Step 5 Preview vs Nex N2.5 Pro: En siffra du kan kontrollera, en du inte kan

Siffran som cirkulerar för Nex N2.5 Pro är 82,7, dess leverantörsrapporterade poäng på Terminal-Bench 2.1. Siffran som cirkulerar för Step 5 Preview på ett benchmark med samma namn är 33 %. Dessa två siffror är inte jämförbara, och det faktum att de rutinmässigt ställs sida vid sida är den tydligaste illustrationen av det problem som denna jämförelse har: den ena modellen har mätts av någon annan än dess tillverkare, och den andra har inte mätts av någon annan alls. Step 5 Preview lanserades på StepFuns API den 20 september 2026 och publicerade sina vikter den 15 oktober. Nex N2.5 Pro annonserades den 8 september och publicerade sina Apache-2.0-checkpoints på Hugging Face inom några dagar efter annonseringen. Båda är nedladdningsbara. Endast en går att poängsätta utifrån.

Den asymmetrin är inte en kritik av ingenjörskonsten i Nex N2.5 Pro. Det är ett konstaterande om bevisningen, och bevisning är det ett inköpsbeslut bygger på.

Vad Nex N2.5 Pro är nu när vikterna är uppe

Många genomgångar beskriver fortfarande Nex N2.5 Pro som en modell vars vikter "kommer snart", eftersom det var vad dess modellkort sa under den första veckan i september. Checkpointarna har varit offentliga sedan mitten av september: en mixture-of-experts-modell med 397 miljarder parametrar och ungefär 17 miljarder aktiva per token, eftertränad från en Qwen 3.5-linje, under Apache-2.0. Den som beskriver den som inte släppt ännu arbetar från en föråldrad sida.

Det som inte har förändrats är mätsituationen. Leverantörens benchmarkvärden – 82,7 på Terminal-Bench 2.1, 61,2 på SWE-bench Pro, 89,7 på BrowseComp, 87,4 på OSWorld-G – framställdes genom NexCUA, alliansens eget ramverk för datoranvändning, som man säger sig ha till avsikt att öppna källkoden för och ännu inte har gjort. Ingen oberoende utvärderare har lagt upp en sida för modellen. Att den saknas är inte en slump i tidpunkten; det är en lucka som har bestått under hela den period som vikterna har kunnat laddas ned.

Jämförelsen som kan göras

Allt nedan kommer från publicerade källor snarare än en gemensam körning, och varje rad anger var siffran kommer ifrån. Det är den ärliga övre gränsen för detta par.

• Parametrar – förhandsvisning av steg 5: 600B totalt, 27B aktiva. Nex N2.5 Pro: 397B totalt, ~17B aktiva.

• Kontext – förhandsvisning av steg 5: 1M tokens. Nex N2.5 Pro: 262 144 tokens, med ett dokumenterat utdatatak på nära 236K.

• Modalitet – förhandsvisning av steg 5: text, bild och video in, text ut. Nex N2.5 Pro: text och bild in, text ut, där vision positioneras som återkopplingskanal för datoranvändning.

• Resonemangsstyrning – förhandsvisning av steg 5: tänkande är alltid på, men det finns en ratt för låg/medel/hög ansträngning. Nex N2.5 Pro: nivåerna ingen, medel (adaptiv, standard) och hög, så resonemang kan stängas av helt.

• Vikter – förhandsversion av steg 5: BF16 och FP8 under StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• Pris — Step 5 Preview: $1,00 för inmatning, $2,70 för utmatning, $0,10 för cachade per miljon token enligt StepFuns prislista. Nex N2.5 Pro: en gratis hostad nivå, utan något listpris publicerat av leverantören.

Licensraden är det enda stället där Nex N2.5 Pro är otvetydigt enklare. Apache-2.0 är en känd storhet för alla juridiska team; StepFuns licens innehåller kommersiella trösklar som kräver modellering. Kontextraden går åt andra hållet, och det är nära en fyrdubbel skillnad – betydelsefullt om din agent läser hela kodförråd eller dokumentuppsättningar.

Jämförelsen som inte kan göras

Tre saker skulle krävas för att få dessa två på samma axel, och ingen av dem finns.

Först en gemensam benchmarkversion. Terminal-Bench 2.1 och Terminal-Bench 4.0 är olika tester med olika uppgiftsuppsättningar och olika poängsättning, och ett resultat på den ena säger ingenting om den andra. Siffran 82,7 gäller 2.1; siffran 33 % gäller 4.0. Den som framställer dem som en direkt jämförelse jämför en sprinttid med en maratonmellantid.

För det andra, ett gemensamt utvärderingsramverk. Siffrorna för Step 5 Preview kommer från ett publicerat index som kör en fast utvärderingssvit mot varje modell som det listar. Nex N2.5 Pro:s siffror kommer från programvara som dess egen leverantör har skrivit och inte har släppt. Även om benchmarknamnen skulle matcha, skulle själva uppsättningen inte göra det.

För det tredje, en oberoende bedömning av något slag. Det finns ingen sida för Nex N2.5 Pro hos de utvärderare som publicerar ett intelligensindex. Vi kontrollerade det direkt i stället för att dra slutsatsen från ett uteblivet sökresultat, och svaret i dag är detsamma som i september: ingenting.

