Nex-N2.6 对比 Nex-N2.5 Pro：更小的基础模型、更高的价格，以及一场无人进行过基准测试的迁移

两个月分隔了Nex-N2.5 Pro和Nex-N2.6，而较新的模型反而是较小的那个。Nex-AGI 于 2026 年 9 月 8 日发布的 Nex-N2.5 Pro，是一个 3970 亿参数的混合专家模型，基于 Qwen3.5 基座进行后训练，采用 Apache-2.0 许可，其 122 个权重分片存放在 Hugging Face 上，供任何人下载。Nex-N2.6 自 2026 年 11 月 10 日起上线，基于 GLM-5.3-Flash 进行后训练，拥有约 3210 亿参数，标价为每百万 token 0.12 美元 / 0.40 美元，而其前身为 0.075 美元 / 0.25 美元，并指向一个没有凭据就无法打开的 Hugging Face 仓库。同样是 262,144 token 的上下文窗口。同样是文本和图像输入。底层基础模型不同，账单高出 60%，而且——到目前为止——没有任何已发布的数据对两者进行比较。

如果你已经在运行 Nex-N2.5 Pro，那么这种组合应该让你警惕，而不是好奇。这不是一次无缝的版本号升级，而是将底层迁移到另一家实验室的架构之上，并以溢价出售，而本可证明其合理性的证据却仍未公布。

版本号隐藏了什么

版本号意味着连续性。在这个系列中，数字的作用却另有所指：N2.5 Pro 与 N2.6 共用同一个服务窗口和同一种输入模态，而在此之下的内容几乎毫无共同之处。

基座 — Nex-N2.5 Pro 是在 Q​wen3.5 混合专家检查点的基础上后训练而来，连 Q​wen 分词器也一并沿用；Nex-N2.6 则来自 GLM-5.3-Flash，这是 Z.ai 的 3200 亿参数原生多模态模型，采用稀疏与线性混合注意力设计。不同的实验室、不同的分词器、不同的聊天模板、不同的工具调用解析器。

• 规模 — 总参数为 3970 亿，每个 token 约 170 亿激活参数；相比之下，总参数约为 3210 亿，而 Nex-AGI 尚未公布 N2.6 的激活参数数量。

• 每百万 token 的价格 — Pro 为输入 $0.075 / 输出 $0.25；N2.6 为输入 $0.12 / 输出 $0.40，而挂牌信息将其呈现为较 $0.15 / $0.50 的标价优惠 20%。因此最终价格可能会翻倍，而不只是高出 60%。

• 推理 — Pro 接受无、中、高三种力度，默认高，因此对于廉价的机械性轮次，你可以关闭思考。N2.6 仅接受高和中，默认高，且完全无法关闭。

• 权重——Pro 在 Hugging Face 上采用 Apache-2.0 许可，可完全下载。N2.6 所链接的仓库无法公开访问。

• 厂商基准测试——Pro 拥有一张完整的公开表格，涵盖编码、智能体和多模态测试套件。N2.6 只有一句话：它减少了重复推理，并且比 Pro 更紧密地遵循当前环境中可用的工具。

供应商确实给出的那一个数字

那句话就是整个比较性论断，而且是一种特定类型的论断：它描述的是工具调用纪律，而不是能力。善意地解读，它是在说 N2.6 花更少的 token 去重新推导它已经知道的东西，并更关注你实际暴露给它的工具。怀疑地解读，它是在说这个模型是针对供应商观察到的一种故障模式调优的，却没有展示那次观察。

对于任何运行智能体的人来说，这种区别比一个基准测试分数更重要。在长时程智能体循环中，代价高昂的失败很少是给出了错误答案；而是经过十九个冗余推理步骤和四次浪费的工具调用之后才得到的正确答案。一个真正能减少重复的模型，即使它在静态评估中得分完全相同，其价值也可能超过它 60% 的溢价，因为你支付的是每个已完成任务的 token 数，而不是每次调用的 token 数。

但这个推论令人不安。Nex-N2.6 的强制推理与这一说法直接相关：一个始终以高强度思考的模型会在每一轮都消耗输出 token，连微不足道的轮次也不例外。如果禁用推理的 Pro 处理你的短调用只需不到一美分，而 N2.6 必须逐一思考，那么重复带来的节省必须相当可观才能勉强打平。它们是否真的如此，恰恰是没人测量过的事。

Nex-N2.5 Pro 已发布的表格仍能告诉你什么

旧模型的数字由厂商报告——Nex-AGI 自己的测试框架、自己的提示设置，没有独立复现——应将其视为方向性参考。但这些数字确实存在，而且很具体，它们确立了一个 N2.6 尚未在公开场合超越的下限：

• 编程 — Terminal-Bench 2.1 为 82.7，SWE-Bench Pro 为 61.2，DeepSWE v1.1 为 55.8。

• 智能体 — AutomationBench v1.0.6 为 44.2，Toolathlon Verified 为 68.5，BrowseComp 为 89.7，Job Bench 为 41.4。

• 计算机使用 — OSWorld-Verified 为 82.2，OSWorld-2 为 56.4，OSWorld-G 为 87.4，WebArena-Verified 为 67.6。

