Nex-N2.5 Pro vs GPT-5.6 Sol：新進者的廠商編號落後於現任者的獨立編號

我們就來說那個唯一能讓兩邊分數並排擺放的基準測試，以及它為何作為發佈依據時，操作次序根本就是錯的。Nex-AGI 的模型卡為 Nex-N2.5 Pro 在 OSWorld-2 上給出 56.4 分，量測是在聯盟自家開發、外界從未見過的 NexCUA 測試平台上完成。BenchLM 在 8 月 29 日更新的 OSWorld 2.0 排行榜則把 GPT-5.6 Sol 放在 62.6 分——這是個獨立數字，直接壓過新進者的廠商自報分數。即便是在這個才推出一天的新模型主場——也就是螢幕讀取與電腦操作，這正是它量身打造的唯一用途——那款被拿來對比的成熟通用模型，連加註星號都不用就能超前。Nex-N2.5 Pro 對上 GPT-5.6 Sol，在由新進者製造商以外的人所量測的任何層面上，都不是一場勢均力敵的比賽。這是一則說明正式生產紀錄究竟有何價值的個案研究；光是這一點，就值得一讀。

這兩款模型在意圖上幾乎算不上是競爭對手。Nex-N2.5 Pro 於 2026 年 9 月 8 日發布，是一款擁有 3970 億參數的稀疏混合專家模型，活躍參數約 170 億，支援多模態（文字與影像輸入、文字輸出），源自 Qwen3.5 系譜並經後訓練，專為透過視覺回饋迴路操作電腦與瀏覽器而打造。其 Apache-2.0 權重在 Hugging Face 上仍標示為「即將推出」，目前唯一上線的版本是 Nex-AGI 從其模型卡連結的免費代管端點。GPT-5.6 Sol 是 OpenAI 為「最艱鉅任務」打造的旗艦模型——涵蓋深度多步驟推理、大規模軟體工程與長程自主代理工作流程——自 7 月 9 日起於 API 提供，採封閉權重，如今背負著曾是業界前沿參考基準的重擔，直到 OpenAI 於 9 月 3 日推出 GPT-6 Astra。Nex-N2.5 Pro 是尚未釋出自身權重的專家型模型，而 GPT-5.6 Sol 則是已通過驗證的通才型模型，兩個月來持續承載著業界最嚴苛的生產流量。

GPT-5.6 Sol 是帶有檔案的模型

先從 Sol 有而 Nex-N2.5 Pro 沒有的東西說起：一份實測紀錄。自 7 月 9 日起，GPT-5.6 Sol 就一直在獨立測試框架中運行，接受安全研究人員的密集考驗，並被整合進 Agent 框架與 Codex 工作流程。其獨立量測結果既深入且公開：在最大推理設定下，Artificial Analysis Intelligence Index 為 61；同一獨立測試框架測得 Terminal-Bench 2.1 為 88.0、DeepSWE 為 73.0；實測輸出速度約每秒 71 個 token，每個 Intelligence Index 任務的成本約為 0.95 美元。這些都不代表它無法被擊敗——OpenAI 之後已將 GPT-6 Astra 置於其之上——但其中每一個數字，都是 OpenAI 以外的人所測得的。Nex-N2.5 Pro 在任何地方都沒有獨立評測紀錄，其原因在於結構性限制：聯盟之外沒有人能運行它。

兩者都有數字的那一個基準

OSWorld 的比較是目前可取得最清晰的參考數據，因此在採用之前，有必要先說明其前提限制。Nex-N2.5 Pro 的 56.4 分，是 Nex-AGI 透過自家 NexCUA 測試框架，在 OSWorld-2 上自行測得的結果。GPT-5.6 Sol 的 62.6 分則來自 BenchLM 的 OSWorld 2.0 排行榜，這份第三方快照的日期為 2026 年 8 月 29 日，榜上列出十五個模型，其中 Claude Opus 5 以 70.6 分居首，GPT-5.6 Sol 以 62.6 分居次，GPT-5.6 Terra 以 50.2 分排第三。「OSWorld-2」與「OSWorld 2.0」關係密切，但尚未被證明完全相同，因此確切的四到六分差距應視為方向性參考，而非精確數值。在排除這些前提限制後依然成立的是排序：就雙方各自能提出的最佳數字而言，獨立的 Sol 分數勝過了 Nex 在自己選擇公布的基準測試上提出的 Nexus 自家分數。一個新進者若自家的數字低於現任者的獨立數字，就很難提出令人信服的理由來說服用戶轉換。

