GPT-6 Astra vs Nex N2.5 Pro: Um agente de uso de computador cobra por token

Um agente de uso de computador é a única carga de trabalho em que o preço por token deixa de ser uma abstração. Pegue uma única tarefa — abrir um navegador, encontrar um registro, preencher um formulário, verificar o resultado — e um agente que pensa entre cada ação a executará em dezenas de milhares de tokens, e depois a repetirá dez mil vezes. GPT-6 Astra, o carro-chefe da O​penAI lançado em 3 de setembro de 2026, cobra $10,00 por milhão de tokens de entrada e $50,00 por milhão de saída por isso, com uma faixa dobrada acima de 272.000 tokens. Nex-N2.5 Pro, o modelo de uso de computador de 397 bilhões de parâmetros que a Nex-AGI anunciou em 8 de setembro de 2026, foi construído para a mesma classe de tarefa e é publicado sob a Apache-2.0, com instruções de serviço para um nó de oito H100s. Ambos os fornecedores relatam números do OSWorld-2. Apenas um deles fornece um medidor que você pode ler antes de começar.

A linha de benchmark que realmente se sobrepõe

OSWorld-2 é a coisa mais próxima de uma régua compartilhada entre esses dois, e vale a pena ver quão pouco essa linha compartilhada estabelece. O card da Nex-AGI lista o Nex-N2.5 Pro com 56.4 no OSWorld-2, ao lado de Claude Opus 5 com 68.3 e Qwen3.8-Max com 46.7, valores que cita de fontes de leaderboards e dos provedores. O material de lançamento da O​penAI para o GPT-6 Astra reporta 72.6% no OSWorld 2.0 com cerca de 40 minutos por tarefa, o que ele descreve como aproximadamente 47% menos tempo por tarefa do que o GPT-5.6 Sol.

Esses dois números não podem ser colocados na mesma coluna. Eles foram produzidos por laboratórios diferentes, em harnesses diferentes, em datas diferentes, com orçamentos de ação diferentes — e a Nex-AGI afirma claramente que suas avaliações de computer-use e browser-use passaram pelo seu próprio harness NexCUA, o qual ela diz que vai tornar open-source, mas ainda não o fez. Portanto, a leitura honesta do par é direcional e restrita: o número da OpenAI é o mais alto, ambos são relatados pelos fornecedores e nenhum dos dois foi reproduzido. O que a linha de fato estabelece é que ambas as empresas consideram o OSWorld-2 o benchmark que importa para essa classe de modelo, o que indica o que observar em uma execução independente.

O restante do cartão da Nex-AGI é uma tabela de fornecedor único com a mesma ressalva anexada a cada linha:

• Uso de computador, informado pelo fornecedor — OSWorld-2 56.4, OSWorld-Verified 82.2, OSWorld-G 87.4, WebArena-Verified 67.6, WebTest 52.8, Vision2Web 68.2

• Codificação e texto, informado pelo fornecedor — Terminal-Bench 2.1 em 82,7, SWE-Bench Pro 61,2, BrowseComp 89,7, AutomationBench v1.0.6 em 44,2

• Registro independente do GPT-6 Astra — 53 no Artificial Analysis Intelligence Index, 44,6 tokens de saída por segundo, US$ 3,26 por tarefa concluída do índice, sétimo de 216 em inteligência e 168º de 185 em velocidade

• Registro do fornecedor do GPT-6 Astra — 98% no FrontierMath Tier 4, 99,9% no ARC-AGI-3 (62,7% no harness padrão do ARC Prize, 99,9% por meio de um adaptador de provedor), 100% no ExploitBench, 57,9% no Terminal-Bench 4.0

Leia essas quatro linhas em conjunto e a assimetria fica clara. A Astra tem um placar independente e uma tabela do fornecedor que discordam entre si, o que pelo menos lhe dá algo para ponderar. O Nex-N2.5 Pro tem apenas a tabela do fornecedor — não há entrada do Artificial Analysis para ele, nem página para qualquer modelo Nex nesse placar —, então cada número acima carrega a autoridade da Nex-AGI e nada mais.

