GPT-6 Astra 对比 Nex N2.5 Pro：一个计算机使用智能体按 token 计费

计算机使用代理正是那种会让按 token 计费不再停留于抽象概念的工作负载。拿一个单一任务来说——打开浏览器、找到一条记录、填写表单、验证结果——而一个在每个动作之间都要思考的代理，跑一遍就要消耗数万个 token，然后还要重复一万次。GPT-6 Astra，OopenAI 于 2026 年 9 月 3 日发布的旗舰模型，对此收费为每百万输入 token 10.00 美元、每百万输出 token 50.00 美元，并在超过 272,000 token 后进入翻倍的档位。Nex-N2.5 Pro，Nex-AGI 于 2026 年 9 月 8 日发布的 3970 亿参数计算机使用模型，正是为同一类任务而打造，并以 Apache-2.0 许可发布，还附带了由八块 H100 组成的单节点部署说明。两家厂商都报告了 OSWorld-2 的数值。但只有其中一家给了你一个在开始之前就能读取的计量表。

实际重叠的基准行

OSWorld-2 是这两者之间最接近共同标尺的东西，而值得一看的是，这一共享行所能说明的其实少得可怜。Nex-AGI 的模型卡将 Nex-N2.5 Pro 在 OSWorld-2 上列为 56.4，同时列出 Claude Opus 5 的 68.3 和 Qwen3.8-Max 的 46.7，并注明这些数据引自排行榜和提供商来源。OpenAI 为 GPT-6 Astra 发布的材料报告称其在 OSWorld 2.0 上达到 72.6%，每项任务大约耗时 40 分钟，并称这比 GPT-5.6 Sol 每项任务少约 47% 的时间。

那两个数字不能放在同一列。它们由不同的实验室、在不同的测试装置上、在不同日期、用不同的动作预算产生——而 Nex-AGI 明确表示，其计算机使用和浏览器使用评估经过了自己的 NexCUA 测试装置，它称将开源该装置，但尚未开源。因此，对这两个数字最诚实的解读是有方向性且范围有限的：OpenAI 的数字更高，两者都是厂商自报，且都未被复现。这一行确实确立的是，两家公司都认为 OSWorld-2 是这类模型至关重要的基准，这告诉你若要等待一次独立运行，应该关注什么。

Nex-AGI 卡片的其余部分是一张单一供应商表格，每一行都附有相同的注意事项：

• 计算机使用，厂商报告 — OSWorld-2 56.4、OSWorld-Verified 82.2、OSWorld-G 87.4、WebArena-Verified 67.6、WebTest 52.8、Vision2Web 68.2

• 编码与文本，厂商报告 — Terminal-Bench 2.1 为 82.7，SWE-Bench Pro 61.2，BrowseComp 89.7，AutomationBench v1.0.6 为 44.2

• GPT-6 Astra 的独立记录 — 在 Artificial Analysis Intelligence Index 上为53，每秒输出44.6个token，每完成一个索引任务3.26美元，智能方面216个中排名第七，速度方面185个中排名第168

• GPT-6 Astra 的厂商记录 —— 98% FrontierMath Tier 4，99.9% ARC-AGI-3（在 ARC Prize 的标准测试框架下为 62.7%，在提供商适配器下为 99.9%），100% ExploitBench，57.9% Terminal-Bench 4.0

把这四行放在一起读，不对称就一目了然了。Astra 有一个独立的榜单和一张厂商表格，两者彼此并不一致，这至少让你有东西可以权衡。Nex-N2.5 Pro 则只有厂商表格——它没有 Artificial Analysis 的条目，那个榜单上也没有任何 Nex 模型的页面——所以上面每一个数字所承载的都只是 Nex-AGI 的权威，别无其他。

卡片上的第二个数字是：权重已落定

Hugging Face 上的 Nex-N2.5 Pro 仓库创建于 2026 年 9 月 8 日，在该系列发布时，模型卡上还带有权重即将发布的提示。如今这一空白已经填补。该仓库现在包含 122 个 safetensors 分片，总计约 407 GB，以 Apache-2.0 许可发布，并且模型卡对服务部署方案做了足够详细的记录，无需任何逆向工程即可运行。

那份配方值得在你比较价格之前读一读，因为它对这款模型的论证价值，不亚于任何一行基准测试结果。Nex-N2.5 Pro 是一个稀疏专家混合模型：总参数 3970 亿，每个 token 约激活 170 亿。文档记载的部署方式是单节点八块 H100，运行定制版 SGLang 构建——nexagi/sglang:v0.5.18-nex-patch——八卡全部启用张量并行，开启 Qwen3 推理解析器和 Qwen3-coder 工具调用解析器，上下文长度为 262,144 token，推荐采样参数为 temperature 0.7、top_p 0.95、top_k 40。八块 H100 是相当可观但常规的配置。由于每个 token 只有 170 亿参数参与计算，即便权重占用很大，单次操作的算力仍然很小——这正是 397B 模型能够被超大规模云厂商之外的任何人部署的根本原因。

