GPT-6 Astra vs Nex N2.5 Pro: En Computer-Use-agent fakturerar per token

En agent för datoranvändning är den enda arbetsbelastningen där prissättning per token slutar vara en abstraktion. Ta en enda uppgift – öppna en webbläsare, hitta en post, fyll i ett formulär, verifiera resultatet – och en agent som tänker mellan varje åtgärd kommer att köra den i tiotusentals tokens och sedan upprepa den tiotusen gånger. GPT-6, O​:s flaggskepp som släpptes den 3 september 2026, tar 10,00 USD per miljon indatatokens och 50,00 USD per miljon utdatatokens för detta, med ett prisband över 272 000 tokens. Nex-N2.5 Pro, den 397 miljarder parametrar stora datoranvändningsmodellen som Nex-AGI tillkännagav den 8 september 2026, publicerades under Apache-2.0, med serveringsinstruktioner för en nod med åtta H100:or. Båda leverantörerna rapporterar siffror för OSWorld-2. Endast en av dem ger dig en mätare som du kan läsa innan du börjar.

Benchmark-raden som faktiskt överlappar

OSWorld-2 är det närmaste man kommer en gemensam måttstock mellan dessa två, och det är värt att se hur lite den gemensamma raden egentligen fastställer. Nex-AGI:s kort listar Nex-N2.5 Pro på 56,4 på OSWorld-2, tillsammans med Claude Opus 5 på 68,3 och Qwen3.8-Max på 46,7, vilket det citerar från leaderboard- och leverantörskällor. OpenAI:s lanseringsmaterial för GPT-6 Astra rapporterar 72,6 % på OSWorld 2.0 med ungefär 40 minuter per uppgift, vilket det beskriver som cirka 47 % kortare tid per uppgift än GPT-5.6 Sol.

De två siffrorna kan inte placeras i samma kolumn. De producerades av olika labb, i olika testramverk, vid olika datum, med olika åtgärdsbudgetar – och Nex-AGI säger uttryckligen att dess utvärderingar för datoranvändning och webbläsaranvändning gick via dess eget NexCUA-ramverk, som det uppger att det ska släppa som öppen källkod men ännu inte har gjort. Så den ärliga tolkningen av paret är riktningsvisande och snäv: OpenAIs siffra är den högre, båda är leverantörsrapporterade, och ingen av dem har reproducerats. Vad raden däremot fastställer är att båda företagen anser att OSWorld-2 är det benchmark som spelar roll för den här klassen av modeller, vilket säger dig vad du bör hålla utkik efter för en oberoende körning.

Resten av Nex-AGI:s kort är en tabell för en enda leverantör, med samma förbehåll kopplat till varje rad:

• Datoranvändning, leverantörsrapporterat — OSWorld-2 56,4, OSWorld-Verified 82,2, OSWorld-G 87,4, WebArena-Verified 67,6, WebTest 52,8, Vision2Web 68,2

• Kodning och text, leverantörsrapporterat — Terminal-Bench 2.1 på 82,7, SWE-Bench Pro 61,2, BrowseComp 89,7, AutomationBench v1.0.6 på 44,2

• GPT-6 Astras oberoende resultat – 53 på Artificial Analysis Intelligence Index, 44,6 utdatatoken per sekund, 3,26 USD per slutförd indexuppgift, sjunde av 216 i intelligens och 168:e av 185 i snabbhet

• GPT-6 Astras leverantörsrekord — 98 % FrontierMath Tier 4, 99,9 % ARC-AGI-3 (62,7 % under ARC Prizes standardramverk, 99,9 % under en leverantörsadapter), 100 % ExploitBench, 57,9 % Terminal-Bench 4.0

Läs de fyra raderna tillsammans så blir asymmetrin tydlig. Astra har en oberoende resultattavla och en leverantörstabell som inte stämmer överens med varandra, vilket åtminstone ger dig något att väga. Nex-N2.5 Pro har bara leverantörstabellen – det finns ingen post för den hos Artificial Analysis, och ingen sida för någon Nex-modell på den tavlan – så varje siffra ovan har enbart Nex-AGI:s auktoritet bakom sig och inget annat.

