Step 5 Preview vs Nex N2.5 Pro: Jedna liczba, którą możesz sprawdzić, i jedna, której nie możesz

Liczba podawana dla Nex N2.5 Pro to 82,7, wynik zgłoszony przez dostawcę w Terminal-Bench 2.1. Liczba podawana dla Step 5 Preview w benchmarku o tej samej nazwie wynosi 33%. Te dwie liczby nie są porównywalne, a fakt, że regularnie stawia się je obok siebie, jest najwyraźniejszą ilustracją problemu, jaki ma to zestawienie: jeden model został zmierzony przez kogoś innego niż jego twórcę, a drugi w ogóle nie został zmierzony przez nikogo innego. Step 5 Preview został udostępniony w API StepFun 20 września 2026 r. i opublikował swoje wagi 15 października. Nex N2.5 Pro został zapowiedziany 8 września i w ciągu kilku dni od tej zapowiedzi opublikował na Hugging Face swoje checkpointy na licencji Apache-2.0. Oba można pobrać. Tylko jeden można ocenić z zewnątrz.

Ta asymetria nie jest zarzutem wobec inżynierii Nex N2.5 Pro. To stwierdzenie dotyczące dowodów, a to na dowodach opiera się decyzja zakupowa.

Czym jest teraz Nex N2.5 Pro, skoro wagi są już udostępnione?

Wiele materiałów wciąż opisuje Nex N2.5 Pro jako model, którego wagi są „wkrótce dostępne”, ponieważ tak głosiła jego karta w pierwszym tygodniu września. Checkpointy są publiczne od połowy września: model typu mixture-of-experts z 397 miliardami parametrów i około 17 miliardami aktywnymi na token, dotrenowany na bazie linii Qwen 3.5, na licencji Apache-2.0. Każdy, kto opisuje go jako niewydany, korzysta z nieaktualnej strony.

Niezmienna pozostaje sytuacja pomiarowa. Liczby benchmarków dostawcy — 82,7 w Terminal-Bench 2.1, 61,2 w SWE-bench Pro, 89,7 w BrowseComp i 87,4 w OSWorld-G — uzyskano za pomocą NexCUA, własnego harnessu sojuszu do obsługi komputera, który — jak twierdzi — zamierza udostępnić jako open source, ale jeszcze tego nie zrobił. Żaden niezależny ewaluator nie opublikował strony poświęconej modelowi. Ta nieobecność nie jest przypadkiem związanym z momentem; to luka, która utrzymuje się przez cały okres, w którym wagi można pobierać.

Porównanie, którego można dokonać

Wszystko poniżej pochodzi z opublikowanych źródeł, a nie ze wspólnego przebiegu, i każda linia wskazuje, skąd pochodzi dana liczba. To uczciwy pułap dla tej pary.

• Parametry — Step 5 Preview: 600B łącznie, 27B aktywnych. Nex N2.5 Pro: 397B łącznie, ~17B aktywnych.

• Kontekst — Podgląd kroku 5: 1 mln tokenów. Nex N2.5 Pro: 262 144 tokeny, z udokumentowanym pułapem wyjściowym wynoszącym około 236 tys.

• Modality — Podgląd kroku 5: tekst, obraz i wideo na wejściu, tekst na wyjściu. Nex N2.5 Pro: tekst i obraz na wejściu, tekst na wyjściu, przy czym funkcja widzenia pełni rolę kanału sprzężenia zwrotnego do korzystania z komputera.

• Kontrola rozumowania — podgląd kroku 5: myślenie jest zawsze włączone, ale można regulować poziom wysiłku: niski/średni/wysoki. Nex N2.5 Pro: poziomy brak, średni (adaptacyjny, domyślny) i wysoki, dzięki czemu rozumowanie można całkowicie wyłączyć.

Wagi — Step 5 Preview: BF16 i FP8 objęte licencją StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• Cena — Step 5 Preview: $1.00 za wejście, $2.70 za wyjście, $0.10 za cache za milion tokenów według cennika StepFun. Nex N2.5 Pro: darmowy hostowany plan, przy czym dostawca nie publikuje ceny katalogowej.

