Nex-N2.6 vs Nex-N2.5 Pro: Nền tảng nhỏ hơn, giá cao hơn và một quá trình chuyển đổi chưa ai benchmark

Hai tháng ngăn cách Nex-N2.5 Pro và Nex-N2.6, và mô hình mới hơn lại là mô hình nhỏ hơn. Nex-N2.5 Pro, do Nex-AGI phát hành ngày 8 tháng 9 năm 2026, là một mô hình hỗn hợp chuyên gia có 397 tỷ tham số, được huấn luyện hậu kỳ từ nền Q​wen3.5, theo giấy phép Apache-2.0, với 122 mảnh trọng số của nó nằm trên Hugging Face để bất kỳ ai cũng có thể tải xuống. Nex-N2.6, đã hoạt động từ ngày 10 tháng 11 năm 2026, được huấn luyện hậu kỳ từ GLM-5.3-Flash, sở hữu khoảng 321 tỷ tham số, niêm yết ở mức $0.12 / $0.40 mỗi triệu token so với $0.075 / $0.25 của mô hình tiền nhiệm, và trỏ đến một kho lưu trữ Hugging Face sẽ không mở nếu không có thông tin đăng nhập. Cùng cửa sổ 262.144 token. Cùng đầu vào văn bản và hình ảnh. Một nền tảng khác ở bên dưới, chi phí cao hơn 60%, và — cho đến nay — chưa có một con số công bố nào so sánh hai mô hình.

Nếu bạn đang chạy Nex-N2.5 Pro, sự kết hợp đó hẳn phải khiến bạn thận trọng chứ không phải tò mò. Đây không phải là một bản nâng cấp phiên bản thay thế trực tiếp. Đó là việc tái định nền tảng sang kiến trúc của một phòng thí nghiệm khác, được bán với giá cao hơn hẳn, trong khi bằng chứng có thể biện minh cho điều đó vẫn chưa được công bố.

Những gì số phiên bản ẩn giấu

Số hiệu phiên bản ngụ ý sự liên tục. Trong dòng sản phẩm này, con số đang làm một việc khác: N2.5 Pro và N2.6 dùng chung một cửa sổ phục vụ và một phương thức đầu vào, và gần như không chia sẻ gì khác ngoài những điểm đó.

• Nền tảng — Nex-N2.5 Pro được huấn luyện hậu kỳ từ một checkpoint mixture-of-experts Qwen3.5, cùng toàn bộ tokenizer Qwen; Nex-N2.6 từ GLM-5.3-Flash, mô hình đa phương thức nguyên bản 320 tỷ tham số của Z.ai với thiết kế attention thưa và tuyến tính lai. Phòng thí nghiệm khác, tokenizer khác, chat template khác, tool-call parser khác.

• Kích thước — tổng cộng 397 tỷ tham số với khoảng 17 tỷ tham số hoạt động trên mỗi token, so với khoảng 321 tỷ tổng cộng với số lượng hoạt động mà Nex-AGI chưa công bố cho N2.6.

• Giá mỗi triệu token — $0.075 vào / $0.25 ra đối với Pro; $0.12 vào / $0.40 ra đối với N2.6, mà danh sách niêm yết trình bày là giảm 20% so với giá niêm yết $0.15 / $0.50. Vậy nên giá cuối cùng có thể gấp đôi, chứ không chỉ cao hơn 60%.

• Suy luận — Pro chấp nhận none, medium và high effort, mặc định là high, nên bạn có thể tắt suy nghĩ cho những lượt máy móc ít tốn kém. N2.6 chỉ chấp nhận high và medium, mặc định là high và hoàn toàn không thể tắt.

• Trọng số — Pro là Apache-2.0 trên Hugging Face, có thể tải xuống đầy đủ. Kho lưu trữ được liên kết của N2.6 không thể đọc công khai.

• Điểm chuẩn từ nhà cung cấp — Pro có bảng đầy đủ được công bố trên các bộ kiểm thử lập trình, tác tử và đa phương thức. N2.6 chỉ có một câu: nó giảm suy luận lặp lại và bám sát các công cụ có sẵn trong môi trường hiện tại hơn Pro.

Con số duy nhất mà nhà cung cấp thực sự đã đưa ra

Câu đó là toàn bộ tuyên bố so sánh, và nó là một kiểu tuyên bố cụ thể: nó mô tả kỷ luật gọi công cụ, không phải năng lực. Đọc nó một cách thiện chí thì nó nói rằng N2.6 tốn ít token hơn để suy diễn lại những gì nó đã biết và chú ý hơn đến các công cụ mà bạn thực sự đã cung cấp. Đọc nó một cách hoài nghi thì nó nói rằng mô hình đã được tinh chỉnh cho một kiểu lỗi mà nhà cung cấp đã quan sát được, mà không cho thấy quan sát đó.

