Step 5 Preview vs Nex N2.5 Pro: Um número que você pode verificar, um que não pode

O número que circula para Nex N2.5 Pro é 82,7, sua pontuação reportada pelo fornecedor no Terminal-Bench 2.1. O número que circula para Step 5 Preview em um benchmark com o mesmo nome é 33%. Esses dois números não são comparáveis, e o fato de serem rotineiramente colocados lado a lado é a ilustração mais clara do problema que esta comparação tem: um modelo foi medido por alguém que não é seu criador, e o outro não foi medido por ninguém além dele mesmo. Step 5 Preview entrou no ar na API da StepFun em 20 de setembro de 2026 e publicou seus pesos em 15 de outubro. Nex N2.5 Pro foi anunciado em 8 de setembro e publicou seus checkpoints Apache-2.0 no Hugging Face poucos dias após esse anúncio. Ambos são baixáveis. Apenas um pode ser pontuado desde fora.

Essa assimetria não é uma crítica à engenharia do Nex N2.5 Pro. É uma constatação sobre as evidências, e é nas evidências que se baseia uma decisão de aquisição.

O que é o Nex N2.5 Pro agora que os pesos foram liberados

Muita cobertura ainda descreve o Nex N2.5 Pro como um modelo cujos pesos estão "em breve", porque era isso que sua ficha dizia na primeira semana de setembro. Os checkpoints são públicos desde meados de setembro: um modelo de mistura de especialistas com 397 bilhões de parâmetros e cerca de 17 bilhões ativos por token, pós-treinado a partir de uma linhagem Qwen 3.5, sob Apache-2.0. Qualquer descrição dele como não lançado está se baseando em uma página desatualizada.

O que não mudou é a situação das medições. Os números de benchmark do fornecedor — 82,7 no Terminal-Bench 2.1, 61,2 no SWE-bench Pro, 89,7 no BrowseComp, 87,4 no OSWorld-G — foram produzidos por meio do NexCUA, o harness de uso de computador da própria aliança, que ela afirma pretender abrir o código-fonte e ainda não o fez. Nenhum avaliador independente publicou uma página para o modelo. Essa ausência não é um acaso de timing; é uma lacuna que se manteve durante todo o período em que os pesos estão disponíveis para download.

A comparação que pode ser feita

Tudo abaixo vem de fontes publicadas, e não de uma execução compartilhada, e cada linha indica de onde veio o valor. Esse é o teto honesto para este par.

• Parâmetros — Step 5 Preview: 600B no total, 27B ativos. Nex N2.5 Pro: 397B no total, ~17B ativos.

• Contexto — Step 5 Preview: 1M tokens. Nex N2.5 Pro: 262.144 tokens, com um limite de saída documentado próximo de 236K.

• Modalidade — Prévia do Passo 5: texto, imagem e vídeo como entrada, texto como saída. Nex N2.5 Pro: texto e imagem como entrada, texto como saída, com a visão posicionada como o canal de feedback do uso do computador.

• Controle de raciocínio — Prévia da Etapa 5: o pensamento está sempre ativado, mas há um seletor de esforço baixo/médio/alto. Nex N2.5 Pro: níveis nenhum, médio (adaptativo, padrão) e alto, para que o raciocínio possa ser desativado por completo.

• Pesos — Step 5 Preview: BF16 e FP8 sob a StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• Preço — Step 5 Preview: US$ 1,00 de entrada, US$ 2,70 de saída e US$ 0,10 em cache por milhão de tokens na tabela de preços da StepFun. Nex N2.5 Pro: um nível hospedado gratuito, sem preço de tabela publicado pelo fornecedor.

A linha da licença é o único ponto em que o Nex N2.5 Pro é inequivocamente mais simples. O Apache-2.0 é uma quantidade conhecida por qualquer equipe jurídica; a licença da StepFun traz limites comerciais que exigem modelagem. A linha de contexto vai na direção oposta, e chega perto de uma diferença de quatro vezes — relevante se seu agente lê repositórios ou conjuntos de documentos inteiros.

A comparação que não pode ser feita

Seriam necessárias três coisas para colocar esses dois no mesmo eixo, e nenhuma delas existe.

Primeiro, uma versão compartilhada de benchmark. O Terminal-Bench 2.1 e o Terminal-Bench 4.0 são testes diferentes, com conjuntos de tarefas diferentes e pontuação diferente, e uma pontuação em um não diz nada sobre o outro. O número 82,7 é no 2.1; o número 33% é no 4.0. Quem os apresenta como um confronto direto está comparando o tempo de uma corrida de velocidade com o tempo de um trecho de maratona.

Segundo, um arcabouço comum. Os números do Step 5 Preview vêm de um índice publicado que executa uma suíte de avaliação fixa em cada modelo que lista. Os do Nex N2.5 Pro vêm de um software que o próprio fornecedor escreveu e não lançou. Mesmo que os nomes dos benchmarks coincidissem, a estrutura de suporte não coincidiria.

Terceiro, uma leitura independente de qualquer tipo. Não há página para o Nex N2.5 Pro nos avaliadores que publicam um índice de inteligência. Verificamos isso diretamente, em vez de inferir a partir de um resultado de busca ausente, e a resposta hoje é a mesma que era em setembro: nada.