規格信封

規格表的其餘部分也遵循同樣的方向：

• 已發布 — Nex-N2.5 Pro：2026年9月8日（託管端點已上線，權重待發布）。GPT-5.6 Sol：2026年7月9日，全面可用。

• 規模 — Nex-N2.5 Pro：總參數397B／MoE活躍參數約17B。GPT-5.6 Sol：參數數量未公開。

• 模態 — Nex-N2.5 Pro：文字與影像輸入、文字輸出、電腦操作視覺迴圈。GPT-5.6 Sol：文字、影像與檔案輸入、文字輸出，具備工具呼叫與 JSON 模式。

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

• 推理控制 — Nex-N2.5 Pro：無 / 中（適應性，預設）/ 高。GPT-5.6 Sol：推理強度可達最大，另有一個獨立的快速處理層級。

• 權重 — Nex-N2.5 Pro：Apache-2.0，即將推出。GPT-5.6 Sol：封閉。

• 每1M tokens的價格— Nex-N2.5 Pro：免費代管層級，無定價。GPT-5.6 Sol：自8月21日起促銷牌價 $4.00 / $20.00，快取輸入 $0.40，當輸入超過272K tokens時，重新分級至 $8.00 / $30.00。

Sol 的約 1.05M-token 上下文與 128K 輸出上限，在長期任務上讓 Nex-N2.5 Pro 的 262K 視窗相形見絀；而 Sol 的價格雖然遠說不上便宜，卻是一個預算能掌握的既定數字。Nex-N2.5 Pro 的免費方案是它唯一站得住腳的數字，但那並非價格。

一天前分數的價值

Nex-N2.5 Pro 的每一項基準測試宣稱——OSWorld-2 的 56.4、Terminal-Bench 2.1 的 82.7、SWE-Bench Pro 的 61.2、BrowseComp 的 89.7——都共享一個特性：它們都由 Nex-AGI 產生，透過的是聯盟聲稱將開源、但迄今尚未開源的一套測試框架。這些數字沒有一項被獨立重現過，因為根本無從重現：權重無法下載，「即將推出」的橫幅上也沒有任何日期。在這次對決中，這一點比多數情況都更關鍵，因為 Nex-N2.5 Pro 被拿來比較的對象，擁有業界最長的獨立實測紀錄。當挑戰者的整個證據基礎都是自我申報，而現任者卻不是如此時，舉證責任完全落在挑戰者身上；免費的端點並不能免除這項責任。等到分片落地、獨立實驗室真正跑起 Nex-N2.5 Pro，本文的數字就變得可查核，這番比較才算數。在那之前，「隔夜分數」才是最準確的說法——這個分數無法檢視，因為它出自一個無法運行的模型。

價格、路線與決策的形態

成本正是雙方最難比較的面向，因為只有一方有成本。GPT-5.6 Sol 的 $4.00 / $20.00 費率是 OpenAI 自 8 月 21 日起生效的促銷牌價，官方表示至少會持續到 11 月 21 日，較先前的 $5.00 / $30.00 調降——這項降價讓旗艦模型在大規模代理（agentic）工作負載上變得容易負擔許多，而無加價轉發（pass-through）的路由服務也會在 OpenAI 調價當天同步反映。Sol 在 OrcaRouter 上以該牌價供應、完全不加成，批次（batch）與快速（fast）兩種層級也都與其他 200 多個模型一樣，可用同一組 API key 存取；如此一來，團隊可以把需要 OpenAI 深度能力的請求導向 Sol，其餘請求則交給更便宜的模型。Nex-N2.5 Pro 沒有牌價，只有免費的託管端點——這對評估模型來說是很好的方式，但作為生產環境預算的依據卻很糟。你無法圍繞一個不存在的數字來規劃支出，也無法以尚未釋出的權重來規劃架構。

這次對決真正迫使你做出的決定關乎風險，而非能力。如果你需要一個下一季仍會存在、價格已知、故障樣態已知，且背後有數月對抗性測試的模型，GPT-5.6 Sol 是理性之選——而 OpenAI 在其之上推出 GPT-6 Astra，反而更強化這個論點，因為 Sol 如今是價格調降後直接瞄準生產規模的成熟主力。若你以開放權重建構電腦使用代理，且能等待可驗證的成果，Nex-N2.5 Pro 值得關注——一個 17B 啟用參數的多模態專家，正是那種一再在成本上壓過封閉前沿的模型形態。但「關注」才是關鍵詞。在製造者以外的任何人所衡量的每個維度上，Nex-N2.5 Pro 都落後於持有檔案的那個模型；在權重釋出之前，比較就到此為止。