Step 5 Preview 对比 Nex N2.5 Pro：一个你能核实的数字，一个你无法核实

围绕Nex N2.5 Pro流传的数字是 82.7，这是其厂商在 Terminal-Bench 2.1 上报告的分数。围绕Step 5 Preview在同一名称的基准测试上流传的数字是 33%。这两个数字并不可比，而它们却经常被并排摆在一起，这最清楚地说明了这场对比所存在的问题：其中一个模型是由其制造商以外的人测量的，而另一个则根本没有被任何其他人测量过。Step 5 Preview 于 2026 年 9 月 20 日在 StepFun 的 API 上线，并于 10 月 15 日发布了其权重。Nex N2.5 Pro 于 9 月 8 日发布公告，并在公告后数日内在 Hugging Face 上发布了其 Apache-2.0 检查点。两者均可下载。但只有其中一个能够从外部进行评分。

这种不对称并非在贬低 Nex N2.5 Pro 的工程实力。它是在陈述证据的状况，而采购决策恰恰要靠证据来支撑。

权重已上线，Nex N2.5 Pro 现在是什么

许多报道仍在把 Nex N2.5 Pro 描述成一个权重“即将发布”的模型，因为它的模型卡片在九月的第一周就是这么写的。这些 checkpoint 其实自九月中旬起就已公开：一个 3970 亿参数的混合专家模型，每个 token 约激活 170 亿参数，基于 Qwen 3.5 谱系进行后训练，采用 Apache-2.0 许可。任何仍称它尚未发布的人，都是在照着过时的页面说话。

没有改变的是评测状况。厂商的基准数据——Terminal-Bench 2.1 上的 82.7、SWE-bench Pro 上的 61.2、BrowseComp 上的 89.7、OSWorld-G 上的 87.4——都是通过 NexCUA 得出的，这是该联盟自有的计算机使用测试框架；它表示打算将其开源，但至今尚未这么做。没有任何独立评估方为该模型上线评测页面。这种缺失并非时间安排上的偶然，而是一个贯穿权重可下载的整个时期始终存在的缺口。

可以进行的比较

以下全部内容均来自已发表的来源，而不是来自同一次运行，而且每一行都注明了该数据出自哪里。这就是这对组合所能达到的诚实上限。

• 参数 — Step 5 Preview：总计 600B，活跃 27B。Nex N2.5 Pro：总计 397B，活跃约 17B。

• 上下文 — Step 5 Preview：100 万 tokens。Nex N2.5 Pro：262,144 tokens，有文档记录的输出上限接近 236K。

• 模态 — Step 5 Preview：输入文本、图像和视频，输出文本。Nex N2.5 Pro：输入文本和图像，输出文本，并将视觉定位为计算机操作的反馈通道。

• 推理控制 — 第 5 步预览：思考功能始终开启，但设有低/中/高三档力度调节。Nex N2.5 Pro：无、中（自适应，默认）与高三档，因此推理可完全关闭。

• 权重 — Step 5 Preview：BF16 与 FP8，遵循 StepFun Model License 1.0。Nex N2.5 Pro：Apache-2.0。

• 价格 — Step 5 Preview：按 StepFun 的价目表，每百万 token 输入 $1.00、输出 $2.70、缓存 $0.10。Nex N2.5 Pro：提供免费托管层级，厂商未公布标价。

在许可证这一项上，Nex N2.5 Pro 是唯一明显更简单的地方。Apache-2.0 对任何法务团队来说都是已知项；StepFun 的许可证则带有需要建模的商业门槛。上下文这一项则相反，差距接近四倍——如果你的智能体要读取整个代码仓库或文档集，这一点就很重要。

无法进行的比较

要把这两个置于同一轴线上，需要三样东西，而这三样都不存在。

首先，先说明共同的基准版本。Terminal-Bench 2.1 和 Terminal-Bench 4.0 是不同的测试，任务集不同，评分方式也不同，在一个测试上的得分并不能说明另一个测试的表现。82.7 这个数字来自 2.1；33% 这个数字来自 4.0。任何把它们当作正面交锋来呈现的人，都是在拿短跑时间对比马拉松的分段成绩。

其次，共同的评测框架。Step 5 Preview 的数据来自一个公开的榜单，该榜单对其中列出的每个模型都运行一套固定的评测套件。而 Nex N2.5 Pro 的数据则来自其自家厂商编写且尚未发布的软件。即便基准测试的名称相同，其底层框架也截然不同。

