Nex-N2.6 對上 Grok 4.7：便宜十六倍、上下文只有一半，而且其中一款還有分數

之間的價差Nex-N2.6與Grok 4.7不是折扣，而是不同類別的購買。每百萬輸入 token 0.12 美元、每百萬輸出 token 0.40 美元，Nex-N2.6 的成本約為 Grok 4.7 的 2.00 美元與 6.00 美元的十六分之一——而若你的提示超過 200,000 個 token，Grok 4.7 的費率會翻倍至 4.00 美元與 12.00 美元，使輸入端的差距超過三十三比一。所以，有用的問題不是哪個模型更好。包括 Nex-AGI 在內，沒有人公布過能讓你回答這個問題的數字。有用的問題是，你用這 16 倍換到了什麼：500,000 token 的上下文窗口、兩年的公開基準測試紀錄、有文件記錄的工具呼叫契約，以及設有業務窗口的供應商——相對於一個昨天才推出、只有價格、上下文長度和一句定位說明的模型。

這兩個模型，剝除到只剩可檢驗的部分

Grok 4.7 是 SpaceXAI 的旗艦模型，於 2026 年 9 月 21 日發布，在這場對比中是成熟且經過實測的選項。Nex-N2.6 是 Nex-AGI 推出的 Nex-N2.5 Pro 後繼版本，自 2026 年 11 月 10 日起已在廠商自家的 API 上線，而它是未經實測的一方。以下逐項維度列出，並附上每項數據的來源：

• 每百萬個 token 的價格——Nex-N2.6 輸入 $0.12／輸出 $0.40（掛牌價，劃線的 $0.15／$0.50 暗示含 20% 首發折扣），對比 Grok 4.7 輸入 $2.00／輸出 $6.00，超過 20 萬輸入 token 後漲至 $4.00／$12.00（SpaceXAI 自家價目表）。

• 上下文視窗 — Nex-N2.6 為 262,144 個 token，Grok 4.7 則為 500,000 個；相較之下，SpaceXAI 允許單次呼叫最多輸出 450,000 個 token。Nex-N2.6 的輸出上限為 235,929 個。

• 輸入模式 — 兩者都接受文字和圖像並回傳文字。SpaceXAI 的文件也在 API 上列出檔案輸入；Nex-N2.6 的列表則沒有。

• 推理控制 — Nex-N2.6 是強制推理，提供高與中兩種設定，預設為高，且無法關閉思考。Grok 4.7 提供低、中、高與超高，預設為高，且當任務屬於機械性工作時，可調到其最便宜的設定。

• 基礎模型與規模 — Nex-N2.6 是在 GLM-5.3-Flash 上進行後訓練，參數約 3,210 億；SpaceXAI 完全未公布 Grok 4.7 的參數數量。

• 獨立評分 — Grok 4.7 有。Nex-N2.6 在任何榜單上都沒有。

• 權重 — Nex-N2.6 的列表指向一個 Hugging Face 儲存庫，該儲存庫回傳的是驗證提示，而非公開的模型卡。Grok 4.7 是封閉的、僅提供 API，且毫不掩飾這一點。

50 萬個 token 實際上能換到什麼

上下文差距正是 Grok 4.7 的溢價最容易站得住腳的地方，也是定價最不直觀的地方。把視窗從 262K 加倍到 500K，對代理工作而言並非可有可無的加分項；它改變的是你能在單次呼叫中嘗試哪些工作。一整個中型儲存庫的原始碼樹、包含日誌的完整事件討論串、長時間運行代理累積的暫存筆記——這一切都能放進 Grok 4.7，而在 Nex-N2.6 中則必須分塊、摘要或檢索後放入。

但請注意錢花到哪裡去了。當輸入 token 達到 200,000 時，分級費率就會啟動，因此一筆使用你所付費視窗的請求，會以每百萬輸入 $4.00 計費，而不是 $2.00。單次 300,000 token 的呼叫在 Grok 4.7 上要價 $1.20，而等效提示在 Nex-N2.6 上約為 $0.04。長上下文能力是真的，而長上下文的價格也很高，這意味著在兩種情況下合理的架構不同：使用 Grok 4.7 時，你把困難問題批次成巨大的呼叫，並為這種特權付費；使用 Nex-N2.6 時，你讓呼叫保持小規模、依賴檢索，並把視窗視為餘裕而非工作空間。

Grok 4.7 也是這兩者之中唯一能進行路由、而不只是呼叫的模型。它位於 OrcaRouter 目錄中的 grok/grok-4.7，採用 SpaceXAI 自家的 $2.00 / $6.00 價格，且無加成，並與 Grok 系列其餘模型——Grok 4.6、4.5、4.3 與 4.20 系列——共用同一把金鑰；這在這裡有特定原因：它讓你能在同一家供應商的系列內建立備援鏈，無須第二份合約或第二個 SDK。Nex-N2.6 不在我們的目錄中，我們也不會假裝它在；這是否會改變是 Nex-AGI 的決定，不是我們的。

