Step 5 Preview กับ Nex N2.5 Pro: ตัวเลขหนึ่งที่คุณตรวจสอบได้ หนึ่งตัวเลขที่คุณตรวจสอบไม่ได้

ตัวเลขที่ถูกกล่าวถึงสำหรับNex N2.5 Pro คือ 82.7 ซึ่งเป็นคะแนนที่ผู้จำหน่ายรายงานบน Terminal-Bench 2.1 ตัวเลขที่ถูกกล่าวถึงสำหรับStep 5 Preview บนเบนช์มาร์กชื่อเดียวกันคือ 33% ตัวเลขสองค่านี้ไม่สามารถนำมาเปรียบเทียบกันได้ และการที่ตัวเลขเหล่านี้มักถูกวางเคียงข้างกันเป็นประจำก็เป็นภาพประกอบที่ชัดเจนที่สุดของปัญหาของการนำมาเทียบกันครั้งนี้: โมเดลหนึ่งถูกวัดโดยคนอื่นที่ไม่ใช่ผู้สร้างของมัน ขณะที่อีกโมเดลหนึ่งยังไม่ถูกวัดโดยใครอื่นเลย Step 5 Preview เปิดใช้งานจริงบน API ของ StepFun เมื่อวันที่ 20 กันยายน 2026 และเผยแพร่น้ำหนักของมันเมื่อวันที่ 15 ตุลาคม Nex N2.5 Pro ถูกประกาศเมื่อวันที่ 8 กันยายน และเผยแพร่เช็กพอยต์ Apache-2.0 บน Hugging Face ภายในไม่กี่วันหลังการประกาศนั้น ทั้งสองโมเดลสามารถดาวน์โหลดได้ มีเพียงโมเดลเดียวเท่านั้นที่สามารถให้คะแนนจากภายนอกได้

ความไม่สมมาตรนั้นไม่ใช่การตำหนิงานวิศวกรรมของ Nex N2.5 Pro แต่เป็นคำกล่าวเกี่ยวกับหลักฐาน และหลักฐานคือสิ่งที่การตัดสินใจจัดซื้ออิงอยู่

ตอนนี้ Nex N2.5 Pro เป็นอย่างไรบ้าง ในเมื่อน้ำหนักโมเดลถูกปล่อยออกมาแล้ว

ยังมีการรายงานหลายแห่งที่ยังบรรยาย Nex N2.5 Pro ว่าเป็นโมเดลที่ "น้ำหนักจะเปิดให้ใช้งานเร็ว ๆ นี้" เพราะการ์ดโมเดลระบุเช่นนั้นในสัปดาห์แรกของเดือนกันยายน แต่เช็กพอยต์ได้เปิดเผยต่อสาธารณะตั้งแต่กลางเดือนกันยายนแล้ว: โมเดล mixture-of-experts ขนาด 397 พันล้านพารามิเตอร์ ซึ่งมีพารามิเตอร์ที่ทำงานอยู่ประมาณ 17 พันล้านต่อโทเคน ผ่านการฝึกหลัง จากสายตระกูล Qwen 3.5 ภายใต้สัญญาอนุญาต Apache-2.0 ใครก็ตามที่อธิบายว่าโมเดลนี้ยังไม่เปิดตัวย่อมอ้างอิงจากหน้าที่ล้าสมัย

สิ่งที่ยังไม่เปลี่ยนแปลงคือสถานการณ์ด้านการวัดผล ตัวเลข benchmark ของผู้ขาย — 82.7 บน Terminal-Bench 2.1, 61.2 บน SWE-bench Pro, 89.7 บน BrowseComp, 87.4 บน OSWorld-G — ถูกสร้างขึ้นผ่าน NexCUA ซึ่งเป็นชุดเครื่องมือสำหรับการใช้งานคอมพิวเตอร์ของพันธมิตรเอง และระบุว่าตั้งใจจะเปิดโอเพนซอร์สแต่ยังไม่ได้ทำ ยังไม่มีผู้ประเมินอิสระรายใดเผยแพร่หน้าผลการประเมินสำหรับโมเดลนี้ การไม่มีเช่นนั้นไม่ใช่เรื่องบังเอิญของจังหวะเวลา แต่เป็นช่องว่างที่คงอยู่ตลอดช่วงเวลาทั้งหมดที่น้ำหนักของโมเดลสามารถดาวน์โหลดได้