第三，任何形式的独立解读。在发布智能指数的评测机构那里，没有 Nex N2.5 Pro 的页面。我们直接核查了这一点，而不是根据搜索结果缺失来推断；今天的答案与九月时一样：什么都没有。

在不越界的前提下能说的范围更窄，但仍然有用：Nex N2.5 Pro 宣称在基准测试中具备强大的智能体性能，而 Step 5 Preview 在这些基准测试中经独立测量所得的成绩处于中游。这只是测试它的理由，而不是相信它的理由。

一个免费端点到底值多少

Nex N2.5 Pro 的托管套餐免费，这就把价格比较变成了风险比较。由于没有公开标价，因此没有可用来建模的参照基准，也没有信号表明厂商认为该模型值多少。第三方列表显示，根据托管商不同，每百万输入 token 的价格低至几十美分，而且这些价格彼此矛盾严重，不应将其中任何一个视为厂商的立场。

免费同样有可用性成本。监控免费端点的追踪工具报告了间歇性可用——这是第三方观察，而非供应商数据；这种事对原型毫无意义，对生产路径则足以一票否决。你无法依赖的模型并不便宜；它是发票上标价为零的未定价风险。

相比之下，Step 5 Preview 的 0.54 美元混合费率以及每完成一项索引任务 2.35 美元的费用，从绝对金额来看确实昂贵，却完全清晰可查。你可以根据公开的费率卡预估账单。但你无法根据一个条款尚未写明的免费套餐来预估账单。

Step 5 Preview 的记录有所不同，但并非更好

有必要准确说明 Step 5 Preview 究竟具备什么，因为“它有一个分数”低估了差异，而“它更好”则夸大了差异。Step 5 Preview 在当前版本的人工分析智能指数上得分为 29——并非发布报道所引用的 44，因为该指数版本此后已被替换。在其对比类别中，它位列十七个中的第六，输出速度为每秒 179 个 token，每个指数任务花费 2.35 美元。这些读数来自同一次运行、可复现，并由一个对结果没有商业利益的评估方产生。

它能给你的是一个基线。你知道这个模型相对于五十多个以同样方式测量的其他模型处于什么位置，这意味着你无需租用 GPU 就能做出初步决策。但它不能向你保证 Step 5 Preview 会在你的工作负载上胜过 Nex N2.5 Pro。在编程和自动化方面，Step 5 Preview 的独立结果平平无奇——在 FrontierCode 2.0 上为 12%，在 Terminal-Bench 4.0 上为 33%——而一个拥有强烈但未公开的智能体能力主张的模型，恰恰可能是能超过这些数字的那类模型。关键在于，你要自己去弄清楚，而不是从一张卡片上读出来。

每个分别属于谁

Nex N2.5 Pro 面向这样一些团队：他们构建 computer-use 和浏览器智能体，愿意在正式采用前自行运行评估，并且看重 Apache-2.0 许可证以及能适配普通硬件的 17B 激活参数规模。免费端点让试用成本很低；未公布标价则让生产部署决策变得艰难。请把厂商基准测试当作一个假设——其背后有一个看似合理的机制：一个源自 Qwen 系、经过读屏任务后训练的 MoE——而不是把它当作结果。

Step 5 Preview 适合工作负载属于长上下文且知识密集型、并且需要可预测价格的团队。它是更昂贵、也更清晰易读的选项，其许可证提出了一个超大规模的问题，而 Nex 的许可证则没有。

这两者目前都不在 OrcaRouter 的产品目录中，因此本文无法为其中任何一个指出更便宜的端点。对于此类决策，该平台能提供的是通过一个密钥接入的其余整套服务：200 多款模型按提供商标价提供，且无加价，因此供应商的价格变动当天就能传达到你这里，并且自动故障转移，这样你仍在试用中的模型就绝不会成为单点故障。对于尚未验证的模型，行之有效的模式是：将其置于经过验证的后备方案之后，先把一小部分真实流量路由给它，进行衡量，然后再转移份额。这比基准测试比拼更便宜，也比厂商宣传卡信息量大得多。

如果你今天就需要一个答案，Step 5 Preview 是你能在设计评审中说得清的那个，因为与它相关的每一个数字都能由在场的人核查。如果你正在构建计算机使用智能体，并且能承担评估工作，那么 Nex N2.5 Pro 是更有意思的赌注——尝试成本更低、更难辩护，而且确实未经测量。要避免的错误是把 82.7 当作事实、把 $1.00 当作劣势，却没注意到这两个数字中只有一个有第二个来源。