GPT-6 Astra 對決 Nex N2.5 Pro：一款電腦操作代理按 Token 計費

電腦使用代理（computer-use agent）是唯一一種會讓按 token 計價不再只是抽象概念的工作負載。拿單一任務來說——開啟瀏覽器、找到一筆紀錄、填寫表單、驗證結果——一個在每個動作之間都要思考的代理，執行起來會耗費數萬個 token，然後把這件事重複一萬次。GPT-6 Astra，OpenAI 於 2026 年 9 月 3 日推出的旗艦模型，對此收費為每百萬輸入 token 10.00 美元、每百萬輸出 token 50.00 美元，且超過 272,000 個 token 後費率加倍。Nex-N2.5 Pro，Nex-AGI 於 2026 年 9 月 8 日發表的 3,970 億參數電腦使用模型，正是為同一類任務打造，並以 Apache-2.0 授權發布，附有單一節點八張 H100 的部署說明。兩家廠商都公布了 OSWorld-2 的數據。但只有其中一家提供你在開始之前就能讀取的計量錶。

實際重疊的基準列

OSWorld-2 是這兩者之間最接近的共同尺規，而值得一看的是，這條共同的基準線所確立的東西有多麼少。Nex-AGI 的模型卡將 Nex-N2.5 Pro 在 OSWorld-2 上列為 56.4，同列 Claude Opus 5 的 68.3 與 Qwen3.8-Max 的 46.7，並註明這些數據引自排行榜與供應商來源。OpenAI 為 GPT-6 Astra 發布的資料則回報在 OSWorld 2.0 上達到 72.6%，每項任務約需 40 分鐘，並稱這比 GPT-5.6 Sol 每項任務少約 47% 的時間。

那兩個數字不能放在同一欄。它們由不同實驗室、在不同測試框架上、於不同日期、以不同的動作預算產生——而 Nex-AGI 明確表示，其電腦操作與瀏覽器操作評估是透過自家的 NexCUA 測試框架進行；該公司聲稱會將它開源，但至今尚未這麼做。因此，對這兩個數字最誠實的解讀是：它們只具方向性，而且範圍狹窄——OpenAI 的數字較高，兩者都是廠商自行報告，且兩者都尚未被重現。這一列真正能確立的是：兩家公司都認為 OSWorld-2 是這類模型真正重要的基準，而這也告訴你，若要等待獨立跑分，該留意什麼。

Nex-AGI 卡片的其餘部分是一張單一供應商表格，每一行都附有相同的但書：

• 電腦操作，廠商回報 — OSWorld-2 56.4、OSWorld-Verified 82.2、OSWorld-G 87.4、WebArena-Verified 67.6、WebTest 52.8、Vision2Web 68.2

• 程式編寫與文字，由廠商提供 — Terminal-Bench 2.1 為 82.7，SWE-Bench Pro 61.2，BrowseComp 89.7，AutomationBench v1.0.6 為 44.2

• GPT-6 Astra 的獨立紀錄 — 在 Artificial Analysis 智慧指數上拿下 53 分，每秒輸出 44.6 個符元，每項完成的指數任務花費 $3.26，智慧排名 216 中的第 7，速度排名 185 中的第 168

• GPT-6 Astra 的廠商紀錄 — 98% FrontierMath Tier 4、99.9% ARC-AGI-3（在 ARC Prize 的標準測試框架下為 62.7%，在供應商配接器下為 99.9%）、100% ExploitBench、57.9% Terminal-Bench 4.0

把這四行放在一起讀，不對稱就很明顯。Astra 有一個獨立排行榜和一張廠商表格，兩者彼此不一致，這至少讓你有東西可以權衡。Nex-N2.5 Pro 只有廠商表格——Artificial Analysis 上沒有它的收錄條目，那個排行榜上也沒有任何 Nex 模型的頁面——所以上方每一個數字都只帶有 Nex-AGI 的權威，別無其他。

卡片上的第二個數字是什麼：重物落地了

Nex-N2.5 Pro 在 Hugging Face 上的儲存庫建立於 2026 年 9 月 8 日，而在該系列發布時，模型卡上對權重標示了「即將推出」的通知。如今這個空窗期已經結束。該儲存庫目前包含 122 個 safetensors 分片，總計約 407 GB，以 Apache-2.0 授權發布，而且模型卡對服務部署方式有足夠詳細的記載，讓你無需逆向工程任何內容就能運行。

