Nex-N2.6 對比 Nex-N2.5 Pro：更小的基礎模型、更高的價格，以及一場無人做過基準測試的遷移
- orca新Orca: OrcaC2 1.02026-11-07236 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 122 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 220 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 39 tok/s
- Orca新OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 123 tok/s
- Orca新OrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 59 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 97 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 111 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 101 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 41 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 510 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228智能
- OpenAIOpenAI: GPT-6 Sol2026-09-2244智能
相隔兩個月的是Nex-N2.5 Pro與Nex-N2.6，而較新的模型反而是較小的一個。Nex-AGI 於 2026 年 9 月 8 日推出的 Nex-N2.5 Pro，是從 Qwen3.5 基礎模型後訓練而成的 3,970 億參數混合專家模型，採用 Apache-2.0 授權，其 122 個權重分片放在 Hugging Face 上供任何人下載。自 2026 年 11 月 10 日起上線的 Nex-N2.6，則是從 GLM-5.3-Flash 後訓練而來，擁有約 3,210 億參數，定價為每百萬個 token 0.12 美元／0.40 美元，相較前代的 0.075 美元／0.25 美元；它指向的 Hugging Face 儲存庫若無憑證便無法開啟。同樣是 262,144 個 token 的上下文視窗。同樣支援文字與圖像輸入。底層基礎模型不同，帳單高出 60%，而且——到目前為止——沒有任何一個公開數據比較這兩者。
如果你已經在用 Nex-N2.5 Pro，這組合該讓你提高警覺，而不是心生好奇。這不是直接套用的版本號更新，而是把底層重新建構在另一家實驗室的架構上，還以更高的價格販售，而足以證明其價值的證據至今仍未公開。
版本號隱藏了什麼
版本號暗示延續性。在這個系列中，數字另有作用：N2.5 Pro 和 N2.6 共用服務窗口與輸入模態，除此之外幾乎別無共通。
• 基礎 — Nex-N2.5 Pro 是以 Qwen3.5 混合專家檢查點進行後訓練，連 Qwen 分詞器也一併沿用；Nex-N2.6 則來自 GLM-5.3-Flash，這是 Z.ai 的 3200 億參數原生多模態模型，採用混合稀疏與線性注意力設計。不同的實驗室、不同的分詞器、不同的聊天模板、不同的工具呼叫解析器。
• 規模 — 總參數達 3,970 億，每個 token 約有 170 億個活躍參數；相較之下，總參數約為 3,210 億，而 Nex-AGI 尚未公布 N2.6 的活躍參數數量。
• 每百萬個 token 的價格 — Pro 為輸入 $0.075／輸出 $0.25；N2.6 為輸入 $0.12／輸出 $0.40，而刊登資訊將其呈現為 $0.15／$0.50 定價的 20% 折扣。因此最終價格可能是兩倍，而不只是高出 60%。
• 推理 — Pro 接受無、中、高三種投入程度，並預設為高，因此你可以在低成本、機械性的回合中關閉思考。N2.6 僅接受高與中，預設為高，且完全無法關閉。
• 權重 — Pro 在 Hugging Face 上採用 Apache-2.0，可完整下載。N2.6 所連結的儲存庫無法公開讀取。
• 廠商基準測試 — Pro 在程式設計、代理式與多模態測試套件中都有完整公開的表格。N2.6 只有一句話：它能減少重複性推理，並且比 Pro 更貼近地遵循目前環境中可用的工具。
廠商唯一提供的那個數字
那句話就是整個比較性主張，而且是一種特定類型的主張：它描述的是工具呼叫紀律，不是能力。善意解讀，它說的是 N2.6 花更少 token 重新推導它已經知道的東西，並更關注你實際暴露出來的那些工具。懷疑地解讀，它說的是這個模型是針對供應商觀察到的某種失敗模式調校出來的，卻沒有展示那項觀察。
對任何正在運行代理的人來說，這個區別比一個基準測試分數更重要。長時程代理迴圈中代價高昂的失敗，很少是答錯；而是歷經十九個多餘的推理步驟和四次浪費的工具呼叫後才得到的正確答案。一個真正能減少重複的模型，即使它在靜態評估上的得分完全相同，其價值也可能超過它高出 60% 的溢價，因為你支付的是每完成一項任務的 token 數，而不是每次呼叫的 token 數。
但這個推論令人不安。Nex-N2.6 的強制推理與那個說法直接相關：一個總是以高強度思考的模型，每一輪都會花費輸出 token，包括微不足道的那些。如果關閉推理的 Pro 能用幾分之一美分處理你的短呼叫，而 N2.6 必須逐一思考每個請求，那麼重複所帶來的節省就必須相當可觀，才能勉強打平。至於是否真的如此，正是沒有人測量過的事情。
