Nex-N2.6 so với Grok 4.7: Rẻ hơn mười sáu lần, ngữ cảnh bằng một nửa, và một trong hai có điểm số

Chênh lệch giá giữa Nex-N2.6 và Grok 4.7 không phải là một khoản chiết khấu. Đó là một hạng mục mua hàng khác. Ở mức $0.12 mỗi triệu token đầu vào và $0.40 mỗi triệu token đầu ra, Nex-N2.6 tốn khoảng một phần mười sáu so với mức $2.00 và $6.00 của Grok 4.7 — và nếu prompt của bạn vượt quá 200.000 token, mức giá của Grok 4.7 sẽ tăng gấp đôi lên $4.00 và $12.00, khiến khoảng cách ở đầu vào vượt qua mức ba mươi ba trên một. Vậy nên câu hỏi hữu ích không phải là mô hình nào tốt hơn. Chưa ai, kể cả Nex-AGI, công bố một con số nào cho phép bạn trả lời điều đó. Câu hỏi hữu ích là bạn đang mua gì với mức 16x: cửa sổ 500.000 token, hai năm thành tích benchmark công khai, một hợp đồng gọi công cụ được tài liệu hóa rõ ràng và một nhà cung cấp có bộ phận kinh doanh — so với một mô hình vừa ra mắt hôm qua với một mức giá, một độ dài ngữ cảnh và một câu định vị.

Hai mô hình, chỉ giữ lại những gì có thể kiểm chứng

Grok 4.7 là mẫu chủ lực của SpaceXAI, phát hành ngày 21 tháng 9 năm 2026, và là lựa chọn đã ổn định, đã được đo lường trong cuộc đối đầu này. Nex-N2.6 là sản phẩm kế nhiệm Nex-N2.5 Pro của Nex-AGI, đang hoạt động trên API của chính nhà cung cấp kể từ ngày 10 tháng 11 năm 2026, và là lựa chọn chưa được đo lường. Được trình bày theo từng chiều, kèm nguồn của mỗi số liệu:

• Giá mỗi triệu token — Nex-N2.6 $0,12 vào / $0,40 ra (giá niêm yết, với mức ưu đãi ra mắt 20% được hàm ý qua giá gạch ngang $0,15 / $0,50) so với Grok 4.7 $2,00 vào / $6,00 ra, tăng lên $4,00 / $12,00 khi vượt quá 200K token đầu vào (bảng giá của chính SpaceXAI).

• Cửa sổ ngữ cảnh — Nex-N2.6 262.144 token so với Grok 4.7 500.000, trong khi SpaceXAI cho phép tối đa 450.000 token đầu ra trong một lần gọi. Giới hạn đầu ra của Nex-N2.6 là 235.929.

• Phương thức đầu vào — cả hai đều nhận văn bản và hình ảnh và trả về văn bản. Tài liệu của SpaceXAI cũng liệt kê đầu vào tệp trên API; danh mục của Nex-N2.6 thì không.

• Kiểm soát suy luận — Nex-N2.6 bắt buộc suy luận với hai cài đặt là high và medium, mặc định là high, và không có cách nào để tắt suy nghĩ. Grok 4.7 cung cấp low, medium, high và xhigh, mặc định là high, và có thể được đưa về cài đặt rẻ nhất khi tác vụ mang tính máy móc.

• Nền tảng và quy mô — Nex-N2.6 được hậu huấn luyện trên GLM-5.3-Flash với khoảng 321 tỷ tham số; SpaceXAI hoàn toàn không công bố số lượng tham số cho Grok 4.7.

• Điểm số độc lập — Grok 4.7 có một. Nex-N2.6 không có, trên bất kỳ bảng nào.

• Trọng số — danh mục của Nex-N2.6 trỏ đến một kho Hugging Face trả về lời nhắc xác thực thay vì một thẻ công khai. Grok 4.7 là đóng, chỉ API và không hề giả vờ khác đi.

500.000 token thực sự mang lại cho bạn điều gì

Khoảng cách ngữ cảnh là một trong những điểm dễ biện minh nhất cho mức giá cao của Grok 4.7, và cũng là nơi cách định giá trở nên khó hiểu nhất. Tăng gấp đôi cửa sổ từ 262K lên 500K không phải là thứ "có thì tốt" đối với công việc agent; nó thay đổi những tác vụ bạn có thể thử trong một lần gọi. Toàn bộ cây mã nguồn của một kho mã cỡ vừa, một luồng sự cố đầy đủ kèm log, bảng nháp tích lũy của một agent chạy dài — tất cả đều vừa trong Grok 4.7 và phải được chia nhỏ, tóm tắt hoặc truy xuất vào Nex-N2.6.