Qual é o segundo número no cartão: os pesos caíram

O repositório do Nex-N2.5 Pro no Hugging Face foi criado em 8 de setembro de 2026, e quando a família foi anunciada, o cartão do modelo continha um aviso de “em breve” para os pesos. Essa lacuna foi fechada. O repositório agora contém 122 shards safetensors totalizando aproximadamente 407 GB, publicados sob Apache-2.0, e o cartão documenta a receita de serving em detalhes suficientes para executá-lo sem precisar fazer engenharia reversa de nada.

Vale a pena ler essa receita antes de avaliar a comparação, porque ela é o argumento a favor do modelo tanto quanto qualquer linha de benchmark. O Nex-N2.5 Pro é uma mistura esparsa de especialistas: 397 bilhões de parâmetros no total, com cerca de 17 bilhões ativos por token. A implantação documentada é um único nó de oito H100s executando uma build personalizada do SGLang — nexagi/sglang:v0.5.18-nex-patch — com paralelismo de tensores em todos os oito, o parser de raciocínio Q​wen3 e o parser de chamadas de ferramentas Q​wen3-coder habilitados, um comprimento de contexto de 262.144 tokens e amostragem recomendada com temperatura 0.7, top_p 0.95, top_k 40. Oito H100s representam uma pegada substancial, mas rotineira. Como apenas 17 bilhões de parâmetros são acionados por token, o custo computacional por ação permanece pequeno, embora a pegada dos pesos seja grande — e é exatamente por isso que um modelo de 397B é implantável por qualquer pessoa que não seja um hiperescalador.

O contexto de 262.144 tokens é a especificação que determina a maioria das arquiteturas de agentes. A janela da Astra é de 1.050.000 tokens, com um teto de saída de 128.000 tokens, e suas próprias faixas de serviço encarecem o segmento de contextos longos: acima de 272.000 tokens de entrada, toda a requisição é reprecificada a US$20,00 de entrada e US$75,00 de saída, com leituras de cache a US$2,00 e gravações de cache a US$25,00. O comprimento de serviço de 262.144 tokens do Nex-N2.5 Pro fica logo abaixo dessa linha, o que ou é coincidência ou é uma especificação escrita por alguém que lê as páginas de preços de outros fornecedores. De qualquer forma, a consequência prática é que um loop de agente mantendo um histórico de sessão longo no Nex-N2.5 Pro nunca cruza o limite de faixa que aproximadamente dobra o custo de entrada da Astra.

Para onde vai o dinheiro em mais de dez mil execuções

O preço por token é a unidade errada para esta carga de trabalho, e vale a pena ser concreto sobre o porquê. Um agente de navegador que conclui uma tarefa em cem ações envia cem requisições, cada uma carregando o estado acumulado da sessão. Mesmo com o cache de prompt fazendo trabalho real, o lado da entrada cresce com o quadrado do número de ações, enquanto o lado da saída cresce linearmente com ele. É esse formato que transforma uma tabela de preços em uma linha de orçamento.

Os dois modelos respondem a essa forma de maneira diferente, e a diferença não está principalmente nos números:

• Estrutura de custos — GPT-6 Astra cobrado por uso a $10,00 de entrada / $1,00 em cache / $12,50 para gravações em cache / $50,00 de saída por 1M, dobrando acima de 272K tokens vs. Nex-N2.5 Pro cobrado por uso ou auto-hospedado, sem tarifa de tabela publicada pela Nex-AGI para o nível Pro

• Requisito de capital — GPT-6 Astra: nenhum, é uma API; vs. Nex-N2.5 Pro: um único nó de oito H100s, ou um endpoint hospedado cujos termos comerciais cabe ao fornecedor definir