分數，以及如何解讀它才不會被騙

這裡就是這個比較必須放慢的地方，因為最可能被引用來代表 Grok 4.7 的那個數字，一旦脫離脈絡就是陷阱。Artificial Analysis 目前在其 Intelligence Index 上測得 35 分——但那是 Index 5.0.1 版，該版本重建了任務集。在前一版 4.3.2 上，同一模型得分為 46。兩個數字都正確；它們不可互相比較，而任何文章（包括我們在九月的文章）若把 46 與 5.x 榜單的數字並列印出，就是在跨越版本斷層引用。請把 35 當作目前讀數，且不要把它從任何以舊版 Index 測得的數字中相減。

版本更迭後依然留存的是結果的形態，以及其背後按任務計算的經濟效益：

• AA-Briefcase Elo — Grok 4.7 在 xhigh effort 下為 1,511.7，於長程知識工作排行榜上獨立測得。

• 每個 Intelligence Index 任務的成本 — {{1}}$0.26{{/1}} 加權，其中 {{2}}$0.11{{/2}} 來自快取寫入，{{3}}$0.11{{/3}} 來自輸出 token。快取那一行就是關鍵線索：這個模型是設計來在開啟提示快取的情況下執行，而其有效價格取決於你的提示中有多少部分在多次呼叫之間保持穩定。

• GDPval — 1,692.05，以及 HLE 49.4，兩者皆來自同一次獨立執行。

• Terminal-Bench 4.0 — 34.8，FrontierCode 2.0 — 24.0。程式設計是這款旗艦模型全年領先開放權重挑戰者幅度最窄的領域，而這些數字並不足以終結爭論。

在那個榜單上，Nex-N2.6 的欄位是空的。不是表現弱——是空的。沒有 Artificial Analysis 的條目，沒有廠商表格，也沒有權重可供你自己跑評估。目前唯一存在的效能陳述，是 Nex-AGI 的一句話：相較於 Nex-N2.5 Pro，N2.6 能減少重複推理，並更貼近地遵循當前環境中可用的工具。那是廠商針對工具呼叫紀律所作的說法，未經重現，而這就是這款模型全部的公開效能紀錄。

在什麼情況下，每一個都是錯誤的工具

Nex-N2.6 在需要足夠上下文視窗的工作中，就是不合適的工具。如果你的流程依賴於把 300K token 的上下文餵給模型，並針對它問一個問題，那麼再大的價格優勢也無法彌補，因為這次呼叫根本塞不進去。當你需要在做出承諾之前先看到具體數字時——例如採購、受監管的審查，或是一項必須在文件中證明其合理性的押注——它也是不合適的工具。一個沒有任何獨立測量數據的模型無法通過這道門檻，也不應該被硬拗過去。

當工作是量大且低成本時，Grok 4.7 就是不合適的工具。任何會觸發成千上萬次短呼叫的迴圈——分類工單、擷取欄位、為一批 diff 評分——都是在為一項任務支付旗艦級費率，而在這項任務中，35 分與假設中同等分數之間的差異，在輸出裡根本看不出來。當你需要模型可被檢查時，它也是不合適的工具：沒有權重、沒有設定、無法在本機執行，且僅以託管形式存在。如果你的合規論述需要一個你能實際掌握的檢查點，這個模型就不能納入其中。

還有第三種做法，比任何一種極端都更有用：在工作重複且可評分時使用便宜的那個，在工作冗長且後果重大時使用昂貴的那個，並讓路由器根據請求本身、而非硬編碼的模型名稱來決定哪個是哪個。OrcaRouter 的路由 DSL 正好表達了這一點——一套根據 token 數量、任務類別或呼叫方設定、並按每個請求評估的規則集——而這正是為什麼這裡的價格差異是路由問題，而不是架構問題。16 倍只會在你實際送往昂貴一側的流量上才有影響。

決策，各以一段說明。

如果你已經身處 Nex-AGI 工具生態系，就選 Nex-N2.6；你的提示詞很短，你的工作負載是螢幕截圖驅動或以工具為重的代理迴圈，而模型理應帶來的改進正是你需要的，而且你本週能自己用真實任務樣本為它的輸出評分。以 $0.12 / $0.40 來說，這個實驗負擔得起，而且早一步用上一個後來證明不錯的模型是有價值的。進場前要知道：你依賴的是單一端點，沒有公開權重，也沒有獨立評分，而且這個模型問世的方式是漲價——不是降價。

若工作需要在單次呼叫中使用 500,000 個 token、若基準測試紀錄是必要條件而非偏好，或者你想要一個路由器能在已有五代成員的家族內容錯轉移的模型，就選 Grok 4.7。輸出費用將是 Nex-N2.6 費率的 16 倍，輸入超過 200K 時更高，而你會得到 16 倍溢價所能誠實買到的唯一東西：一個其他人已經測量過其行為的模型。對於任何必須一次就成功的事情，這筆溢價通常是較便宜的支出項目。

值得留意的事

這場對決在一個月內看起來會完全不同，而觸發點不是價格變動——而是一行基準測試數據。如果 Nex-N2.6 的模型卡開頭就有自己的表格，或是有獨立評分登上公開排行榜，這場比較就變得稀鬆平常：兩個有數字的模型，一個更便宜，一個更廣。如果兩者都沒發生，本文中的差距就不再是能力問題，而會變成信任問題，而 Grok 4.7 的 16 倍溢價也會悄然變成「知道自己買的是什麼」的代價。