Wiersz dotyczący licencji to jedyne miejsce, w którym Nex N2.5 Pro jest jednoznacznie prostszy. Apache-2.0 to znana kwestia dla każdego zespołu prawnego; licencja StepFun zawiera progi komercyjne, które wymagają modelowania. Wiersz dotyczący kontekstu wygląda odwrotnie i różnica jest bliska czterokrotności — istotna, jeśli Twój agent czyta całe repozytoria lub zestawy dokumentów.

Porównanie, którego nie można przeprowadzić

Aby umieścić te dwa na tej samej osi, potrzebne byłyby trzy rzeczy, a żadna z nich nie istnieje.

Po pierwsze, wspólna wersja benchmarku. Terminal-Bench 2.1 i Terminal-Bench 4.0 to różne testy, z różnymi zestawami zadań i różnym punktowaniem, a wynik na jednym nie mówi nic o drugim. Liczba 82,7 dotyczy wersji 2.1; liczba 33% dotyczy wersji 4.0. Każdy, kto przedstawia je jako bezpośrednie starcie, porównuje czas sprintu do międzyczasu maratonu.

Po drugie, wspólny zestaw testowy. Wyniki Step 5 Preview pochodzą z opublikowanego indeksu, który uruchamia stały zestaw testów ewaluacyjnych wobec każdego wymienionego modelu. Wyniki Nex N2.5 Pro pochodzą z oprogramowania, które napisał jego własny dostawca i którego nie udostępnił. Nawet gdyby nazwy benchmarków się zgadzały, otoczenie testowe już nie.

Po trzecie, jakikolwiek niezależny odczyt. Nie ma strony dla Nex N2.5 Pro u ewaluatorów, którzy publikują indeks inteligencji. Sprawdziliśmy to bezpośrednio, zamiast wnioskować to z braku wyniku wyszukiwania, a odpowiedź dzisiaj jest taka sama jak we wrześniu: nic.

To, co można powiedzieć, nie wychodząc przed szereg, jest węższe, a mimo to wciąż użyteczne: Nex N2.5 Pro deklaruje wysoką wydajność agentową w benchmarkach, w których niezależnie zmierzone wyniki Step 5 Preview plasują się w środku stawki. To powód, by go przetestować, a nie powód, by w niego wierzyć.

Ile faktycznie jest wart darmowy endpoint

Nex N2.5 Pro w wariancie hostowanym kosztuje zero, co zamienia porównanie cen w porównanie ryzyka. Nie ma publikowanej ceny katalogowej, więc nie ma punktu odniesienia do modelowania ani sygnału o tym, ile zdaniem dostawcy model jest wart. Oferty podmiotów zewnętrznych zawierają ceny w przedziale niskich dziesiątek centów za milion tokenów wejściowych, w zależności od hosta, i są ze sobą sprzeczne na tyle mocno, że żadnej nie należy traktować jako stanowiska dostawcy.

Darmowy również ma koszt dostępności. Monitorujące usługi, które obserwują darmowy endpoint, zgłaszają przerywaną dostępność — obserwacja strony trzeciej, a nie dane dostawcy, i coś, co jest bez znaczenia dla prototypu, a dyskwalifikujące dla ścieżki produkcyjnej. Model, na którym nie można polegać, nie jest tani; to niewycenione ryzyko z zerem na fakturze.

W zestawieniu z tym uśredniona stawka 0,54 USD w Step 5 Preview i 2,35 USD za ukończone zadanie indeksowania są drogie w ujęciu bezwzględnym i całkowicie czytelne. Można prognozować rachunek na podstawie opublikowanej tabeli stawek. Nie można prognozować go na podstawie darmowego planu, którego warunki nie zostały spisane.