• Contexto em tempo de serving — GPT-6 Astra 922.000 tokens de entrada, 128.000 de saída vs. Nex-N2.5 Pro 262.144 tokens, conforme documentado na configuração de lançamento

• Controle de raciocínio — GPT-6 Astra reasoning.effort de low a max vs Nex-N2.5 Pro reasoning_effort em none, medium (adaptativo, o padrão) ou high

• Entrada — texto, imagem e arquivo do GPT-6 Astra conforme as listagens do roteador; texto e imagem conforme a própria página da OpenAI vs. texto e imagem do Nex-N2.5 Pro, com a visão tratada como o canal de percepção do agente, e não como uma segunda modalidade

• Pesos — GPT-6 Astra fechado vs Nex-N2.5 Pro Apache-2.0, 122 fragmentos, aproximadamente 407 GB

Essa última linha é a que muda a aritmética, não o preço. Se você possui as oito H100s e elas não estão ocupadas de outra forma, o custo marginal da próxima execução do agente se aproxima da eletricidade, e nenhum concorrente por token chega a esse número em qualquer volume. Se você não as possui, a linha de capital é a comparação, e uma API com cobrança por uso começa a parecer barata exatamente como um carro alugado parece barato ao lado da prestação de um carro — até você dirigi-lo todos os dias durante três anos.

A versão honesta da questão comprar versus construir, aqui, é a utilização. Uma carga de trabalho de agente que roda continuamente faz o nó parecer uma pechincha; uma que tem picos durante o horário comercial e fica ociosa durante a noite faz a flexibilidade da API valer o seu custo extra. Nenhuma ficha de fornecedor vai lhe dizer qual dos dois você tem, e nenhuma linha de benchmark substitui o número que o seu próprio tráfego produz.

Uma coisa que o cartão do Nex-N2.5 Pro não vai lhe dizer é o preço. A Nex-AGI não publica nenhuma tarifa de lista por token para o nível Pro; o modelo chegou aos usuários primeiro por meio de endpoints hospedados vinculados em seu próprio cartão, e as condições comerciais são do fornecedor para definir, e não algo que uma página externa deva estimar. Este artigo não publica nenhuma.

O que cada um é realmente feito para fazer

A diferença mais clara entre os dois não é a capacidade, mas sim o loop em torno do qual foram projetados. O enquadramento da Nex-AGI para a família N2.5 é que a visão não é meramente uma modalidade de entrada, mas a interface pela qual o agente percebe seu ambiente, verifica o resultado de uma ação e decide o que fazer em seguida. O Nex-N2.5 Pro é pós-treinado a partir da linhagem Qwen3.5 especificamente para esse loop de percepção e verificação, em sessões de navegador e desktop, com autocorreção a partir do resultado visual. Seu controle de raciocínio reflete o mesmo design: o modo padrão é adaptativo, permitindo que o modelo decida quanto pensar antes de cada ação, com um modo sem raciocínio disponível para etapas que claramente não precisam dele. Para um agente que toma centenas de decisões sequenciais, o controle de raciocínio por etapa é uma alavanca de custo, não um ajuste de qualidade, e a configuração padrão é a que importa.

O posicionamento do GPT-6 Astra é mais amplo, e sua narrativa de uso de computador vem com uma estrutura de preços que pressupõe execuções longas. A OpenAI o vende para trabalho profissional de horizonte longo e de ponta a ponta — levar uma tarefa de uma instrução a um artefato finalizado, usando um computador como uma pessoa faria — e a janela de 1.050.000 tokens é a especificação que torna essas execuções possíveis sem sumarização. Essa é uma vantagem genuína para a classe de tarefa em que o agente ainda precisa encontrar um requisito que lhe foi dado horas atrás; é também a razão pela qual a faixa de 272.000 tokens existe, e qualquer pessoa que use o Astra como agente deve encarar essa faixa como o preço do recurso, e não como uma penalidade.