Vad den andra siffran på kortet är: vikterna landade

Nex-N2.5 Pro-repositoriet på Hugging Face skapades den 8 september 2026, och när familjen annonserades hade modellkortet en notis om att vikterna snart skulle komma. Den luckan har stängts. Repositoriet innehåller nu 122 safetensors-shards med en total storlek på ungefär 407 GB, publicerade under Apache-2.0, och kortet dokumenterar serveringsreceptet i tillräcklig detalj för att man ska kunna köra det utan att behöva reverse-engineera något.

Det receptet är värt att läsa innan du värderar jämförelsen, eftersom det är argumentet för modellen i lika hög grad som vilken benchmark-rad som helst. Nex-N2.5 Pro är en gles mixture of experts-modell: 397 miljarder parametrar totalt, varav ungefär 17 miljarder aktiva per token. Den dokumenterade driftsättningen är en enda nod med åtta H100:or som kör en anpassad SGLang-version – nexagi/sglang:v0.5.18-nex-patch – med tensorparallellism över alla åtta, Qwen3-resonemangsparsern och Qwen3-coder-parsern för verktygsanrop aktiverade, en kontextlängd på 262 144 token och rekommenderad sampling med temperature 0.7, top_p 0.95, top_k 40. Åtta H100:or är ett betydande men rutinmässigt resursavtryck. Eftersom endast 17 miljarder parametrar aktiveras per token förblir beräkningsmängden per åtgärd liten även om viktavtrycket är stort – vilket är hela anledningen till att en 397B-modell kan driftsättas av någon annan än en hyperscaler.

Kontexten på 262 144 token är den specifikation som avgör de flesta agentdesigner. Astras fönster är 1 050 000 token med ett tak för utdata på 128 000 token, och dess egna servicenivåer gör den långa änden dyr: över 272 000 indatatoken omprissätts hela begäran till $20.00 för indata och $75.00 för utdata, med cacheläsningar på $2.00 och cacheskrivningar på $25.00. Nex-N2.5 Pro:s serveringslängd på 262 144 token ligger precis under den gränsen, vilket antingen är en slump eller en specifikation skriven av någon som läser andra leverantörers prissidor. Hur som helst är den praktiska konsekvensen att en agentloop som håller en lång sessionshistorik på Nex-N2.5 Pro aldrig korsar nivågränsen som ungefär fördubblar Astras indatakostnad.

Vart pengarna tar vägen över tiotusen körningar

Priset per token är fel enhet för den här arbetsbelastningen, och det är värt att vara konkret om varför. En webbläsaragent som slutför en uppgift i hundra åtgärder skickar hundra förfrågningar, där var och en bär det ackumulerade sessionstillståndet. Även med prompt-cachning som gör verkligt arbete växer inputsidan med kvadraten på antalet åtgärder medan outputsidan växer linjärt med detta. Det är formen som gör en prislista till en budgetpost.

De två modellerna svarar olika på den formen, och skillnaden handlar inte i första hand om siffrorna:

• Kostnadsstruktur — GPT-6 Astra debiteras per användning med $10,00 in / $1,00 cachad / $12,50 cache-skrivningar / $50,00 ut per 1M, fördubblas över 272K tokens jämfört med Nex-N2.5 Pro debiteras per användning eller egenhostad, utan något publicerat listpris från Nex-AGI för Pro-nivån

• Kapitalbehov — GPT-6 Astra: inget, det är ett API vs Nex-N2.5 Pro: en enda nod med åtta H100, eller en hostad slutpunkt vars kommersiella villkor bestäms av leverantören

• Kontext vid servingtillfället — GPT-6 Astra 922 000 indatatoken, 128 000 utdatatoken jämfört med Nex-N2.5 Pro 262 144 token enligt lanseringskonfigurationen