Rekord Step 5 Preview jest inny, nie lepszy

Warto być precyzyjnym co do tego, co Step 5 Preview faktycznie ma, ponieważ „ma wynik” zaniża różnicę, a „jest lepszy” przesadza. Step 5 Preview uzyskuje wynik 29 w obecnej wersji Artificial Analysis Intelligence Index — nie 44, które cytowano w relacjach z premiery, ponieważ ta wersja indeksu została od tego czasu zastąpiona. Plasuje się na szóstym miejscu spośród siedemnastu w swojej klasie porównawczej, działa z szybkością 179 tokenów wyjściowych na sekundę i kosztuje 2,35 USD za zadanie indeksowe. Te odczyty pochodzą z tego samego przebiegu, są powtarzalne i zostały uzyskane przez ewaluatora niemającego komercyjnego interesu w wyniku.

To daje ci punkt odniesienia. Wiesz, gdzie model plasuje się względem ponad pięćdziesięciu innych mierzonych w ten sam sposób, co oznacza, że możesz podjąć wstępną decyzję bez wynajmowania GPU. Nie daje ci natomiast gwarancji, że Step 5 Preview pokona Nex N2.5 Pro w twoim obciążeniu. W przypadku kodowania i automatyzacji niezależne wyniki Step 5 Preview są przeciętne — 12% na FrontierCode 2.0, 33% na Terminal-Bench 4.0 — a model z mocnym, niepublikowanym twierdzeniem o możliwościach agentowych jest dokładnie tym rodzajem modelu, który mógłby pobić te liczby. Rzecz w tym, że dowiedziałbyś się tego sam, zamiast odczytywać to z karty.

Do kogo należy każdy z nich

Nex N2.5 Pro należy do zespołów budujących agentów do pracy z komputerem i przeglądarką, które są gotowe przeprowadzić własną ewaluację przed podjęciem wiążącej decyzji i cenią sobie licencję Apache-2.0 oraz model o 17B aktywnych parametrów, mieszczący się na skromnym sprzęcie. Darmowy endpoint sprawia, że testowanie jest tanie; brak ceny cennikowej sprawia, że decyzja produkcyjna jest trudna. Benchmarki dostawcy traktuj jako hipotezę, za którą stoi prawdopodobny mechanizm — MoE z rodziny Qwen dotrenowany na zadaniach czytania zawartości ekranu — a nie jako wynik.

Step 5 Preview należy do zespołów, których obciążenie pracą opiera się na długim kontekście i dużej ilości wiedzy oraz które potrzebują ceny, którą mogą prognozować. Jest to droższa i bardziej przejrzysta opcja, a jej licencja stawia na bardzo dużą skalę pytanie, którego licencja Nex nie stawia.

Żaden z tych dwóch nie znajduje się obecnie w katalogu OrcaRouter, więc ten artykuł nie może wskazać Ci tańszego endpointu dla któregokolwiek z nich. To, co platforma rzeczywiście oferuje przy takiej decyzji, to reszta stosu na jednym kluczu: ponad 200 modeli w cenie katalogowej dostawcy, bez marży, więc zmiana stawek dostawcy dociera do Ciebie tego samego dnia, oraz automatyczny failover, dzięki czemu model, który wciąż testujesz, nigdy nie staje się pojedynczym punktem awarii. Skuteczny wzorzec postępowania z nieprzetestowanym modelem polega na skierowaniu niewielkiej części rzeczywistego ruchu do niego za sprawdzonym mechanizmem awaryjnym, zmierzeniu wyników i dopiero wtedy przeniesieniu tej części. Jest to tańsze niż test porównawczy na benchmarkach i znacznie bardziej informujące niż karta dostawcy.

Jeśli potrzebujesz odpowiedzi już dziś, Step 5 Preview jest tym, który możesz uzasadnić na przeglądzie projektowym, ponieważ każdą liczbę z nim związaną może sprawdzić ktoś obecny w sali. Jeśli budujesz agenta wykorzystującego komputer i możesz wziąć na siebie pracę związaną z oceną, Nex N2.5 Pro jest ciekawszym zakładem — tańszym w wypróbowaniu, trudniejszym do obrony i naprawdę niezmierzonym. Błędu, którego należy unikać, to traktowanie 82,7 jako faktu i 1,00 USD jako wady, bez zauważenia, że tylko jedna z tych dwóch liczb ma drugie źródło.