การเปรียบเทียบที่สามารถทำได้

ทุกอย่างด้านล่างมาจากแหล่งที่เผยแพร่แล้ว ไม่ใช่จากการรันร่วมกัน และแต่ละบรรทัดระบุว่าตัวเลขนั้นมาจากไหน นั่นคือเพดานตามจริงสำหรับคู่นี้

• พารามิเตอร์ — Step 5 Preview: รวม 600B, ใช้งาน 27B. Nex N2.5 Pro: รวม 397B, ใช้งาน ~17B

• บริบท — Step 5 Preview: 1M โทเค็น Nex N2.5 Pro: 262,144 โทเค็น โดยมีเพดานเอาต์พุตตามเอกสารอยู่ที่ประมาณ 236K

• มอดาลิตี — พรีวิวขั้นที่ 5: อินพุตเป็นข้อความ รูปภาพ และวิดีโอ เอาต์พุตเป็นข้อความ Nex N2.5 Pro: อินพุตเป็นข้อความและรูปภาพ เอาต์พุตเป็นข้อความ โดยกำหนดให้ความสามารถด้านภาพ (vision) ทำหน้าที่เป็นช่องทางฟีดแบ็กสำหรับการใช้งานคอมพิวเตอร์

• การควบคุมการให้เหตุผล — พรีวิวขั้นตอนที่ 5: การคิดเปิดอยู่เสมอ แต่มีปุ่มปรับระดับความพยายามต่ำ/กลาง/สูง Nex N2.5 Pro: ระดับไม่มี, กลาง (ปรับอัตโนมัติ, ค่าเริ่มต้น) และสูง ดังนั้นจึงสามารถปิดการให้เหตุผลได้ทั้งหมด

• น้ำหนักโมเดล — Step 5 Preview: BF16 และ FP8 ภายใต้ StepFun Model License 1.0. Nex N2.5 Pro: Apache-2.0.

• ราคา — Step 5 Preview: $1.00 ขาเข้า, $2.70 ขาออก, $0.10 แบบแคชต่อล้านโทเค็น ตามอัตราค่าบริการของ StepFun Nex N2.5 Pro: มีระดับบริการโฮสต์ฟรี โดยผู้จำหน่ายไม่ได้เผยแพร่ราคาตามรายการ

จุดเดียวที่ Nex N2.5 Pro เรียบง่ายกว่าอย่างชัดเจนคือเรื่องไลเซนส์ Apache-2.0 เป็นสิ่งที่ทีมกฎหมายทุกทีมรู้จักและเข้าใจดี ส่วนไลเซนส์ของ StepFun มีเกณฑ์เชิงพาณิชย์ที่ต้องอาศัยการสร้างแบบจำลอง ในทางกลับกัน บรรทัด context กลับให้ผลตรงกันข้าม และมีความแตกต่างเกือบสี่เท่า ซึ่งมีความหมายหากเอเจนต์ของคุณอ่านทั้ง repository หรือชุดเอกสาร

การเปรียบเทียบที่ไม่อาจทำได้

ต้องมีสามอย่างเพื่อทำให้สองสิ่งนี้อยู่บนแกนเดียวกัน และไม่มีอย่างใดเลยที่มีอยู่จริง