Với bất kỳ ai đang vận hành một agent, sự khác biệt đó quan trọng hơn một điểm benchmark. Lỗi tốn kém trong một vòng lặp agent dài hạn hiếm khi là một câu trả lời sai; mà là một câu trả lời đúng đạt được sau mười chín bước suy luận dư thừa và bốn lần gọi công cụ lãng phí. Một mô hình thực sự giảm được sự lặp lại có thể đáng giá hơn mức phụ trội 60% của nó, ngay cả khi nó đạt điểm y hệt trên một bài đánh giá tĩnh, bởi vì hóa đơn bạn phải trả là số token cho mỗi tác vụ hoàn thành, không phải số token cho mỗi lần gọi.

Nhưng hệ quả kéo theo thật khó chịu. Việc Nex-N2.6 buộc phải suy luận tương tác trực tiếp với tuyên bố đó: một mô hình luôn suy nghĩ với nỗ lực cao sẽ tiêu tốn token đầu ra ở mọi lượt, kể cả những lượt tầm thường. Nếu Pro với tính năng suy luận bị tắt xử lý các cuộc gọi ngắn của bạn với chi phí chỉ bằng một phần xu, còn N2.6 thì phải suy nghĩ qua từng cuộc gọi, thì khoản tiết kiệm nhờ lặp lại phải đủ lớn chỉ để hòa vốn. Liệu có đúng như vậy hay không chính là điều chưa ai đo đạc.

Bảng đã công bố của Nex-N2.5 Pro vẫn cho bạn biết điều gì

Các con số của mô hình cũ là do nhà cung cấp tự báo cáo — harness của chính Nex-AGI, thiết lập prompt của chính họ, không có tái lập độc lập — và chúng nên được đọc theo hướng định tính. Nhưng chúng tồn tại, chúng cụ thể, và chúng thiết lập một mức sàn mà N2.6 chưa vượt qua được ở nơi công khai:

• Lập trình — Terminal-Bench 2.1 đạt 82.7, SWE-Bench Pro đạt 61.2, DeepSWE v1.1 đạt 55.8.

• Agentic — AutomationBench v1.0.6 đạt 44,2, Toolathlon Verified đạt 68,5, BrowseComp đạt 89,7, Job Bench đạt 41,4.

• Sử dụng máy tính — OSWorld-Verified đạt 82,2; OSWorld-2 đạt 56,4; OSWorld-G đạt 87,4; WebArena-Verified đạt 67,6.

• Công việc tri thức — GDPval-AA v2 đạt 1.628 Elo.

Đặt cạnh các cột so sánh mà Nex-AGI in bên cạnh chúng, bức tranh khá rõ ràng: Pro kém Claude Opus 5 ở hầu hết các hàng nhưng chỉ cách GPT-5.6 Sol và Kimi-K3 vài điểm trên các bộ kiểm thử sử dụng công cụ, và nó vượt Qwen3.8-Max trên OSWorld-2. Đó là một mô hình tác nhân trọng số mở đáng tin cậy, không phải mô hình dẫn đầu. N2.6 phải vượt qua nó thì mới đáng để chuyển đổi, và hiện tại không có trang nào để kiểm tra.

Một hệ quả đáng nói thẳng: vì trọng số của Pro có thể tải xuống theo Apache-2.0, bạn có thể tự chạy đánh giá nó, trên chính các tác vụ của mình, mà không cần xin phép bất kỳ ai. Điều đó không đúng với N2.6 theo bất kỳ nghĩa nào — không phải trọng số, không phải model card, không phải điểm công khai. Với một đội đang đặt cược hạ tầng sáu tháng, khả năng kiểm chứng là một tính năng, và bản phát hành này đã đi lùi về điểm đó.

Cơ chế di cư, thật lòng mà nói

Chuyển đổi chỉ cách một base URL và một chuỗi model, nên dễ bị coi là miễn phí. Nhưng không phải vậy. Tokenizer thay đổi nghĩa là số lượng token thay đổi, nên cả mô hình chi phí lẫn mọi logic ngân sách ngữ cảnh có đếm token giờ đều chỉ là gần đúng cho đến khi được đo lại. Chat template thay đổi nghĩa là system prompt từng dạy Pro phương ngữ công cụ của nó một cách đáng tin cậy có thể dạy N2.6 một thứ khác. Và chế độ suy luận bắt buộc nghĩa là hồ sơ độ trễ thay đổi: một vòng lặp agent từng có thể trả lời tức thì trên Pro một lượt tầm thường kiểu "tệp nào chứa ký hiệu này" giờ sẽ suy nghĩ trước, với nỗ lực cao, theo mặc định.

Cách thực tế để làm việc này là chạy thử nghiệm song song (shadow run) thay vì chuyển đổi ngay. Hãy gửi cùng lưu lượng thật đến cả hai mô hình trong một tuần, đánh giá kết quả bằng một thứ không phải chính mô hình, và đo token trên mỗi tác vụ hoàn thành thay vì độ trễ hoặc giá mỗi token. Dù kết quả thế nào, hãy giữ Pro trong tầm với — đây là mô hình duy nhất trong hai mô hình mà bạn cũng có thể tự triển khai, và một checkpoint Apache-2.0 có thể tải xuống là phương án dự phòng mà không mô hình chỉ chạy trên dịch vụ lưu trữ nào có thể cung cấp.