Nhưng hãy để ý xem tiền đi đâu. Ở 200.000 token đầu vào, mức giá theo bậc bắt đầu áp dụng, nên một yêu cầu dùng đến cửa sổ mà bạn đã trả tiền sẽ bị tính $4.00 mỗi triệu token đầu vào thay vì $2.00. Một lần gọi 300.000 token tốn $1.20 trên Grok 4.7 so với khoảng $0.04 trên Nex-N2.6 cho cùng một prompt. Năng lực ngữ cảnh dài là có thật và giá cho ngữ cảnh dài thì đắt, nghĩa là kiến trúc hợp lý sẽ khác nhau trong từng trường hợp: với Grok 4.7, bạn gom các bài toán khó vào những lần gọi khổng lồ và trả tiền cho đặc quyền đó; với Nex-N2.6, bạn giữ các lần gọi nhỏ, dựa vào truy xuất, và coi cửa sổ là dư địa hơn là không gian làm việc.

Grok 4.7 cũng là lựa chọn duy nhất trong hai lựa chọn mà bạn có thể định tuyến thay vì chỉ gọi. Nó nằm trong danh mục OrcaRouter tại grok/grok-4.7, với mức $2.00 / $6.00 của chính SpaceXAI và không cộng thêm phụ phí, trên cùng một khóa với phần còn lại của dòng Grok — Grok 4.6, 4.5, 4.3 và dòng 4.20 — điều này quan trọng ở đây vì một lý do cụ thể: nó cho bạn một chuỗi dự phòng bên trong dòng sản phẩm của một nhà cung cấp mà không cần hợp đồng thứ hai hay SDK thứ hai. Nex-N2.6 không có trong danh mục của chúng tôi, và chúng tôi sẽ không giả vờ điều ngược lại; việc điều đó có thay đổi hay không là quyết định của Nex-AGI, không phải của chúng tôi.

Điểm số, và cách đọc nó mà không bị đánh lừa

Đây là chỗ phép so sánh này phải chậm lại, vì con số có khả năng được trích dẫn nhiều nhất cho Grok 4.7 là một cái bẫy nếu bạn tách nó ra khỏi ngữ cảnh. Artificial Analysis hiện đo nó ở mức 35 trên Intelligence Index của mình — nhưng đó là trên phiên bản Index 5.0.1, bản đã xây dựng lại bộ tác vụ. Trên phiên bản trước, 4.3.2, cùng mô hình đó đạt 46. Cả hai con số đều đúng; chúng không thể so sánh với nhau, và bất kỳ bài viết nào (kể cả bài của chúng tôi, vào tháng 9) in 46 bên cạnh các số liệu từ một bảng 5.x đều là trích dẫn xuyên qua một điểm gãy phiên bản. Hãy dùng 35 làm giá trị hiện tại và đừng trừ nó khỏi bất cứ thứ gì được đo trên index cũ.

Điều còn tồn tại qua thay đổi phiên bản là hình dạng của kết quả, và nền kinh tế theo từng tác vụ bên dưới nó:

• AA-Briefcase Elo — 1,511.7 cho Grok 4.7 ở mức nỗ lực xhigh, trên bảng công việc tri thức dài hạn, được đo độc lập.

• Chi phí mỗi tác vụ Intelligence Index — $0.26 có trọng số, trong đó $0.11 là ghi bộ nhớ đệm và $0.11 là token đầu ra. Dòng bộ nhớ đệm chính là dấu hiệu nhận biết: mô hình này được thiết kế để chạy với prompt caching được bật, và giá thực tế của nó phụ thuộc vào việc bao nhiêu phần trong lời nhắc của bạn ổn định qua các lần gọi.

• GDPval — 1,692.05 và HLE 49.4, cả hai đều đến từ cùng một lần chạy độc lập.

• Terminal-Bench 4.0 — 34.8, FrontierCode 2.0 — 24.0. Lập trình là lĩnh vực mà khoảng cách dẫn trước của mô hình chủ lực so với các đối thủ open-weight đã mỏng nhất trong suốt cả năm, và đây không phải là những con số có thể kết thúc một cuộc tranh luận.

Cột của Nex-N2.6 trên bảng đó trống. Không phải yếu — mà là trống rỗng. Không có mục Artificial Analysis, không có bảng của nhà cung cấp, không có trọng số để bạn tự chạy đánh giá của mình. Tuyên bố hiệu năng duy nhất tồn tại là câu một dòng của Nex-AGI rằng N2.6, so với Nex-N2.5 Pro, giảm lập luận lặp lại và tuân theo các công cụ có sẵn trong môi trường hiện tại sát hơn. Đó là một tuyên bố về kỷ luật gọi công cụ, do nhà cung cấp đưa ra, chưa được tái lập, và nó chính là toàn bộ hồ sơ hiệu năng công khai của mô hình này.