Det som kan sägas utan att gå för långt är snävare och ändå användbart: Nex N2.5 Pro uppger stark agentisk prestanda i benchmarktester där Step 5 Preview:s oberoende uppmätta resultat ligger i mitten av tabellen. Det är ett skäl att testa den, inte ett skäl att tro på den.

Vad en gratis slutpunkt faktiskt är värd

Nex N2.5 Pro:s hostade nivå kostar ingenting, vilket förvandlar en prisjämförelse till en riskjämförelse. Det finns inget offentliggjort listpris, så det finns inget att modellera mot och ingen signal om vad leverantören anser att modellen är värd. Tredjepartslistningar anger priser på låga tiotal cent per miljon indatatoken beroende på värd, och de motsäger varandra i sådan grad att ingen av dem bör betraktas som leverantörens ståndpunkt.

Gratis har också en kostnad i form av tillgänglighet. Trackers som övervakar den kostnadsfria endpointen rapporterar intermittent tillgänglighet – en tredjepartsobservation, inte en siffra från leverantören, och just den typ av sak som är meningslös för en prototyp och diskvalificerande för en produktionsväg. En modell man inte kan lita på är inte billig; det är oprissatt risk med en nolla på fakturan.

Jämfört med det är Step 5 Preview:s $0,54 i sammanvägd taxa och $2,35 per slutförd indexuppgift dyra i absoluta tal och fullständigt tydliga. Du kan förutse en faktura utifrån ett publicerat prisblad. Du kan inte förutse en utifrån en gratisnivå vars villkor inte har skrivits ned.

Step 5 Previews resultat är annorlunda, inte bättre

Det är värt att vara precis om vad Step 5 Preview faktiskt har, för "den har ett poängvärde" underskattar skillnaden och "den är bättre" överdriver den. Step 5 Preview får 29 på den nuvarande versionen av Artificial Analysis Intelligence Index – inte de 44 som lanseringsrapporteringen angav, eftersom den versionen av indexet sedan dess har ersatts. Den ligger på sjätte plats av sjutton i sin jämförelseklass, genererar 179 utdatatokens per sekund och kostar $2,35 per indexuppgift. Dessa mätvärden är från samma körning, reproducerbara och producerade av en utvärderare utan kommersiellt intresse i utfallet.

Det du får av det är en baslinje. Du vet var modellen ligger i förhållande till drygt femtio andra som mätts på samma sätt, vilket betyder att du kan göra ett första beslut utan att hyra en GPU. Det du inte får är en garanti för att Step 5 Preview slår Nex N2.5 Pro på din arbetsbelastning. Inom kodning och automatisering är Step 5 Previews oberoende resultat oanmärkningsvärda – 12 % på FrontierCode 2.0, 33 % på Terminal-Bench 4.0 – och en modell med ett starkt opublicerat agentiskt påstående är exakt den typ av modell som kan slå de siffrorna. Poängen är att du skulle upptäcka det själv i stället för att läsa det på ett kort.

Vem var och en tillhör

Nex N2.5 Pro tillhör team som bygger agenter för datoranvändning och webbläsare, som är villiga att köra sin egen utvärdering innan de binder sig och som värdesätter en Apache-2.0-licens och ett aktivt fotavtryck på 17B som passar blygsam hårdvara. Den kostnadsfria slutpunkten gör provperioden billig; det frånvarande listpriset gör produktionsbeslutet svårt. Behandla leverantörens benchmark som en hypotes med en rimlig mekanism bakom – ett MoE av Qwen-härstamning som eftertränats på skärmläsningsuppgifter – snarare än som ett resultat.

Step 5 Preview tillhör team vars arbetsbelastning präglas av långa kontexter och stora kunskapsmängder, och som behöver ett pris de kan förutse. Det är det dyrare och mer överskådliga alternativet, och dess licens ställer en fråga i mycket stor skala som Nex inte gör.

Ingendera finns i OrcaRouters katalog i dag, så den här artikeln kan inte peka dig mot en billigare endpoint för någon av dem. Det plattformen däremot erbjuder kring ett beslut som detta är resten av stacken på en enda nyckel: över 200 modeller till leverantörernas listpris utan påslag, så att en leverantörs prisändring når dig samma dag, och automatisk failover så att en modell du fortfarande utvärderar aldrig blir en enskild felpunkt. Det arbetssätt som fungerar för en oprövad modell är att routa en liten andel av den verkliga trafiken till den bakom en beprövad reservlösning, mäta och först därefter flytta andelen. Det är billigare än en benchmark-tävling och långt mer informativt än ett leverantörsdatablad.

Om du behöver ett svar idag är Step 5 Preview det du kan motivera i en designgenomgång, eftersom varje siffra som kopplas till det kan kontrolleras av någon i rummet. Om du bygger en agent för datoranvändning och kan hantera utvärderingsarbetet är Nex N2.5 Pro den mer intressanta satsningen – billigare att prova på, svårare att försvara och genuint ouppmätt. Misstaget att undvika är att behandla 82.7 som ett faktum och $1.00 som en nackdel utan att notera att bara ett av dessa två tal har en andra källa.