Đây cũng là điểm mà tại đó một gateway khẳng định được vị trí của mình thay vì chỉ là một tiện ích. OrcaRouter đưa mô hình vào phía sau một endpoint tương thích OpenAI và cho phép bạn định nghĩa chuỗi dự phòng trong DSL định tuyến — mô hình rẻ trước, nâng cấp theo quy tắc thay vì triển khai lại — nên việc kiểm thử N2.6 với Pro chỉ tốn một thay đổi cấu hình thay vì thay đổi mã, và việc hoàn nguyên cũng tốn thêm một thay đổi cấu hình. Cần nói rõ, cả hai đều là những mô hình chúng tôi không lưu trữ: hiện nay cả Nex-N2.5 Pro lẫn Nex-N2.6 đều không có trong danh mục của OrcaRouter, nên trên thực tế, điều này có nghĩa là giữ khóa của riêng bạn và để lớp định tuyến nắm giữ cả hai đường dẫn. Cách tính của cơ chế dự phòng thì vẫn như nhau trong cả hai trường hợp.

Khi mẫu rẻ hơn giờ đây lại là lựa chọn sai lầm

Với hầu hết người dùng của dòng mô hình này, lý do để chuyển đổi là yếu, và đáng nói thẳng như vậy. Nếu Pro đang hoạt động tốt, lý do duy nhất để chuyển là hai hành vi mà Nex-AGI nêu tên — ít lặp lại hơn và tuân thủ công cụ chặt chẽ hơn — và bạn không thể xác minh cả hai trước khi dùng thử. Mọi thứ khác về việc chuyển đổi đều trung tính hoặc tiêu cực: một mô hình nền nhỏ hơn với số tham số hoạt động không được công bố, giá cao hơn có thể tăng gấp đôi khi hết ưu đãi, không có cách nào tắt suy luận, và một model card bạn không thể đọc.

Có một trường hợp hẹp nhưng có thật ở phía ngược lại. Những nhóm mà agent của họ bị nghẽn vì các lượt bị lãng phí, có prompt đủ ngắn để cửa sổ 262K không phải là ràng buộc, và có bộ khung chấm điểm đủ tốt để phân biệt cải thiện thật với nhiễu, có thể thu lợi từ việc chuyển sang sớm — giá tuyệt đối đủ thấp để chi phí thử nghiệm thấp hơn cả cuộc họp bàn về nó. Điều tương tự cũng áp dụng cho bất kỳ ai muốn có tokenizer thuộc họ GLM và hành vi gọi công cụ phía sau một vòng lặp agent; N2.6 là GLM-5.3-Flash đã được huấn luyện sau với tinh chỉnh agentic, một đề xuất khác với mô hình nền thô.

Điều gì sẽ giải quyết được chuyện đó?

Ba công bố sẽ biến điều này từ một phỏng đoán thành một so sánh, và không công bố nào đòi hỏi thứ gì quá đặc biệt. Thứ nhất, thẻ mô hình của chính Nex-N2.6 với cùng bảng mà Nex-AGI đã công bố cho dòng N2.5 — nhà cung cấp đã biết cách công bố một thẻ như vậy. Thứ hai, trọng số theo một giấy phép mà bạn có thể sử dụng, điều này sẽ cho phép cộng đồng chạy Pro và N2.6 song song trong cùng điều kiện thay vì tin vào một câu nói. Thứ ba, điểm độc lập đầu tiên trên một bảng xếp hạng công khai, thậm chí chỉ là điểm trung bình, vì một mô hình trung bình đã được đo lường vẫn hữu ích hơn một mô hình đầy hứa hẹn chưa được đo lường.

Cho đến lúc đó

Tóm tắt một cách trung thực là Nex-AGI đã phát hành một phiên bản kế nhiệm được tái nền tảng, đắt hơn, ít tài liệu hơn cho một mô hình vẫn còn có sẵn, vẫn rẻ hơn, vẫn có thể tải xuống và vẫn là mô hình duy nhất trong hai mô hình có số liệu đi kèm. Đó không phải là lý do để bỏ qua N2.6 — quyền truy cập sớm vào một mô hình được tinh chỉnh cho kỷ luật công cụ có giá trị nhất định đối với đúng đội ngũ — nhưng đó là lý do để không chuyển đổi một luồng sản xuất đang hoạt động chỉ dựa vào một số phiên bản và một ưu đãi giảm giá.

Nếu bạn muốn một quy tắc: hãy chuyển đổi khi chính các trace của bạn cho thấy vấn đề mà Nex-N2.6 tuyên bố khắc phục, dù thế nào vẫn giữ Nex-N2.5 Pro được triển khai làm phương án dự phòng, và đọc lại giá vào ngày mức 20% hết hiệu lực. Lý lẽ của bản kế nhiệm hoàn toàn dựa trên hành vi mà nhà cung cấp mô tả và chưa ai đo đạc.