Khi mỗi thứ đều là công cụ sai

Nex-N2.6 là công cụ sai khi công việc cần đến cửa sổ ngữ cảnh. Nếu đường ống của bạn phụ thuộc vào việc đưa một ngữ cảnh 300K token cho mô hình và hỏi một câu về nó, thì lợi thế về giá dù lớn đến đâu cũng không bù đắp được, vì lần gọi đó không vừa. Đây cũng là công cụ sai khi bạn cần một con số trước khi cam kết — mua sắm, đánh giá theo quy định, một canh bạc phải được biện minh trong tài liệu. Một mô hình không có phép đo độc lập nào không thể vượt qua ngưỡng đó, và không nên biện luận để vượt qua nó.

Grok 4.7 không phải là công cụ phù hợp khi công việc có khối lượng lớn và chi phí thấp. Bất kỳ vòng lặp nào thực hiện hàng nghìn lời gọi ngắn — phân loại ticket, trích xuất trường, chấm điểm một loạt diff — đều đang trả mức giá của mô hình hàng đầu cho một tác vụ mà sự khác biệt giữa điểm 35 và một điểm tương đương giả định là không thể thấy được trong đầu ra. Đây cũng không phải là công cụ phù hợp khi bạn cần mô hình có thể kiểm tra được: không có trọng số, không có cấu hình, không chạy cục bộ và chỉ tồn tại dưới dạng dịch vụ được lưu trữ. Nếu câu chuyện tuân thủ của bạn yêu cầu một checkpoint mà bạn có thể nắm giữ, thì mô hình này không thể là một phần của câu chuyện đó.

Có một lựa chọn thứ ba hữu ích hơn cả hai thái cực: dùng mô hình rẻ ở nơi công việc lặp đi lặp lại và có thể chấm điểm, dùng mô hình đắt ở nơi công việc dài và hệ trọng, và để bộ định tuyến quyết định cái nào là cái nào từ chính yêu cầu thay vì từ một tên mô hình được mã hóa cứng. DSL định tuyến của OrcaRouter diễn đạt chính xác điều đó — một bộ quy tắc dựa trên số token, loại tác vụ hoặc người gọi, được đánh giá theo từng yêu cầu — và đó là lý do chênh lệch giá ở đây là một câu hỏi về định tuyến chứ không phải câu hỏi về kiến trúc. Mức 16x chỉ quan trọng với lưu lượng mà bạn thực sự gửi sang phía đắt tiền.

Quyết định, mỗi quyết định trong một đoạn văn.

Chọn Nex-N2.6 nếu bạn đã ở trong hệ sinh thái công cụ Nex-AGI, lời nhắc của bạn ngắn, khối lượng công việc của bạn là vòng lặp tác nhân dựa trên ảnh chụp màn hình hoặc nặng về công cụ, nơi cải tiến được cho là của mô hình chính là thứ bạn cần, và bạn có thể tự chấm điểm đầu ra của nó trên một mẫu tác vụ thực tế trong tuần này. Với $0.12 / $0.40, thử nghiệm này có giá phải chăng, và việc đi sớm với một mô hình hóa ra lại tốt cũng đáng giá. Hãy bước vào với hiểu biết rằng bạn đang phụ thuộc vào một endpoint duy nhất, không có trọng số được công bố và không có điểm số độc lập, và rằng việc tăng giá — chứ không phải giảm giá — là cách mô hình này ra mắt.

Chọn Grok 4.7 nếu công việc cần 500.000 token trong một lần gọi, nếu kỷ lục benchmark là yêu cầu bắt buộc chứ không phải sở thích, hoặc nếu bạn muốn một mô hình mà router có thể chuyển đổi dự phòng trong một dòng mô hình đã có năm thế hệ. Bạn sẽ trả mức giá cho đầu ra cao gấp 16 lần so với Nex-N2.6, cao hơn nữa khi đầu vào vượt 200K, và bạn sẽ nhận được điều duy nhất mà mức giá cao gấp 16 lần có thể thực sự mua được: một mô hình mà hành vi của nó đã được người khác đo lường. Với bất kỳ việc gì phải chạy đúng ngay lần đầu, khoản phụ trội đó thường là khoản mục chi phí rẻ hơn.

Điều cần chú ý

Cuộc so tài này sẽ trông hoàn toàn khác trong vòng một tháng, và yếu tố kích hoạt không phải là thay đổi giá — mà là một dòng trong bảng điểm chuẩn. Nếu thẻ của Nex-N2.6 mở đầu bằng các bảng riêng của nó, hoặc một điểm số độc lập xuất hiện trên một bảng công khai, thì so sánh sẽ trở nên bình thường: hai mô hình với các con số, một cái rẻ hơn, một cái rộng hơn. Nếu cả hai đều không xảy ra, khoảng cách trong bài viết này không còn là về năng lực mà trở thành về niềm tin, và mức cao hơn gấp 16 lần của Grok 4.7 lặng lẽ biến thành cái giá của việc biết mình đang mua gì.