Nex-N2.5 Pro 已發布的表格仍能告訴你什麼
較舊模型的數字是廠商自行報告的——Nex-AGI 自家的測試框架、自家的提示設定，未經獨立重現——因此應視為方向性參考。但這些數字確實存在、也很具體，而且它們建立了一個 N2.6 尚未在公開場合跨過的門檻：
• 程式設計 — Terminal-Bench 2.1 達 82.7，SWE-Bench Pro 達 61.2，DeepSWE v1.1 達 55.8。
• 代理式 — AutomationBench v1.0.6 為 44.2，Toolathlon Verified 為 68.5，BrowseComp 為 89.7，Job Bench 為 41.4。
• 電腦操作 — OSWorld-Verified 82.2、OSWorld-2 56.4、OSWorld-G 87.4、WebArena-Verified 67.6。
• 知識型工作 — GDPval-AA v2 達到 1,628 Elo。
對照 Nex-AGI 印在旁邊的比較欄位，整體輪廓頗具參考價值：Pro 在大多數列上落後 Claude Opus 5，但在工具使用測試套件上與 GPT-5.6 Sol 和 Kimi-K3 僅相差幾分，並且在 OSWorld-2 上勝過 Qwen3.8-Max。這是一個可信的開放權重代理模型，而非領先者。N2.6 必須勝過它才值得遷移，而目前沒有可供查核的頁面。
有一點後果值得直說：由於 Pro 的權重是以 Apache-2.0 授權開放下載，你可以自行在自家任務上執行評估，無須徵求任何人的許可。N2.6 在任何意義上都不是如此——權重不是、模型卡不是、公開分數也不是。對一個要做六個月基礎設施押注的團隊而言，可驗證性是一項特性，而這次發布在這方面是往後退的。
遷移機制，坦白說
切換只需要換一個 base URL 和一個模型字串，所以很容易讓人有錯覺，以為這是免費的。但事實並非如此。分詞器改變，代表 token 數量會變動，因此你的成本模型，以及任何會計算 token 的上下文預算邏輯，在重新測量之前都只是近似值。聊天範本改變，代表原本能可靠教會 Pro 其工具方言的系統提示，可能會教給 N2.6 別的東西。而強制推理模式代表延遲特性會改變：一個在 Pro 上原本能立即回答「哪個檔案包含這個符號」這類瑣碎回合的 agent 迴圈，現在預設會先以高強度思考。
實務做法是採影子執行，而不是直接切換。把相同的真實流量同時送給兩個模型一週，用不是模型本身的東西來評估結果，並衡量每完成一項任務的 token 數，而不是延遲或每 token 價格。無論結果如何，都要讓 Pro 保持可存取——它是兩者中唯一還能自行託管的，而可下載的 Apache-2.0 檢查點是僅限託管的模型無法提供的備援方案。
這也是閘道器真正證明自身價值、而不只是便利功能的地方。OrcaRouter 將模型放在單一 OpenAI 相容端點之後，並讓你在路由 DSL 中定義備援鏈——先採用便宜模型，依規則升級而非重新部署——因此用 N2.6 對 Pro 進行測試只需改設定而非改程式碼，復原也只需再改一次。說清楚一點，兩者都是我們並未託管的模型：目前 Nex-N2.5 Pro 與 Nex-N2.6 都不在 OrcaRouter 的目錄中，所以實務上這表示你要保有自己的金鑰，並讓路由層同時持有兩條路徑。無論哪種方式，備援的計算邏輯都一樣。
較便宜的模型如今反而是錯誤選擇的情況
對這個模型家族的大多數使用者來說，遷移的理由並不充分，值得直接這麼說。如果 Pro 運作正常，唯一值得轉移的理由是 Nex-AGI 指出的兩個行為——更少的重複，以及更嚴謹的工具遵循——而你在嘗試之前無法驗證其中任何一項。至於這次轉移的其他一切，不是中性就是負面：較小的基礎模型，且活躍參數量未公布；更高的價格，且折扣到期後可能翻倍；無法停用推理；以及一張你讀不了的模型卡。
另一邊確實存在一個範圍狹窄但真實的案例。若團隊的代理因浪費的回合而卡在瓶頸、提示短到 262K 視窗不構成限制，且評分框架好到能分辨真正的改善與雜訊，那麼這些團隊可從提早行動中獲益——絕對價格低到實驗成本比討論這件事的會議還低。這也同樣適用於任何想在代理迴圈後方使用 GLM 系列分詞器與工具呼叫行為的人；N2.6 是經過後訓練、具代理式調校的 GLM-5.3-Flash，這與原始基礎模型是不同的東西。
什麼能讓這件事定下來？
三份公開資料就能讓這件事從猜測變成比較，而且沒有一項需要什麼稀奇古怪的東西。第一，Nex-N2.6 自己的模型卡，附上 Nex-AGI 為 N2.5 系列公布過的同一張表——廠商已經知道怎麼發布這種東西。第二，以你能使用的授權釋出的權重，這會讓社群能在對等基礎上並排運行 Pro 和 N2.6，而不是只相信一句話。第三，在公開排行榜上的第一個獨立分數，即使平庸也無妨，因為一個被測量過但平庸的模型，比一個未被測量卻前景看好的模型更有用。
到時候見
老實說，總結是：Nex-AGI 推出了一個以新基準重建、更昂貴、文件更少的後繼模型，而它所接替的模型仍然可用、仍然更便宜、仍然可下載，且仍是兩者中唯一附有數據的模型。這並不是忽視 N2.6 的理由——搶先取得一個針對工具使用紀律調校的模型，對合適的團隊而言確有價值——但這確實是不要僅憑版本號和折扣，就遷移一條已運作順暢的生產路徑的理由。
如果你想要一條規則：當你自己的追蹤資料顯示出 Nex-N2.6 宣稱要修正的問題時再切換，無論如何都讓 Nex-N2.5 Pro 繼續部署作為備援，並在 20% 優惠到期當天重新確認價格。接班方案的立論完全建立在廠商所描述、卻沒有人實際量測過的行為上。