• Resonemangsstyrning — GPT-6 Astra reasoning.effort från låg till max jämfört med Nex-N2.5 Pro reasoning_effort vid ingen, medel (adaptiv, standard) eller hög

• Indata — GPT-6 Astra text, bild och fil enligt routerlistningar, text och bild enligt OpenAI:s egen sida kontra Nex-N2.5 Pro text och bild, där vision behandlas som agentens perceptionskanal snarare än en andra modalitet

• Vikter — GPT-6 Astra stängd kontra Nex-N2.5 Pro Apache-2.0, 122 shardar, cirka 407 GB

Den sista raden är den som förändrar kalkylen snarare än priset. Om du äger de åtta H100:orna och de inte är upptagna med annat, närmar sig marginalkostnaden för nästa agentkörning kostnaden för el, och ingen per-token-konkurrent når den siffran oavsett volym. Om du inte äger dem är kapitalposten jämförelsen, och ett förbrukningsbaserat API börjar verka billigt på exakt samma sätt som en hyrbil verkar billig jämfört med en bilbetalning — tills du kör den varje dag i tre år.

Den ärliga versionen av frågan om köpa eller bygga här är utnyttjandegrad. En agentarbetsbelastning som körs kontinuerligt får noden att framstå som ett fynd; en som spikar under kontorstid och står stilla nattetid gör API:ets flexibilitet värd sitt högre pris. Ingen av leverantörernas kort kommer att berätta vilket du har, och ingen benchmarkrad kan ersätta den siffra som din egen trafik producerar.

En sak som Nex-N2.5 Pro-kortet inte kommer att berätta för dig är dess pris. Nex-AGI publicerar ingen listpris per token för Pro-nivån; modellen nådde användare först via hostade slutpunkter som länkats från dess eget kort, och de kommersiella villkoren är leverantörens att fastställa snarare än något som en utomstående sida bör uppskatta. Den här artikeln anger inget sådant.

Vad var och en faktiskt är byggd för att göra

Den tydligaste skillnaden mellan dessa två är inte kapaciteten, utan slingan de utformades kring. Nex-AGI:s inramning av N2.5-familjen är att vision inte bara är en indatamodalitet utan gränssnittet genom vilket agenten uppfattar sin miljö, verifierar resultatet av en handling och avgör vad den ska göra härnäst. Nex-N2.5 Pro är eftertränad från Qwen3.5-linjen specifikt för den perceptions- och kontrollslingan, i webbläsar- och skrivbordssessioner, med självkorrigering utifrån det visuella resultatet. Dess resonemangskontroll återspeglar samma design: standardläget är adaptivt och låter modellen avgöra hur mycket den ska tänka före varje handling, med ett icke-tänkande läge tillgängligt för steg som uppenbart inte behöver det. För en agent som fattar hundratals beslut i följd är styrning av tänkandet per steg ett kostnadsreglage, inte en kvalitetsratt, och det är standardinställningen som spelar roll.

GPT-6 Astras positionering är bredare och dess datoranvändningsnarrativ kommer med en prisstruktur som förutsätter långa körningar. OpenAI säljer den för professionellt arbete över långa tidshorisonter, från början till slut – att ta en uppgift från en instruktion till en färdig artefakt med hjälp av en dator på samma sätt som en människa gör – och fönstret på 1 050 000 token är den specifikation som gör dessa körningar möjliga utan sammanfattning. Det är en genuin fördel för den typ av uppgifter där agenten fortfarande måste hitta ett krav som den fick för timmar sedan; det är också anledningen till att bandet på 272 000 token finns, och den som kör Astra som en agent bör läsa det bandet som priset för funktionen snarare än som ett straff.