Dois fatos operacionais sobre Astra devem entrar em qualquer avaliação dela como plataforma de agentes, porque ambos afetam um ciclo de produção. Sua vazão medida é de 44,6 tokens de saída por segundo na execução da Artificial Analysis, o que é lento o suficiente para importar quando cada uma de cem ações espera por uma resposta. E Astra é o primeiro modelo da OpenAI a ultrapassar o limiar de capacidade crítica de cibersegurança da empresa, o que significa que, na versão entregue, ele recusa tarefas avançadas de cibersegurança e que o mecanismo de salvaguardas fica no caminho da requisição — no ChatGPT e no Codex, pode-se pedir a um usuário que revise uma ação, enquanto na API a tarefa simplesmente para. Para um agente de segurança defensiva, isso é uma restrição real; para um agente comum de processos de negócios, é quase invisível.

Executando ambos, e o que um roteador faz a respeito disso

O Nex-N2.5 Pro não está no OrcaRouter e esta página não afirma que está — ele é um checkpoint Apache-2.0 de um laboratório mais recente, e sua rota até ele são os próprios serviços hospedados da Nex-AGI, uma plataforma de terceiros, ou a implantação de oito H100 que o cartão do modelo documenta. O GPT-6 Astra está em nosso catálogo como openai/gpt-6-astra, aos preços de tabela da OpenAI repassados com 0% de margem nossa, então uma alteração em qualquer um de seus quatro medidores recai sobre sua chave existente no mesmo dia em que é publicada.

Essa divisão é o que torna uma frota mista prática em vez de teórica. Uma equipe que quer descobrir se um agente de uso de computador auto-hospedado dá conta da sua carga de trabalho pode colocar o modelo com cobrança por uso por trás do mesmo endpoint compatível com OpenAI que ela já chama, direcionar uma fração do tráfego para o checkpoint e comparar tarefas concluídas por dólar em vez de tokens por chamada — que é a única unidade que responde à pergunta. O failover automático cobre os dias ruins da implantação sem que ninguém escreva uma segunda integração, e também cobre os dias ruins da API. A comparação que esta página vem fazendo é uma comparação de estruturas de custo, e uma estrutura de custo é algo que você testa no seu tráfego em vez de ler em um cartão.

Qual deles executar

Escolha o Nex-N2.5 Pro se a operação de computador e navegador for o produto em si, e não uma funcionalidade dele, se já opera capacidade de GPU, ou se o Apache-2.0 for decisivo porque os dados a que o agente acede não podem sair da sua infraestrutura. Faça o orçamento do nó antes de orçamentar qualquer outra coisa, e faça a sua própria avaliação do número do OSWorld-2 antes de depender dele — o harness que o produziu ainda não é público e, enquanto não for, 56,4 é uma afirmação, não um resultado.

Escolha o GPT-6 Astra se o trabalho precisar do topo de um contexto muito longo, se você quiser um placar independente para comparar com uma tabela de fornecedor ou se preferir não executar GPUs de forma alguma. Ele custa US$ 10,00 e US$ 50,00 por milhão de tokens e US$ 3,26 por tarefa de índice concluída — a opção mais cara desta comparação e a que tem a menor sobrecarga operacional. Não coloque nele um agente de prompts curtos e alto volume; nesses tamanhos de solicitação, você está pagando uma tarifa de modelo de ponta por uma carga de trabalho que um modelo mais barato conclui, e a faixa de 272.000 tokens que justifica a tabela de preços é uma que você nunca usará.

O resumo que vale a pena manter é que esses dois são precificados com base em restrições diferentes. O custo do Nex-N2.5 Pro é um nó, e sua economia melhora quanto mais você o usa. O custo do GPT-6 Astra é um medidor, e sua economia é fixa, não importa quanto você o use. Para um agente de uso de computador que roda continuamente, essa diferença se acumula mais rápido do que qualquer lacuna de benchmark entre eles.

Um lançamento também é o momento de verificar o que deu errado antes: os incidentes documentados de IA e as falhas de agentes envolvendo modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de contestação.