O que pode ser dito sem ultrapassar os limites é mais restrito e ainda assim útil: o Nex N2.5 Pro alega um desempenho agêntico forte em benchmarks nos quais os resultados medidos de forma independente do Step 5 Preview ficam na metade da tabela. Isso é um motivo para testá-lo, não um motivo para acreditar nele.

Quanto realmente vale um endpoint gratuito

O nível alojado do Nex N2.5 Pro não custa nada, o que transforma uma comparação de preços numa comparação de risco. Não existe um preço de tabela publicado, pelo que não há nada em relação ao qual modelar e nenhum sinal sobre o valor que o fornecedor atribui ao modelo. As listagens de terceiros apresentam preços na casa das dezenas baixas de cêntimos por milhão de tokens de entrada, dependendo do alojador, e contradizem-se de forma tão gritante que nenhuma deve ser tratada como a posição do fornecedor.

O gratuito também tem um custo de disponibilidade. Rastreadores que monitoram o endpoint gratuito relatam disponibilidade intermitente — uma observação de terceiros, não um número do fornecedor, e o tipo de coisa que é irrelevante para um protótipo e desqualificante para um caminho de produção. Um modelo com o qual você não pode contar não é barato; é risco sem preço, com um zero na fatura.

Em contrapartida, a tarifa combinada de US$ 0,54 do Step 5 Preview e os US$ 2,35 por tarefa de indexação concluída são caros em termos absolutos e completamente legíveis. É possível prever uma fatura a partir de uma tabela de preços publicada. Não é possível prever uma a partir de um nível gratuito cujos termos não foram documentados.

O histórico do Step 5 Preview é diferente, não melhor.

Vale a pena ser preciso sobre o que o Step 5 Preview tem, porque "tem uma pontuação" subestima a diferença e "é melhor" a superestima. O Step 5 Preview pontua 29 na versão atual do Artificial Analysis Intelligence Index — não os 44 que a cobertura de lançamento citou, porque essa versão do índice foi substituída desde então. Ele ocupa a sexta posição entre dezessete em sua classe de comparação, roda a 179 tokens de saída por segundo e custa US$ 2,35 por tarefa do índice. Essas leituras são da mesma execução, reproduzíveis e produzidas por um avaliador sem interesse comercial no resultado.

O que isso lhe proporciona é uma linha de base. Você sabe onde o modelo se posiciona em relação a mais de cinquenta outros medidos da mesma forma, o que significa que você pode tomar uma decisão inicial sem alugar uma GPU. O que isso não lhe proporciona é uma garantia de que o Step 5 Preview superará o Nex N2.5 Pro na sua carga de trabalho. Em codificação e automação, os resultados independentes do Step 5 Preview não têm nada de excepcional — 12% no FrontierCode 2.0, 33% no Terminal-Bench 4.0 — e um modelo com uma forte alegação agêntica não publicada é exatamente o tipo de modelo que poderia superar esses números. O ponto é que você estaria descobrindo por conta própria, em vez de ler isso em uma ficha técnica.

A quem cada um pertence

Nex N2.5 Pro pertence a equipes que constroem agentes de uso de computador e de navegador dispostas a realizar sua própria avaliação antes de se comprometerem, e que valorizam uma licença Apache-2.0 e um footprint ativo de 17B que cabe em hardware modesto. O endpoint gratuito torna o teste barato; a ausência de preço de tabela torna a decisão de produção difícil. Trate os benchmarks do fornecedor como uma hipótese com um mecanismo plausível por trás — um MoE da linhagem Qwen pós-treinado em tarefas de leitura de tela — em vez de como um resultado.

O Step 5 Preview pertence a equipes cuja carga de trabalho é de contexto longo e intensiva em conhecimento, e que precisam de um preço que consigam prever. É a opção mais cara e mais legível, e sua licença levanta uma questão em escala muito grande que a da Nex não levanta.

Nenhum dos dois está no catálogo da OrcaRouter hoje, então este artigo não pode indicar um endpoint mais barato para nenhum deles. O que a plataforma oferece em torno de uma decisão como esta é o restante da stack em uma única chave: mais de 200 modelos pelo preço de tabela do provedor, sem acréscimo, de modo que uma alteração de preço do fornecedor chega até você no mesmo dia, e failover automático, para que um modelo que você ainda está testando nunca se torne um ponto único de falha. O padrão que funciona para um modelo não comprovado é direcionar uma pequena fração do tráfego real para ele por trás de um fallback comprovado, medir e só então mover essa fração. Isso é mais barato do que uma comparação de benchmarks e muito mais informativo do que um cartão de fornecedor.

Se você precisa de uma resposta hoje, o Step 5 Preview é aquele que você consegue justificar em uma revisão de design, porque cada número associado a ele pode ser verificado por alguém na sala. Se você está construindo um agente de uso de computador e pode absorver o trabalho de avaliação, o Nex N2.5 Pro é a aposta mais interessante — mais barata de testar, mais difícil de defender e genuinamente não mensurada. O erro a evitar é tratar 82,7 como um fato e US$ 1,00 como uma desvantagem sem perceber que apenas um desses dois números tem uma segunda fonte.