那份部署配方值得在你為這項比較計算成本之前先讀一讀，因為它對這款模型的論證力度，不亞於任何一列基準測試結果。Nex-N2.5 Pro 是稀疏專家混合模型：總參數量 3,970 億，每個 token 約有 170 億活躍參數。文件記載的部署方式是單一節點、八張 H100，執行客製化的 SGLang 版本 — nexagi/sglang:v0.5.18-nex-patch — 八張卡全部啟用張量平行，並啟用 Qwen3 reasoning parser 與 Qwen3-coder tool-call parser，上下文長度為 262,144 個 token，建議取樣參數為 temperature 0.7、top_p 0.95、top_k 40。八張 H100 是相當可觀但常見的規模。因為每個 token 只有 170 億參數會被啟動，即使權重佔用量很大，每次動作的運算量仍很小——這正是 397B 模型能讓超大規模雲端業者以外的人部署的關鍵原因。

262,144 個 token 的上下文，是決定多數代理設計的規格。Astra 的視窗為 1,050,000 個 token，輸出上限為 128,000 個 token，而自家的服務級距讓長脈絡端所費不貲：輸入超過 272,000 個 token 時，整個請求會重新計價為輸入 $20.00、輸出 $75.00，快取讀取為 $2.00，快取寫入為 $25.00。Nex-N2.5 Pro 的 262,144 個 token 服務長度恰好低於這條線，這若不是巧合，就是由某個會閱讀其他廠商定價頁面的人所寫下的規格。無論如何，實際後果是：在 Nex-N2.5 Pro 上維持長工作階段歷史的代理迴圈，永遠不會跨越那條會讓 Astra 輸入成本大致翻倍的級距界線。

在一萬多次運行中，錢都流向何處

就這類工作負載而言，以每 token 計價是錯誤的單位，而箇中原因值得具體說明。一個用一百個動作完成任務的瀏覽器代理會送出上百次請求，每一次都帶著累積的工作階段狀態。即使提示快取確實發揮了作用，輸入端仍隨動作數量的平方成長，輸出端則隨其線性成長。正是這樣的成長曲線，讓價目表變成了一條預算科目。

這兩個模型對那個形狀的回答不同，而差異主要不在於數字：

• 成本結構 — GPT-6 Astra 按用量計費為每 100 萬個 token 輸入 $10.00 / 快取 $1.00 / 快取寫入 $12.50 / 輸出 $50.00，超過 272K tokens 後價格加倍；相較於 Nex-N2.5 Pro 的按用量計費或自架方案，Nex-AGI 並未公布 Pro 等級的公開牌價

• 資本需求 — GPT-6 Astra：無，它是 API；相對地，Nex-N2.5 Pro 是單一節點、八張 H100，或是一個託管端點，其商業條款由供應商決定

• 服務時的上下文 — GPT-6 Astra 922,000 個輸入 token、128,000 個輸出，對比 Nex-N2.5 Pro 的 262,144 個 token，如啟動配置中所記載

• 推理控制 — GPT-6 Astra 的 reasoning.effort 從 low 到 max，對比 Nex-N2.5 Pro 的 reasoning_effort 提供 none、medium（自適應，預設）或 high

• 輸入 — GPT-6 Astra 依路由器列表為文字、圖像與檔案；依 OpenAI 自家頁面則為文字與圖像，對比 Nex-N2.5 Pro 的文字與圖像；其中視覺被視為代理的感知通道，而非第二種模態

• 權重 — GPT-4 Astra 封閉 vs Nex-N2.5 Pro Apache-2.0，122 個分片，約 407 GB

最後一列是改變算式、而非價格的那一列。如果你擁有那八張 H100，而且它們沒有其他用途，下一次 agent 執行的邊際成本就趨近於電費，而沒有任何按 token 計價的競爭對手能在任何用量下達到那個數字。如果你不擁有它們，比較的就是資本支出那一行，而按用量計費的 API 看起來會很便宜，就像租車和車貸相比看起來很便宜一樣——直到你每天開它，連開三年。

在這裡，自建與外購這個問題最誠實的答案是使用率。一個持續運行的代理工作負載會讓節點看起來很划算；一個在上班時間暴增、整夜閒置的工作負載，則會讓 API 的彈性值得其溢價。兩家廠商的規格表都不會告訴你你屬於哪一種，而沒有任何一列基準測試數據能取代你自己流量所產生的數字。

Nex-N2.5 Pro 的模型卡不會告訴你的一件事，就是它的價格。Nex-AGI 並未公布 Pro 層級的每 token 表定費率；這款模型最初是透過其自家模型卡所連結的託管端點率先觸及使用者，而商業條款應由廠商自行制定，而非由外部頁面來推估。本文不會刊出這樣的價格。

每一個實際上是為了做什麼而打造的

這兩者之間最清楚的差異不在於能力，而在於它們被設計圍繞的迴路。Nex-AGI 對 N2.5 系列的定位是：視覺不只是輸入模態，而是代理人藉以感知環境、驗證動作結果，並決定下一步該做什麼的介面。Nex-N2.5 Pro 是特別針對這個感知與檢查迴路，從 Qwen3.5 血統後訓練而來，應用於瀏覽器與桌面工作階段，並能根據視覺結果自我修正。它的推理控制也反映了同樣的設計：預設模式是自適應的，讓模型在每個動作前自行決定要思考多少，另有一種非思考模式，供顯然不需要思考的步驟使用。對於要做數百個連續決策的代理人而言，逐步的思考控制是成本槓桿，而不是品質旋鈕，而真正要緊的是預設設定。

