Nex-N2.5 Pro против MiniMax M3: заявленный разрыв в 34 пункта и модель, которую можно реально скачать

Самая яркая цифра в этом матчапе — 56,4 против 22,3 — и самая непроверяемая. Это баллы OSWorld-2, с которыми Nex-N2.5 Pro от Nex-AGI и MiniMax M3 значатся на бенчмарк-карте самой новой модели: Pro — 56,4, M3 от MiniMax — 22,3. Разрыв в 34 пункта — в бенчмарке computer-use с длинным горизонтом, по которому теперь оценивают каждого серьёзного GUI-агента. Nex-N2.5 Pro, представленный 8 сентября 2026 года, — это мультимодальный агент суммарно на 397B параметров (~17B активных), чьи веса до сих пор имеют статус «скоро появятся». MiniMax M3, вышедший 1 июня 2026 года, — открытый по весам мультимодальный флагман суммарно на 428B параметров (~23B активных), который принимает на вход видео, предлагает контекст в 1M токенов на базе MiniMax Sparse Attention и доступен для скачивания с начала июня. Одну из этих двух моделей можно забрать с хаба и запустить уже сегодня вечером. Другая — hosted-превью, пока что живущее обещанием. А разрыв в 34 пункта, ради которого этот матчап стоит прочитать, напечатан вендором модели, которую вы не можете запустить, — причём на бенчмарке, где даже собственная цифра действующего лидера исходит от самого вендора.

По сути, эта страница о том, как сопоставлять эффектную, непроверяемую заявку со скромной, частично проверяемой — и о том, что существование дешёвой модели делает с презентацией дорогой. MiniMax M3 — это противовес, с которым вынужден спорить любой специалист, чья заявка ещё не подтверждена: он уже делает большую часть работы, стоит почти ничего, а его файлы уже лежат у вас на диске. Чтобы Nex-N2.5 Pro имел значение, заявка на 34 пункта должна пройти три проверки, о которых пойдёт речь ниже.

Сначала проверь: измеряют ли эти числа вообще одну и ту же величину?

OSWorld-2 — это расширение исходного бенчмарка OSWorld на реальный мир с длинным горизонтом задач: агент работает с настоящим десктопным ПО, выполняя многошаговые задачи, и оценивается по тому, выполняет ли он реальную работу, а не по тому, нажимает ли правильную кнопку. Он значительно сложнее предшественника, и именно на этом бенчмарке, как утверждает Nex-AGI, её уровень Pro отрывается от остальных мультимодальных моделей. Но посмотрите, откуда взяты эти две строки. 56,4 у Nex-N2.5 Pro — это собственное измерение Nex-AGI через внутренний стенд NexCUA, который, как сказано в карточке, будет открыт «скоро». 22,3 у MiniMax M3 — это цифра, которую Nex-AGI привела для конкурирующей модели: MiniMax не публиковала собственный результат OSWorld-2, а публичный показатель M3 по использованию компьютера относится к более старому и простому OSWorld-Verified, для которого в карточке Nex также указаны 75,2 у M3 против 82,2 у Pro. Обе строки в заголовке «56,4 против 22,3» получены на одном и том же стенде, запущенном одним и тем же вендором в один и тот же день, — для одной модели, которая принадлежит ему, и другой, которая ему не принадлежит. Это не делает разрыв ложным — стенды для того и существуют, чтобы сравнивать модели в идентичных условиях. Но это означает, что цифра — это контролируемое сравнение одного вендора, а не результат, подтверждённый какой-либо сторонней лабораторией, и разрыв заслуживает доверия ровно настолько же, насколько и стенд, который его выдал.

Вторая проверка: что выдаёт модель, которую вы действительно можете запустить?

MiniMax M3 не нуждается в строке OSWorld-2, чтобы быть полезной: её позиция опирается на вещи, которые можно проверить, скачав её. Это 428B суммарно / ~23B активных, построена на MiniMax Sparse Attention, с контекстом на 1M токенов и бюджетом вывода в 512K токенов; принимает текст, изображения и видео и возвращает текст; её веса находятся на Hugging Face с первой недели июня; а её публичная цена в API MiniMax составляет $0,30 за миллион входных токенов и $1,20 за миллион выходных, при $0,06 за кэшированный вход — это примерно пятая часть цены вывода самых дешёвых закрытых фронтирных моделей, при этом видео тарифицируется отдельно. Её независимый статус реален, но скромен: 44 балла по Artificial Analysis Intelligence Index ставят её на средний уровень среди флагманов, ниже диапазона 56–61, который занимают закрытые лидеры. Её громкие агентные показатели — 75.2 в OSWorld-Verified, как сведено на карточке Nex, ~70 по собственным данным MiniMax, 83.5 в BrowseComp — предоставлены вендором и не воспроизведены: та же звёздочка, что и у Nex. Разница в том, что заявления M3 относятся к модели, которую можно запустить и перепроверить самостоятельно, — поэтому «со слов вендора» задевает меньше на той стороне, где веса доступны для скачивания.

