige plek waar Nex N2.5 Pro ondubbelzinnig eenvoudiger is. Apache-2.0 is voor elk juridisch team een bekend gegeven; de licentie van StepFun bevat commerciële drempels die modellering vereisen. De contextregel valt anders uit, en het verschil is bijna viervoudig — van belang als je agent volledige repositories of documentensets leest.

De vergelijking die niet kan worden gemaakt

Drie dingen zouden nodig zijn om deze twee op dezelfde as te zetten, en geen daarvan bestaat.

Ten eerste, een gedeelde benchmarkversie. Terminal-Bench 2.1 en Terminal-Bench 4.0 zijn verschillende tests met verschillende taaksets en een verschillende beoordeling, en een score op het ene zegt niets over het andere. Het cijfer 82,7 geldt voor 2.1; het cijfer 33% geldt voor 4.0. Iedereen die ze als een directe kop-aan-kopvergelijking presenteert, vergelijkt een sprinttijd met een marathon-split.

Ten tweede: een gemeenschappelijke testopstelling. De cijfers van Step 5 Preview komen uit een gepubliceerde index die een vaste evaluatiesuite uitvoert op elk model dat erin wordt vermeld. Die van Nex N2.5 Pro komen uit software die de eigen leverancier heeft geschreven en niet heeft vrijgegeven. Zelfs als de benchmarknamen overeenkwamen, zou het onderliggende raamwerk dat niet doen.

Ten derde: een onafhankelijke beoordeling van welke aard dan ook. Er is geen pagina voor Nex N2.5 Pro bij de evaluators die een intelligentie-index publiceren. We hebben dat direct gecontroleerd, niet afgeleid uit een ontbrekend zoekresultaat, en het antwoord is vandaag hetzelfde als in september: niets.

Wat zonder de grens te overschrijden gezegd kan worden, is nauwer en nog steeds nuttig: Nex N2.5 Pro claimt sterke agentische prestaties op benchmarks waar de onafhankelijk gemeten resultaten van Step 5 Preview midden in de tabel staan. Dat is een reden om het te testen, niet een reden om het te geloven.

Wat een gratis endpoint eigenlijk waard is

De gehoste laag van Nex N2.5 Pro kost niets, waardoor een prijsvergelijking een risicovergelijking wordt. Er is geen gepubliceerde lijstprijs, dus er is niets om tegen te modelleren en geen signaal over wat de leverancier denkt dat het model waard is. Vermeldingen van derden bevatten prijzen in de lage tientallen centen per miljoen inputtokens, afhankelijk van de host, en ze spreken elkaar zo ernstig tegen dat geen ervan als de positie van de leverancier mag worden behandeld.

Gratis heeft ook een prijs in termen van beschikbaarheid. Trackers die het gratis endpoint monitoren melden een wisselvallige beschikbaarheid — een waarneming door derden, geen cijfer van de leverancier, en precies het soort gegeven dat zinloos is voor een prototype en diskwalificerend voor een productiepad. Een model waarop je niet kunt rekenen is niet goedkoop; het is ongeprijsd risico met een nul op de factuur.

Daartegenover zijn het gecombineerde tarief van $0,54 van Step 5 Preview en de $2,35 per voltooide indextaak duur in absolute termen en volledig transparant. Je kunt een factuur voorspellen op basis van een gepubliceerde tariefkaart. Bij een gratis tier waarvan de voorwaarden niet zijn vastgelegd, kun je dat niet.

Het trackrecord van Step 5 Preview is anders, niet beter.

Het loont om precies te zijn over wat Step 5 Preview wel heeft, omdat 'het heeft een score' het verschil onderschat en 'het is beter' het overdrijft. Step 5 Preview scoort 29 op de huidige versie van de Artificial Analysis Intelligence Index — niet de 44 die in de berichtgeving rond de lancering werd genoemd, omdat die indexversie inmiddels is vervangen. Het staat zesde van zeventien in zijn vergelijkingsklasse, draait op 179 outputtokens per seconde en kost $2,35 per indextaak. Die metingen komen uit dezelfde run, zijn reproduceerbaar en zijn geproduceerd door een evaluator zonder commercieel belang bij de uitkomst.

Wat je daarmee krijgt, is een basislijn. Je weet waar het model staat ten opzichte van zo'n vijftig andere modellen die op dezelfde manier zijn gemeten, wat betekent dat je een eerste beslissing kunt nemen zonder een GPU te huren. Wat je daarmee niet krijgt, is de garantie dat Step 5 Preview op jouw workload beter zal presteren dan Nex N2.5 Pro. Op het gebied van codering en automatisering zijn de onafhankelijke resultaten van Step 5 Preview niets bijzonders — 12% op FrontierCode 2.0, 33% op Terminal-Bench 4.0 — en een model met een sterke, niet-gepubliceerde claim over zijn agentische prestaties is precies het soort model dat die cijfers zou kunnen overtreffen. Het punt is dat je het zelf ontdekt, in plaats van het van een kaartje af te lezen.

Aan wie ieder behoort

Nex N2.5 Pro is bedoeld voor teams die computer-use- en browseragents bouwen, bereid zijn eerst hun eigen evaluatie uit te voeren voordat ze zich vastleggen, en waarde hechten aan een Apache-2.0-licentie en een actieve omvang van 17B die op bescheiden hardware past. Het gratis endpoint maakt de proef goedkoop; het ontbreken van een lijstprijs maakt de productiebeslissing moeilijk. Behandel de benchmarks van de leverancier als een hypothese met een plausibel mechanisme erachter — een Qwen-lineage MoE die nagetraind is op schermleestaken — en niet als een resultaat.

Step 5 Preview is voor teams met een langcontext- en kennisintensieve werklast, die een prijs nodig hebben die ze kunnen voorspellen. Het is de duurdere en overzichtelijkere optie, en de licentie ervan stelt op zeer grote schaal een vraag die die van Nex niet stelt.

Geen van beide staat vandaag in de catalogus van OrcaRouter, dus dit artikel kan u voor geen van beide naar een goedkopere endpoint verwijzen. Wat het platform wél biedt bij een beslissing als deze, is de rest van de stack via één sleutel: meer dan 200 modellen tegen de lijstprijs van de provider, zonder markup, zodat een tariefwijziging van een leverancier u dezelfde dag bereikt, en automatische failover zodat een model dat u nog test, nooit een single point of failure wordt. Het patroon dat werkt voor een onbewezen model is om een klein deel van het echte verkeer naar het model te routeren, met een bewezen fallback erachter, te meten en pas daarna dat aandeel te verschuiven. Dat is goedkoper dan een benchmark-bake-off en veel informatiever dan een leverancierskaart.

Als je vandaag een antwoord nodig heb, is Step 5 Preview de keuze die je in een ontwerpbespreking kunt verantwoorden, omdat elk getal dat daaraan hangt door iemand in de zaal kan worden gecontroleerd. Als je een computer-use-agent bouw en het evaluatiewerk kunt opvangen, is Nex N2.5 Pro de interessantere keuze — goedkoper om te proberen, moeilijker te verantwoorden en werkelijk ongemeten. De fout die je moet vermijden, is 82,7 als een feit behandelen en $1,00 als een nadeel, zonder te merken dat slechts een van die twee getallen een tweede bron heeft.