GPT-6 Astra 的定位更為廣泛，而其電腦使用敘事附帶的價格結構，是以長時間執行為前提。O​penAI 將其販售用於長時程、端到端的專業工作——把一項任務從指令一路做到完成品，並像人一樣使用電腦——而 1,050,000-token 視窗正是讓那些執行得以不靠摘要化而完成的規格。對於代理必須仍能找到數小時前被交代的需求的那類任務而言，這是一項真正的優勢；這也是 272,000-token 區段存在的原因，而任何把 Astra 當作代理來運行的人，都應把該區段解讀為這項功能的代價，而不是懲罰。

Astra 作為代理平台的任何評估，都應納入兩項營運事實，因為兩者都會影響正式環境的運作循環。根據 Artificial Analysis 的測試，其實測輸送量為每秒 44.6 個輸出 token；當一百個動作各自都在等待回應時，這速度已慢到足以造成影響。而 Astra 是第一個跨越該公司 Critical 網路安全能力門檻的 OpenAI 模型，這表示在出貨版本中，它會拒絕進階網路任務，而且防護機制會位於請求路徑上——在 ChatGPT 與 Codex 中，可能會要求使用者審查某個動作，但在 API 上，任務則會直接停止。對防禦型安全代理來說，這是實質限制；對一般業務流程代理來說，這多半難以察覺。

同時執行兩者，以及路由器對此的處理方式

Nex-N2.5 Pro 並未上架 OrcaRouter，本頁也沒有如此宣稱——它是來自較新實驗室的 Apache-2.0 檢查點，而你取用它的途徑是 Nex-AGI 自家的代管服務、第三方平台，或它模型卡所記載的八張 H100 部署。GPT-6 Astra 以 openai/gpt-6-astra 名列我們的目錄，採 OpenAI 的定價表費率原樣轉嫁，我們這邊零加成，因此其四項計費項目的任何變動，都會在公布當天就套用到你現有的金鑰上。

這種分離，正是讓混合機隊變得切實可行、而非僅止於理論的關鍵。想弄清楚自架託管的電腦操作代理能否扛得住自身工作負載的團隊，可以把計量模型放到它原本就已呼叫的同一個 OpenAI 相容端點之後，把一部分流量導向該檢查點，並以每美元完成的任務數、而非每次呼叫的 token 數來比較——這是唯一能回答這個問題的單位。自動容錯移轉能涵蓋部署出狀況的日子，無須任何人再寫第二套整合，也能涵蓋 API 出狀況的日子。本頁一路以來的比較，是成本結構的比較，而成本結構是要用你自己的流量去實測，而不是從一張規格卡上讀出來的東西。

要執行哪一個？

若電腦與瀏覽器操作本身就是產品，而非產品的一項功能，就選擇 Nex-N2.5 Pro；若你已經在營運 GPU 算力，或者若 Apache-2.0 具決定性，因為代理所觸及的資料不能離開你的基礎設施，也選擇它。在編列任何其他預算之前，先編列節點預算，並且在仰賴 OSWorld-2 的數字之前，先自行評估它——產出該數字的測試框架尚未公開，而在它公開之前，56.4 只是個宣稱，而非結果。

如果工作需要處理極長脈絡的最頂端區段、如果你想用獨立評分表來對照供應商提供的資料表，或者你根本不想自己跑 GPU，就選擇 GPT-6 Astra。它每百萬個 token 要價 10.00 美元與 50.00 美元，每完成一項索引任務則為 3.26 美元——是這項比較中最貴的選項，也是營運負擔最低的一個。別把短提示、高流量的代理跑在它上面；在這種請求規模下，你等於是用旗艦級費率去支付較便宜模型就能完成的工作負載，而那個足以合理化這份價目表的 272,000 token 區間，是你永遠不會用到的。

值得保留的總結是，這兩者是以不同的限制條件來定價的。Nex-N2.5 Pro 的成本是一個節點，而且你用得越多，其經濟效益就越好。GPT-6 Astra 的成本是一個計量錶，而且無論你用多少，其經濟效益都持平。對於一個持續運行的電腦操作代理而言，這種差異複合累積的速度，比它們之間任何基準測試差距都快。

發布也是檢查過去出了什麼問題的時機：與這類模型相關、已記錄在案的 AI 事故與代理失效，都彙整於 OrcaRouter AI Incident Archive，其中每筆條目都附有各自的來源、嚴重程度、信心等級與爭議標記。