Третья проверка: что бы вы на самом деле делали с каждым из них?

• Покупка сегодня — MiniMax M3: реальные веса, прайс-лист, работающий API. Nex-N2.5 Pro: бесплатное онлайн-превью и дорожная карта.

• Использование компьютера — MiniMax M3: универсал, который работает со скриншотами и видео и показывает средние результаты в GUI-тестах. Nex-N2.5 Pro: визуально-ориентированный агент, созданный для цикла визуальной обратной связи и претендующий на лучший в своём классе результат в OSWorld-2.

• Цена — MiniMax M3: $0.30 / $1.20, кэш $0.06 — достаточно дёшево, чтобы использовать в длинных агентных циклах. Nex-N2.5 Pro: официальная цена ещё не опубликована; аргумент об эффективности (17B активных параметров на одном узле 8×H100) — это прогноз, а не счёт.

• Контекст — MiniMax M3: 1M токенов, запросы свыше 512K тарифицируются с коэффициентом 2×. Nex-N2.5 Pro: конфигурация семейства 262K.

• Входы — MiniMax M3: текст, изображения и видео, нативно. Nex-N2.5 Pro: изображения и текст, ориентирован на восприятие на уровне экрана.

• Проверяемость — MiniMax M3: развертывается у себя, поэтому любое утверждение можно проверить на месте. Nex-N2.5 Pro: веса не опубликованы, поэтому каждое утверждение — не более чем слово Nex-AGI.

• Независимый индекс — MiniMax M3: 44 (AA). Nex-N2.5 Pro: пока нет.

Почему дешёвый действующий игрок — более трудный противник

Есть причина, по которой Nex-AGI решила напечатать MiniMax M3 в своей мультимодальной таблице, а не проигнорировать его: M3 — это ценовой якорь, из-за которого премию специалиста по работе с компьютером трудно оправдать. Если универсал, который стоит $0.30/$1.20 и принимает видео, может выполнить хотя бы 70–75% того, что заявляет выделенный GUI-агент, специалисту приходится быть значительно лучше в реальной задаче, чтобы заслужить своё место — и карточка Nex-N2.5 Pro утверждает, что так и есть: на OSWorld-2 с отрывом в 34 пункта. Но преимущество в 34 пункта, напечатанное challenger'ом о своей невыпущенной модели, — это гипотеза, тогда как индекс M3 в 44 балла, его открытые веса и его цена — это факты, на которых можно строить. Экономически рациональная позиция — не отвергать гипотезу, а настаивать на том, чтобы она прошла независимый прогон, прежде чем будет стоить кому-либо денег.

Выполнение сравнения с вашим собственным ключом

Слой маршрутизации — это место, где подобное сравнение, привязанное к цене, проверяется без обязательств перед той или иной стороной.MiniMax M3 доступен на OrcaRouter по прайс-листу MiniMax — $0.30 / $1.20, с нулевой наценкой, так что в день, когда MiniMax меняет ставку, изменение сразу же отражается на том же ключе, который вы уже используете для остального каталога. Nex-N2.5 Pro через нас не предлагается, поэтому вы получаете к нему доступ через размещённое превью Nex-AGI, пока не появятся обещанные веса. Эксперимент, который действительно отвечает на это сравнение: направьте свой высокообъёмный трафик агентов с длинным контекстом на MiniMax M3 через единую конечную точку, запустите небольшую оценочную ветку против превью Nex-N2.5 Pro и сравните их на вашем собственном наборе задач, пока автоматический фейловер обеспечивает честность обеих сторон — утверждение вендора о перевесе в 34 пункта стоит ровно столько, сколько ваше собственное воспроизведение этого результата, а M3 достаточно дёшев, чтобы воспроизвести тест почти бесплатно. Когда появятся веса Pro, конфигурация из восьми H100 — вот что действительно нужно проверить: сохранит ли специалист с 17B активных параметров своё лидерство в OSWorld-2, когда её запустит кто-то другой, а не Nex-AGI.

Вердикт, который подтверждается доказательствами

По всем пунктам, которые уже применимы на практике, MiniMax M3 по умолчанию выигрывает это противостояние: его можно скачать, он стоит пятую часть типичной цены передовых моделей, он принимает видео, у него есть независимый Index, а его заявления о возможности использовать компьютер — хотя их приводит вендор — указывают на модель, которую вы можете перепроверить в собственном стеке уже на этой неделе. Nex-N2.5 Pro — более интересная модель, но худшая покупка: специалист по использованию компьютера с нативным зрением, в собственной карточке которого заявлен лучший в классе результат OSWorld-2, но весов которого пока не существует. Относитесь к разрыву между 56.4 и 22.3 как к наилучшей из доступных гипотез о том, куда движется использование компьютера, а не как к результату, которым можно руководствоваться, — и рассматривайте MiniMax M3 как причину, по которой специалисту, когда он наконец выйдет, придётся доказать этот разрыв на чужом испытательном стенде, чтобы оправдать любую цену выше $0.30/$1.20.