อย่างแรก คือเรื่องเวอร์ชันของเบนช์มาร์กที่ใช้อ้างอิงให้ตรงกัน Terminal-Bench 2.1 กับ Terminal-Bench 4.0 เป็นการทดสอบคนละชุดกัน มีชุดงานที่แตกต่างกันและวิธีให้คะแนนที่แตกต่างกัน คะแนนจากชุดหนึ่งไม่ได้บอกอะไรเกี่ยวกับอีกชุดเลย ตัวเลข 82.7 มาจาก 2.1 ส่วนตัวเลข 33% มาจาก 4.0 ใครก็ตามที่หยิบสองตัวเลขนี้มาเทียบกันแบบตรงตัว กำลังเอาเวลาวิ่งสปรินต์ไปเทียบกับ split ของการวิ่งมาราธอน

ประการที่สอง คือชุดทดสอบร่วม ตัวเลขของ Step 5 Preview มาจากดัชนีที่เผยแพร่ซึ่งรันชุดการประเมินแบบตายตัวกับทุกโมเดลที่ระบุไว้ ส่วนตัวเลขของ Nex N2.5 Pro มาจากซอฟต์แวร์ที่ผู้จำหน่ายของตัวเองเขียนขึ้นและยังไม่ได้เผยแพร่ แม้ว่าชื่อเบนช์มาร์กจะตรงกัน โครงสร้างทดสอบก็คงไม่ตรงกัน

ประการที่สาม การประเมินแบบอิสระใดๆ ก็ตาม ไม่มีหน้าเพจสำหรับ Nex N2.5 Pro บนหน่วยประเมินที่เผยแพร่ดัชนีความสามารถทางปัญญา เราได้ตรวจสอบเรื่องนี้โดยตรงแทนที่จะอนุมานจากผลการค้นหาที่ไม่พบ และคำตอบในวันนี้ก็เหมือนกับเมื่อเดือนกันยายน คือไม่มีเลย

สิ่งที่พูดได้โดยไม่เกินเลยนั้นแคบกว่าแต่ยังมีประโยชน์: Nex N2.5 Pro อ้างว่ามีประสิทธิภาพด้านเอเจนต์ที่แข็งแกร่งในเบนช์มาร์กที่ผลลัพธ์ซึ่งวัดอย่างอิสระของ Step 5 Preview อยู่ในระดับกลางตาราง นั่นเป็นเหตุผลให้ทดสอบมัน ไม่ใช่เหตุผลให้เชื่อมัน

เอนด์พอยต์ฟรีมีมูลค่าจริงแค่ไหน

ระดับโฮสต์ของ Nex N2.5 Pro ไม่มีค่าใช้จ่าย ซึ่งเปลี่ยนการเปรียบเทียบราคาให้กลายเป็นการเปรียบเทียบความเสี่ยง ไม่มีราคาตามรายการที่ประกาศไว้ จึงไม่มีสิ่งใดให้ใช้เป็นฐานในการประเมิน และไม่มีสัญญาณว่าผู้ขายคิดว่าโมเดลนี้มีมูลค่าเท่าใด รายการราคาจากบุคคลที่สามอยู่ในหลักสิบเซนต์ช่วงต้นต่อหนึ่งล้านโทเค็นอินพุต ขึ้นอยู่กับผู้ให้บริการโฮสต์ และขัดแย้งกันมากพอจนไม่ควรถือรายการใดรายการหนึ่งเป็นจุดยืนของผู้ขาย

ฟรีก็มีต้นทุนด้านความพร้อมใช้งานเช่นกัน ตัวติดตามที่เฝ้าดู endpoint ฟรีรายงานว่าความพร้อมใช้งานขาดหายเป็นช่วงๆ — เป็นข้อสังเกตจากบุคคลที่สาม ไม่ใช่ตัวเลขจากผู้ขาย และเป็นสิ่งที่ไม่มีความหมายสำหรับต้นแบบ แต่ตัดสิทธิ์สำหรับเส้นทางการใช้งานจริง โมเดลที่คุณพึ่งพาไม่ได้ไม่ใช่ของถูก但它คือความเสี่ยงที่ไม่ได้ประเมินราคาโดยมีเลขศูนย์อยู่บนใบแจ้งหนี้