262,144 token 的上下文，是决定大多数智能体设计的规格。Astra 的窗口是 1,050,000 token，输出上限为 128,000 token，而它自己的服务阶梯让长上下文那一端变得昂贵：输入超过 272,000 token 后，整个请求会被重新定价为输入 $20.00、输出 $75.00，缓存读取为 $2.00，缓存写入为 $25.00。Nex-N2.5 Pro 的 262,144 token 服务长度恰好位于这条线之下，这要么是巧合，要么是由某个会去读其他厂商定价页面的人写出的规格。无论哪种情况，实际后果都是：在 Nex-N2.5 Pro 上维持长会话历史的智能体循环，永远不会越过那道几乎会让 Astra 输入成本翻倍的阶梯边界。

经过上万次运行，钱都去了哪里

对这种工作负载来说，按 token 计价是错误的单位，而原因值得具体说明。一个用一百个动作完成任务的浏览器代理会发送一百个请求，每个请求都携带累积的会话状态。即使提示缓存确实发挥了作用，输入侧也会随着动作数量的平方增长，而输出侧则随其线性增长。正是这种形态，让一张费率表变成了一条预算项。

这两个模型对那种形状的回答不同，而差别主要并不在于数字：

• 成本结构——GPT-6 Astra 按用量计费，每 1M：输入 $10.00 / 缓存 $1.00 / 缓存写入 $12.50 / 输出 $50.00，超过 272K tokens 后翻倍；相比之下，Nex-N2.5 Pro 可按用量计费或自托管，而 Nex-AGI 未公布 Pro 层级的标价

• 资本要求 — GPT-6 Astra 无需资本投入，它只是一个 API；相比之下，Nex-N2.5 Pro 需要一个搭载八块 H100 的单节点，或一个托管端点，其商业条款由供应商自行设定

• 服务时的上下文 — GPT-6 Astra 922,000 输入 token、128,000 输出，对比 Nex-N2.5 Pro 的 262,144 token，如发布配置中所述

• 推理控制 — GPT-6 Astra 的 reasoning.effort 从 low 到 max，对比 Nex-N2.5 Pro 的 reasoning_effort 为 none、medium（自适应，默认）或 high

• 输入 — 按路由器列表，GPT-6 Astra 支持文本、图像和文件；按 OpenAI 自己的页面，支持文本和图像；而 Nex-N2.5 Pro 支持文本和图像；其中视觉被视为智能体的感知通道，而非第二种模态

• 权重——GPT-6 Astra 闭源 vs Nex-N2.5 Pro Apache-2.0，122 个分片，约 407 GB

最后一行改变的是算式，而不是价格。如果你拥有那八块 H100，而且它们并没有其他任务在忙，那么下一次智能体运行的边际成本就接近电费，而任何按 token 计费的竞争对手，无论规模多大，都达不到这个数字。如果你并不拥有它们，那么比较对象就是资本支出这一项，而按用量计费的 API 开始显得便宜，就像租车与车贷月供相比时显得便宜一样——直到你连续三年每天都开它。

关于“买还是自建”这个问题，最诚实的答案就是利用率。持续运行的智能体工作负载会让节点显得非常划算；而在工作时段激增、夜间闲置的工作负载，则让 API 的灵活性值回其溢价。两家厂商的宣传资料都不会告诉你自己属于哪一种，也没有哪一行基准测试数据能替代你自己的流量所产出的那个数字。

Nex-N2.5 Pro 的模型卡不会告诉你的一件事，就是它的价格。Nex-AGI 并未为 Pro 层级公布每 token 的标价；该模型最初是通过其自身模型卡所链接的托管端点触达用户的，而商业条款应由供应商设定，而不是外部页面所能估算的。本文不会给出这一价格。

每一个实际上是为了做什么而构建的

这两者最明显的差别不在于能力，而在于它们被设计围绕的那个循环。Nex-AGI 对 N2.5 系列的定位是：视觉不仅仅是一种输入模态，而是智能体借以感知环境、核验某个动作的结果并决定下一步做什么的界面。Nex-N2.5 Pro 正是从 Qwen3.5 谱系专门针对这一感知与核验循环进行后期训练的，适用于浏览器和桌面会话，并能根据视觉结果进行自我纠正。它的推理控制也反映了同样的设计：默认模式是自适应的，让模型自行决定每个动作之前要思考多少，同时为那些显然不需要思考的步骤提供非思考模式。对于一个要做出数百个连续决策的智能体来说，逐步思考控制是一种成本杠杆，而不是质量旋钮，真正重要的是默认设置。