Två operativa fakta om Astra hör hemma i varje utvärdering av den som agentplattform, eftersom båda påverkar en produktionsloop. Dess uppmätta genomströmning är 44,6 utdatatokens per sekund i den körning som Artificial Analysis gjort, vilket är tillräckligt långsamt för att spela roll när var och en av hundra åtgärder väntar på ett svar. Och Astra är den första OpenAI-modellen som passerar företagets tröskelvärde för Critical cybersäkerhetskapacitet, vilket innebär att den i levererat skick vägrar avancerade cyberuppgifter och att skyddsmekanismer ligger i förfrågningsvägen — i ChatGPT och Codex kan en användare bli ombedd att granska en åtgärd, medan uppgiften helt enkelt stoppas på API:et. För en agent för defensiv säkerhet är det en verklig begränsning; för en vanlig affärsprocessagent är den mestadels osynlig.

Att köra båda, och vad en router gör åt det

Nex-N2.5 Pro finns inte på OrcaRouter och den här sidan påstår inte att så är fallet – det är en Apache-2.0-checkpoint från ett nyare labb, och din väg till den är Nex-AGI:s egna hostade tjänster, en tredjepartsplattform eller den åtta-H100-distribution som dess kort dokumenterar. GPT-6 Astra finns i vår katalog som openai/gpt-6-astra, till OpenAI:s listpriser vidarebefordrade med 0 % påslag från oss, så en ändring av någon av dess fyra mätare slår igenom på din befintliga nyckel samma dag som den publiceras.

Den uppdelningen är vad som gör en blandad flotta praktisk snarare än teoretisk. Ett team som vill ta reda på om en självhostad datoranvändningsagent klarar sin arbetsbelastning kan sätta den mätarbaserade modellen bakom samma OpenAI-kompatibla endpoint som den redan anropar, rikta en del av trafiken mot checkpointen och jämföra slutförda uppgifter per dollar i stället för tokens per anrop — vilket är den enda enheten som besvarar frågan. Automatisk failover täcker driftsättningens dåliga dagar utan att någon skriver en andra integration, och den täcker även API:ets dåliga dagar. Jämförelsen som den här sidan har gjort är en jämförelse av kostnadsstrukturer, och en kostnadsstruktur är något man testar på sin trafik i stället för att läsa av ett kort.

Vilken ska köras?

Välj Nex-N2.5 Pro om styrning av dator och webbläsare är själva produkten snarare än en funktion i den, om du redan driver GPU-kapacitet, eller om Apache-2.0 är avgörande eftersom de data som agenten kommer i kontakt med inte får lämna din infrastruktur. Budgetera noden innan du budgeterar något annat, och gör din egen utvärdering av OSWorld-2-siffran innan du förlitar dig på den – testramverket som tog fram den är ännu inte offentligt, och så länge det inte är det är 56,4 ett påstående snarare än ett resultat.

Välj GPT-6 Astra om arbetet kräver den övre änden av ett mycket långt kontextfönster, om du vill ha en oberoende resultattavla att väga mot en leverantörstabell, eller om du helst inte vill köra GPU:er alls. Det kostar $10.00 och $50.00 per miljon tokens och $3.26 per slutförd indexeringsuppgift – det dyraste alternativet i den här jämförelsen och det med minst operativ overhead. Sätt inte en agent med korta promptar och hög volym på den; vid de förfrågningsstorlekarna betalar du ett flaggskeppspris för en arbetsbelastning som en billigare modell klarar, och intervallet på 272 000 token som motiverar prislistan är något du aldrig kommer att använda.

Sammanfattningen som är värd att behålla är att dessa två prissätts mot olika begränsningar. Nex-N2.5 Pro:s kostnad är en nod, och dess ekonomi förbättras ju mer du använder den. GPT-6 Astra:s kostnad är en mätare, och dess ekonomi är oförändrad oavsett hur mycket du använder den. För en agent för datoranvändning som körs kontinuerligt ackumuleras den skillnaden snabbare än någon benchmark-skillnad mellan dem.

En lansering är också tillfället att kontrollera vad som har gått fel tidigare: de dokumenterade AI-incidenterna och agentfelen kring modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omstridd-flagga.