ในทางกลับกัน อัตราแบบผสมที่ 0.54 ดอลลาร์ของ Step 5 Preview และอัตรา 2.35 ดอลลาร์ต่องานดัชนีที่เสร็จสมบูรณ์นั้น แพงในเชิงตัวเลขสัมบูรณ์และเข้าใจได้ชัดเจนอย่างสมบูรณ์ คุณสามารถคาดการณ์ค่าใช้จ่ายจากตารางอัตราค่าบริการที่ประกาศไว้ได้ แต่คุณไม่สามารถคาดการณ์ค่าใช้จ่ายจากแพ็กเกจฟรีที่ยังไม่ได้ระบุเงื่อนไขไว้เป็นลายลักษณ์อักษรได้

สถิติของ Step 5 Preview นั้นแตกต่างออกไป ไม่ได้ดีกว่า

ควรพูดให้ชัดเจนว่าจริง ๆ แล้ว Step 5 Preview มีอะไรบ้าง เพราะการบอกว่า "มันมีคะแนน" ทำให้ความแตกต่างดูเล็กน้อยเกินไป และการบอกว่า "มันดีกว่า" ก็กล่าวเกินจริง Step 5 Preview ได้ 29 คะแนนในเวอร์ชันปัจจุบันของ Artificial Analysis Intelligence Index — ไม่ใช่ 44 คะแนนที่สื่อตอนเปิดตัวอ้างถึง เนื่องจากเวอร์ชันของดัชนีนั้นถูกแทนที่ไปแล้ว มันอยู่ในอันดับที่ 6 จาก 17 ในกลุ่มเปรียบเทียบของตน รันที่ความเร็ว 179 โทเค็นเอาต์พุตต่อวินาที และมีค่าใช้จ่าย 2.35 ดอลลาร์ต่องานในดัชนี ค่าตัวเลขเหล่านี้มาจากการรันชุดเดียวกัน ทำซ้ำได้ และผลิตโดยผู้ประเมินที่ไม่มีความสนใจเชิงพาณิชย์ในผลลัพธ์

สิ่งที่คุณได้จากมันคือฐานอ้างอิง คุณรู้ว่าโมเดลนี้อยู่ตรงไหนเมื่อเทียบกับโมเดลอื่นอีกประมาณห้าสิบกว่าตัวที่วัดด้วยวิธีเดียวกัน ซึ่งหมายความว่าคุณสามารถตัดสินใจได้ในรอบแรกโดยไม่ต้องเช่า GPU สิ่งที่คุณไม่ได้จากมันคือการรับประกันว่า Step 5 Preview จะเอาชนะ Nex N2.5 Pro ในภาระงานของคุณ ในด้านการเขียนโค้ดและระบบอัตโนมัติ ผลลัพธ์อิสระของ Step 5 Preview ไม่ได้โดดเด่น — 12% บน FrontierCode 2.0 และ 33% บน Terminal-Bench 4.0 — และโมเดลที่มีคำกล่าวอ้างเรื่องความสามารถแบบเอเจนต์ที่แข็งแกร่งแต่ยังไม่เปิดเผย ก็เป็นโมเดลชนิดที่อาจเอาชนะตัวเลขเหล่านั้นได้พอดี ประเด็นคือคุณจะได้ค้นหาคำตอบด้วยตัวเอง แทนที่จะอ่านมันจากโมเดลการ์ด

