Nex-N2.5 Pro 对比 GPT-5.6 Sol：新兴者的厂商编号落后于在位者的独立编号

把双方都有分数的那个基准并排摆出来，就会发现这次发布在操作顺序上就搞错了。Nex-AGI 的规格页给 Nex-N2.5 Pro 在 OSWorld-2 上打出 56.4，这是在该联盟自家的 NexCUA 测试框架上测得的，而公众从未见过这套框架。BenchLM 的 OSWorld 2.0 排行榜（8月29日更新）将 GPT-5.6 Sol 列为 62.6——一个独立数字，直接压过了新来者的厂商自报数字。在这个发布仅一天的模型的主场上——屏幕读取与电脑操作，也就是它唯一被专门打造去做的事——它所被拿来比较的成熟通用模型，连一个星号注释都不需要就能胜出。Nex-N2.5 Pro 对比 GPT-5.6 Sol，在任何一个由新来者厂商以外的人实测过的维度上，都不是一场势均力敌的较量。这是一个关于生产记录价值几何的案例研究，单凭这一点就值得一读。

这两款模型在定位上几乎算不上竞争对手。Nex-N2.5 Pro于2026年9月8日发布，是一款拥有3970亿参数的稀疏混合专家模型，激活参数约170亿，支持多模态（文本与图像输入，文本输出），基于Qwen3.5系列后训练而来，专为通过视觉反馈回路操作计算机和浏览器而构建。其Apache-2.0权重在Hugging Face上仍标注为"即将推出"，目前唯一已上线运行的版本是Nex-AGI从其模型卡中链接出来的免费托管端点。GPT-5.6 Sol是OpenAI主打"最艰巨任务"的旗舰模型——深度多步推理、大规模软件工程和长周期智能体工作流——自7月9日起已在API中提供，采用闭源权重，并且曾作为前沿参照基准的分量一直延续到OpenAI于9月3日推出GPT-6 Astra为止。如果说Nex-N2.5 Pro是一个尚未发布自身权重的专精选手，那么GPT-5.6 Sol则是一个久经考验的通用选手，已面向业界要求最严苛的生产流量稳定交付了两个月。

GPT-5.6 Sol 是带有文件的模型

先说说 Sol 拥有而 Nex-N2.5 Pro 没有的东西：一份测试记录。自 7 月 9 日以来，GPT-5.6 Sol 已在独立测试框架中运行，经受安全研究人员的反复考验，并被纳入智能体框架和 Codex 工作流。它的独立测量数据深入且公开：在最大推理设置下，Artificial Analysis Intelligence Index 得分为 61；在同一独立测试框架下，Terminal-Bench 2.1 得分为 88.0，DeepSWE 得分为 73.0；实测输出速度约为每秒 71 个 token，每个 Intelligence Index 任务的成本约为 0.95 美元。这些都不意味着它不可战胜——OpenAI 后来将 GPT-6 Astra 定位在它之上——但其中每一个数字都是 OpenAI 之外的第三方测得的。Nex-N2.5 Pro 在任何地方都没有独立的评测记录，这有一个结构性原因：联盟之外没有人能运行它。

两者都有数字的那个基准

OSWorld 对比是目前能获得的最清晰参照，因此在采用之前，有必要先说明其注意事项。Nex-N2.5 Pro 的 56.4 是 Nex-AGI 通过其 NexCUA 测试框架在 OSWorld-2 上自行测得的结果。GPT-5.6 Sol 的 62.6 则来自 BenchLM 的 OSWorld 2.0 排行榜；该榜单为第三方快照，日期为 2026 年 8 月 29 日，共列出 15 个模型，其中 Claude Opus 5 以 70.6 居首，GPT-5.6 Sol 以 62.6 位居第二，GPT-5.6 Terra 以 50.2 位居第三。“OSWorld-2”和“OSWorld 2.0”是近亲，但尚未被证明完全相同，因此四到六分的具体差距应视为方向性参考，而非精确数值。经过这些注意事项过滤后依然成立的是排序：按照双方各自能给出的最佳数字，独立的 Sol 成绩在 Nex 自己选择发布的基准测试上战胜了 Nex 的厂商自测成绩。一个后来者，如果自己的数字低于现有者的独立数字，就无法给出令人信服的切换理由。