• 知识工作 — GDPval-AA v2 达 1,628 Elo。

与 Nex-AGI 在其旁边列出的对比列对照来看，整体格局颇具信息量：Pro 在大多数行上落后于 Claude Opus 5，但在工具使用套件上与 GPT-5.6 Sol 和 Kimi-K3 仅相差几个百分点，并在 OSWorld-2 上击败 Qwen3.8-Max。这是一个可信的开放权重智能体模型，但并非领先者。N2.6 必须超越它才值得迁移，而目前没有任何页面可供核查。

有一个后果值得直说：由于 Pro 的权重以 Apache-2.0 许可提供下载，你可以自行在自家任务上运行它的评测，无需征得任何人的许可。而 N2.6 在任何意义上都做不到这一点——权重不行，模型卡不行，公开分数也不行。对于一支要做六个月基础设施押注的团队来说，可验证性本身就是一项特性，而这次发布在这一点上是倒退的。

迁移机制，说实话

切换只差一个基础 URL 和一个模型字符串，正因如此，人们很容易把它当成免费操作。但事实并非如此。分词器一变，token 计数就会变化，因此在重新测量之前，你的成本模型以及任何按 token 计数的上下文预算逻辑都只能是近似值。聊天模板一变，原本能可靠地教会 Pro 其工具方言的系统提示词，可能会教给 N2.6 别的东西。而强制推理模式意味着延迟特征会改变：一个在 Pro 上本可即时回答诸如“哪个文件包含这个符号”这类简单回合的智能体循环，现在默认会先以高强度进行思考。

务实的做法是进行影子运行，而不是直接切换。把同样的真实流量同时发给两个模型，持续一周，用模型之外的手段来评判结果，并衡量每个已完成任务所消耗的 token，而不是延迟或每 token 价格。无论结果如何，都要保持 Pro 仍可访问——它是这两者中唯一你还能自行托管（self-host）的，而可下载的 Apache-2.0 检查点是一种仅提供托管服务的模型无法提供的后备方案。

这也是网关真正体现其价值、而不只是图方便的地方。OrcaRouter 将模型置于一个兼容 OpenAI 的端点之后，并允许你在路由 DSL 中定义回退链——先使用廉价模型，按规则升级，而不是重新部署——因此，让 N2.6 与 Pro 对比测试只需改一次配置，而不用改代码；回滚也只需再改一次配置。需要说明的是，这两个都是我们不托管的模型：目前 Nex-N2.5 Pro 和 Nex-N2.6 都不在 OrcaRouter 的目录中，因此实际操作中，这意味着你需要保留自己的密钥，并让路由层同时持有两条路径。无论哪种方式，回退的计算逻辑都是一样的。

如今在哪些情况下更便宜的型号已不再是最佳选择

对这家产品的大多数用户来说，迁移的理由并不充分，这一点值得直接说明。如果 Pro 运行正常，迁移的唯一理由就是 Nex-AGI 提到的两种行为——更少的重复和更严格的工具遵循——而你在尝试之前无法验证其中任何一点。这次迁移的其他方面要么中性要么负面：更小的基座模型，且未公布活跃参数数量；更高的价格，折扣结束后可能翻倍；无法禁用推理；以及一份你无法阅读的模型卡。

另一边也存在一个狭窄但真实的理由。那些智能体因浪费的轮次而受瓶颈、提示词短到 262K 窗口不构成限制，并且拥有足够好的评分框架以区分真实改进与噪声的团队，可以从尽早行动中获益——绝对价格足够低，以至于做实验的成本比为此开会的成本还低。对于任何希望在智能体循环背后使用 GLM 系列分词器和工具调用行为的人来说，同样如此；{{1}}N2.6 是一个经过后训练并带有智能体调优的 GLM-5.3-Flash{{/1}}，这与原始基础模型是两回事。

怎样才能了结此事？

三份公开材料就能把这件事从猜测变成比较，而且都不需要什么特殊条件。第一，Nex-N2.6 自己的模型卡，配上 Nex-AGI 为 N2.5 系列公布过的同一张表——厂商已经知道该怎么发布这样的表。第二，以可使用的许可证发布权重，这样社区就能在同等基础上并排运行 Pro 和 N2.6，而不是只信一句话。第三，在公开排行榜上给出第一个独立评分，哪怕只是中等水平，因为一个经过测量但表现平庸的模型，比一个未经测量却看似有前景的模型更有用。

到那时为止

诚实的总结是，Nex-AGI 发布了一个换过基座、更贵、文档更少的后继模型，而它所接替的模型仍然可用、仍然更便宜、仍然可下载，并且仍然是两者中唯一附有数据指标的那个。这并不是忽视 N2.6 的理由——对合适的团队来说，提前获得一个针对工具调用纪律调优的模型是有价值的——但这确实是不应仅凭一个版本号和一个折扣就迁移一条正在运行的生产路径的理由。

如果你想要一条规则：当你自己的追踪数据显示出 Nex-N2.6 声称要修复的问题时再切换，无论如何都保留 Nex-N2.5 Pro 作为回退部署，并在 20% 优惠失效的那天重新核对价格。继任者的理由完全建立在供应商所描述、却无人实际测量过的行为上。