แต่ละรายการเป็นของใคร

Nex N2.5 Pro เหมาะสำหรับทีมที่สร้างเอเจนต์สำหรับใช้งานคอมพิวเตอร์และเอเจนต์เบราว์เซอร์ ซึ่งยินดีจะรันการประเมินผลด้วยตนเองก่อนตัดสินใจลงทุน และให้ความสำคัญกับสัญญาอนุญาต Apache-2.0 รวมถึงขนาดพารามิเตอร์ที่ใช้งานจริง 17B ที่พอดีกับฮาร์ดแวร์ระดับทั่วไป เอนด์พอยต์แบบฟรีทำให้การทดลองมีต้นทุนต่ำ การที่ไม่มีราคาตั้งขายทำให้การตัดสินใจสำหรับการใช้งานจริงเป็นเรื่องยาก ให้ถือว่าผลเบนช์มาร์กของผู้ขายเป็นสมมติฐานที่มีกลไกรองรับที่สมเหตุสมผล — โมเดล MoE สายตระกูล Qwen ที่ผ่านการฝึกหลังการฝึกบนงานอ่านหน้าจอ — มากกว่าที่จะถือว่าเป็นผลลัพธ์ที่ยืนยันแล้ว

Step 5 Preview เหมาะสำหรับทีมที่มีภาระงานแบบบริบทขนาดยาวและต้องใช้ความรู้จำนวนมาก และต้องการราคาที่คาดการณ์ล่วงหน้าได้ เป็นตัวเลือกที่แพงกว่าและเข้าใจได้ชัดเจนกว่า และสัญญาอนุญาตของมันก่อให้เกิดคำถามในระดับขนาดใหญ่มาก ซึ่งสัญญาอนุญาตของ Nex ไม่ได้ก่อให้เกิดเช่นนั้น

ทั้งสองรายการยังไม่มีอยู่ในแคตตาล็อกของ OrcaRouter ในปัจจุบัน ดังนั้นบทความนี้จึงไม่สามารถชี้ไปยังเอนด์พอยต์ที่ถูกกว่าสำหรับทั้งสองตัวได้ สิ่งที่แพลตฟอร์มมีให้ในบริบทของการตัดสินใจเช่นนี้คือส่วนอื่น ๆ ของสแตกบนคีย์เดียว: โมเดลมากกว่า 200 รายการในราคาตามที่ผู้ให้บริการกำหนดโดยไม่บวกเพิ่ม ดังนั้นเมื่อผู้ให้บริการปรับอัตราราคา คุณจะทราบภายในวันเดียวกัน และ การสลับไปใช้ระบบสำรองอัตโนมัติ เพื่อให้โมเดลที่คุณยังอยู่ระหว่างทดลองใช้ไม่กลายเป็นจุดล้มเหลวจุดเดียว รูปแบบที่ได้ผลสำหรับโมเดลที่ยังไม่ผ่านการพิสูจน์คือการส่งทราฟฟิกจริงส่วนเล็ก ๆ ไปยังโมเดลนั้นโดยมีระบบสำรองที่พิสูจน์แล้วอยู่ด้านหลัง วัดผล แล้วจึงย้ายส่วนแบ่งนั้น วิธีนี้ถูกกว่าการทดสอบเปรียบเทียบแบบ benchmark และให้ข้อมูลมากกว่าเอกสารข้อมูลจากผู้ให้บริการอย่างมาก

ถ้าคุณต้องการคำตอบภายในวันนี้ Step 5 Preview คือตัวเลือกที่คุณสามารถใช้เหตุผลสนับสนุนได้ในการทบทวนการออกแบบ เพราะทุกตัวเลขที่ผูกกับมันมีคนในห้องนั้นตรวจสอบได้ ถ้าคุณกำลังสร้างเอเจนต์ที่ใช้คอมพิวเตอร์และสามารถรับงานประเมินผลได้ Nex N2.5 Pro คือเดิมพันที่น่าสนใจกว่า — ลองได้ถูกกว่า ปกป้องได้ยากกว่า และยังไม่ได้วัดผลอย่างแท้จริง ข้อผิดพลาดที่ต้องหลีกเลี่ยงคือการมองว่า 82.7 เป็นข้อเท็จจริง และ $1.00 เป็นข้อเสีย โดยไม่สังเกตว่ามีเพียงหนึ่งในสองตัวเลขนั้นที่มีแหล่งข้อมูลที่สอง