规格信封

规格表的其余部分也遵循同样的方向：

• 已发布 — Nex-N2.5 Pro：2026年9月8日（托管端点已上线，权重待发布）。GPT-5.6 Sol：2026年7月9日，正式可用。

• 规模 — Nex-N2.5 Pro：总参数397B / 约17B激活参数的MoE。GPT-5.6 Sol：参数数量未公开。

• 模态 — Nex-N2.5 Pro：文本和图像输入，文本输出，计算机使用视觉循环。GPT-5.6 Sol：文本、图像和文件输入，文本输出，具备工具调用和 JSON 模式。

• 上下文 / 输出 — Nex-N2.5 Pro：262,144 Token 上下文。GPT-5.6 Sol：~1.05M Token 上下文，128K 输出上限。

• 推理控制——Nex-N2.5 Pro：无 / 中（自适应，默认）/ 高。GPT-5.6 Sol：推理力度最高可达上限，另设独立的快速处理层级。

• 权重 — Nex-N2.5 Pro：Apache-2.0 许可，即将推出。GPT-5.6 Sol：闭源。

• 每100万Token价格 — Nex-N2.5 Pro：免费托管层级，无标价。GPT-5.6 Sol：自8月21日起促销标价为$4.00 / $20.00，缓存输入$0.40，超过272K输入Token后重新分层为$8.00 / $30.00。

Sol 约 105 万 token 的上下文和 128K 的输出上限，让 Nex-N2.5 Pro 的 262K 窗口在长周期任务中相形见绌；而且 Sol 的价格虽然远称不上便宜，却是一个预算可以建模的已定数字。Nex-N2.5 Pro 的免费层级是其唯一拿得出手的数字，而那并不是一个价格。

一天前的分数价值几何

每一项附着于 Nex-N2.5 Pro 的基准测试声明——OSWorld-2 得分 56.4，Terminal-Bench 2.1 得分 82.7，SWE-Bench Pro 得分 61.2，BrowseComp 得分 89.7——都有一个共同属性：它们出自 Nex-AGI，经由联盟声称将开源却尚未开源的测试框架得出。这些数字中没有一项被独立复现过，因为根本无从复现：权重无法下载，“即将推出”的横幅上也没有任何日期。这一点在这场对决中比在大多数场合都更关键，因为与 Nex-N2.5 Pro 对垒的模型拥有业内最悠久的独立验证记录。当挑战者的全部证据基础均系自我报告，而在位者并非如此时，举证责任完全落在挑战者一方，免费端点并不能免除这一责任。当碎片落地、独立实验室运行起 Nex-N2.5 Pro 的那一刻，这篇文章中的数字才变得可核查，比较才算真正成立。在那之前，“隔日分数”才是准确的表述——一个无法运行、因此也无法被核查的模型上的分数。

价格、路线与决策的形态

在成本方面，双方最不具有可比性，因为只有一方有成本。GPT-5.6 Sol 的 $4.00 / $20.00 费率是 OpenAI 自 8 月 21 日起生效的促销标价，据称至少持续到 11 月 21 日，较此前 $5.00 / $30.00 有所下调——这一降价使旗舰模型在大规模智能体工作负载下大幅变得更加实惠，而传递式路由会在 OpenAI 调整的当天就予以反映。Sol 以该标价上线 OrcaRouter，无任何加价，批处理层级与快速层级与 200 多个其他模型共用同一个 API 密钥即可使用，因此团队可以将需要 OpenAI 深度能力的请求路由到 Sol，而将其他一切请求交给更便宜的模型。Nex-N2.5 Pro 没有标价，只有其免费的托管端点——用来评估模型尚可，但作为生产预算的依据则很不靠谱。你无法围绕一个不存在的数字来规划支出，也无法围绕尚未发布的权重来规划架构。

这场对决真正迫使你做出的决定，关乎风险，而非能力。如果你需要的是一个下个季度仍然在线的模型——价格透明、故障特征明确，并且背后有数月的对抗性测试——那么GPT-5.6 Sol是理性的选择；而OpenAI在其之上推出GPT-6 Astra，只会让这个选择更加站得住脚，因为Sol如今已是经过验证的主力模型，其降价也直指生产规模。如果你正基于开放权重构建计算机使用智能体，并且等得起一个可以验证的方案，那么Nex-N2.5 Pro值得关注——一个17B激活参数的多模态专家模型，正是那种屡次在成本上击穿封闭前沿的模型形态。但“关注”一词才是重点。在除其制造者之外的任何人所测量的每一个维度上，Nex-N2.5 Pro都落后于有据可查的那个模型；在权重开放之前，比较就只能到此为止。