GPT-6 Astra 的定位更广泛，其计算机使用叙事还伴随着一套以长时间运行为前提的价格结构。OpenAI 面向长时程、端到端的专业工作来销售它——将一项任务从指令变为成品，像人一样使用计算机——而 1,050,000 token 的窗口正是让这类运行无需摘要即可实现的规格。对于智能体必须仍能找到几小时前被赋予的某项要求的那类任务来说，这是一个真正的优势；这也是 272,000 token 档位存在的原因，任何把 Astra 作为智能体来运行的人，都应把该档位理解为这一功能的代价，而不是惩罚。

关于 Astra 的两个运行事实，应当纳入任何将其作为智能体平台进行的评估，因为二者都会影响生产循环。在 Artificial Analysis 的评测中，其实测吞吐量为每秒 44.6 个输出 token，当一百个动作中的每一个都在等待响应时，这个速度已经慢到足以构成问题。而且，Astra 是首个跨过该公司关键网络安全能力阈值的 OpenAI 模型，这意味着在交付版本中，它会拒绝高级网络任务，并且安全防护机制位于请求路径中——在 ChatGPT 和 Codex 中，用户可能会被要求审核某个操作；而在 API 上，任务只会直接停止。对于防御性安全智能体来说，这是一个实实在在的限制；对于普通业务流程智能体来说，它则基本不可见。

同时运行两者，以及路由器对此会做些什么

Nex-N2.5 Pro 并未上架 OrcaRouter，本页面也没有声称它已上架——它是来自一家较新实验室的 Apache-2.0 检查点，获取它的途径是 Nex-AGI 自有的托管服务、第三方平台，或是其模型卡中记录的八卡 H100 部署。GPT-6 Astra 已以 openai/gpt-6-astra 的形式收录在我们的目录中，按 OpenAI 的标价原样转售，我们的加价为 0%，因此其四项计价指标中任何一项发生变动，都会在公布当天同步到您现有的密钥上。

这种拆分正是让混合集群变得实用而非停留在理论层面的原因。一个想要弄清自托管的 computer-use agent 能否胜任自身工作负载的团队，可以把按量计费的模型放到它已在调用的同一个 OpenAI 兼容端点之后，将一部分流量指向该 checkpoint，然后比较每美元完成的任务数，而不是每次调用的 token 数——这是唯一能回答该问题的计量单位。自动故障转移能在无人编写第二套集成的情况下应对部署不顺的日子，也能应对 API 不顺的日子。本页一直在做的比较，是成本结构之间的比较，而成本结构是你要在自己的流量上测试的东西，而不是从一张价目表上读来的。

该运行哪一个

如果计算机和浏览器操作本身就是产品，而非产品的一项功能，或者你已经在运营 GPU 算力，又或者 Apache-2.0 对你具有决定性意义——因为智能体所触及的数据不能离开你的基础设施——那就选择 Nex-N2.5 Pro。在安排其他任何预算之前，先为节点留出预算；在依赖 OSWorld-2 的分数之前，先自行做一次评估——产出该分数的测试框架尚未公开，在它公开之前，56.4 只是一个说法，而不是结果。

如果工作需要处理超长上下文的最顶端场景，如果你想用独立排行榜来对照厂商表格，或者如果你根本不想自己运行 GPU，那就选择 GPT-6 Astra。其价格为每百万 token 10.00 美元和 50.00 美元，每完成一个索引任务 3.26 美元——这是本次比较中最昂贵的选项，也是运营开销最低的选项。不要把它用于短提示、高并发的智能体；在这种请求规模下，你是在为一项更便宜的模型就能完成的工作负载支付旗舰级费率，而那个足以证明该价目表合理的 272,000-token 区间，你永远不会用到。

值得保留的总结是：这两者的定价受不同约束条件影响。Nex-N2.5 Pro 的成本是一个节点，使用得越多，其经济性就越好。GPT-6 Astra 的成本是一个计量表，无论使用多少，其经济性都保持不变。对于一个持续运行的计算机使用代理来说，这种差异累积的速度比它们之间的任何基准测试差距都要快。

发布也是回查以往出过哪些问题的时刻：围绕这一类模型，有记录的 AI 事故和智能体故障都汇集在 OrcaRouter AI 事故档案库中，其中每条记录都附有自己的信息来源、严重程度、置信度等级和争议标记。