Step 5 Preview 對比 Nex N2.5 Pro：一個你能查證的數字，一個你無法查證的數字

目前流傳的Nex N2.5 Pro數字是 82.7，這是廠商在 Terminal-Bench 2.1 上回報的分數。目前流傳的Step 5 Preview同名基準測試上的數字則是 33%。這兩個數字不能相提並論，而它們經常被並列在一起，正是這場比較所凸顯之問題的最清楚例證：其中一個模型是由其製造商以外的人測量，另一個則完全沒有其他人測量過。Step 5 Preview 於 2026 年 9 月 20 日在 StepFun 的 API 上線，並於 10 月 15 日公布其權重。Nex N2.5 Pro 於 9 月 8 日發布，並在該公告後幾天內於 Hugging Face 公布其 Apache-2.0 檢查點。兩者都可下載。只有一個能由外部評分。

這種不對稱並非在貶低 Nex N2.5 Pro 的工程設計；這是在陳述證據，而採購決策正是以證據為依據。

權重已上線，Nex N2.5 Pro 現在是什麼

許多報導仍把 Nex N2.5 Pro 描述成權重「即將推出」的模型，因為九月初那一週它的模型卡就是這麼寫的。這些檢查點自九月中起便已公開：一個 3,970 億參數的專家混合模型，每個 token 約有 170 億活躍參數，由 Qwen 3.5 系列後訓練而來，採用 Apache-2.0 授權。任何還把它說成尚未發布的人，看的都是過時的頁面。

沒改變的是量測情況。廠商的基準測試數據——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——是透過 NexCUA 產生的；NexCUA 是該聯盟自家的電腦使用測試框架，其表示打算開源卻尚未開源。沒有任何獨立評測者為這個模型架設評測頁面。這種缺席並非時機上的偶然；這是個從權重可下載以來整個期間持續存在的缺口。

可以作出的比較

以下所有內容均來自已發佈的來源，而非共同執行的一次測試；每一行都標明該數據的出處。這就是這對組合誠實的上限。

• 參數 — Step 5 Preview：總計 600B，啟用 27B。Nex N2.5 Pro：總計 397B，啟用約 17B。

• 上下文 — Step 5 Preview：100 萬個 token。Nex N2.5 Pro：262,144 個 token，有文件記載的輸出上限約為 236K。

• 模態 — Step 5 Preview：輸入文字、圖像與影片，輸出文字。Nex N2.5 Pro：輸入文字與圖像，輸出文字，並將視覺定位為電腦操作的回饋通道。

• 推理控制 — 步驟 5 預覽：思考永遠開啟，但有一個低/中/高投入旋鈕。Nex N2.5 Pro：無、中（自適應，預設）與高階層級，因此推理可以完全關閉。

• 權重 — Step 5 Preview：BF16 與 FP8，依據 StepFun Model License 1.0。Nex N2.5 Pro：Apache-2.0。

• 價格 — Step 5 Preview：依 StepFun 的價目表，每百萬個 token 輸入 $1.00、輸出 $2.70、快取 $0.10。Nex N2.5 Pro：提供免費的託管方案，但廠商並未公布定價。

授權條款那一列，是 Nex N2.5 Pro 明顯更簡單的唯一地方。Apache-2.0 對任何法務團隊來說都是熟悉且可預測的；StepFun 的授權則帶有需要建模評估的商業門檻。上下文那一列則相反，差距接近四倍——如果你的代理程式會讀取整個儲存庫或文件集，這點就別具意義。

無法進行的比較

要把這兩個放在同一軸線上，需要三件事，而這三件事沒有一件存在。

首先，統一的基準版本。Terminal-Bench 2.1 和 Terminal-Bench 4.0 是不同的測試，任務集不同、評分方式也不同，在一項上的分數對另一項毫無意義。82.7 這個數字出自 2.1；33% 這個數字出自 4.0。任何人把它們當成正面對決來呈現，就是在拿短跑成績比馬拉松的分段時間。

第二，共同的測試框架。Step 5 Preview 的數字來自一份公開的索引，該索引對其列出的每一個模型執行一套固定的評估套件。Nex N2.5 Pro 的數字則來自其自家廠商所寫、尚未發布的軟體。即使基準名稱相同，其底層架構也不會相同。

第三，任何形式的獨立評測。在發布智慧指數的評測機構網站上，並沒有 Nex N2.5 Pro 的頁面。我們是直接查證這件事，而非從搜尋結果找不到來推斷；而今天的答案與九月時相同：什麼都沒有。

在不越界的前提下，能說的範圍更窄，但仍然有用：Nex N2.5 Pro 宣稱在基準測試上具備強勁的代理表現，而 Step 5 Preview 在這些測試中獨立測得的結果僅屬中游。這是去測試它的理由，不是去相信它的理由。

免費端點究竟值多少

Nex N2.5 Pro 的託管方案免費，這使價格比較變成了一場風險比較。由於沒有公布定價，既無從建立對照模型，也無法得知供應商認為這個模型值多少錢。第三方掛牌價格依託管商不同，約落在每百萬輸入 token 數十美分的低檔區間，而且彼此矛盾嚴重，因此其中任何一個都不該被當成供應商的立場。

免費方案同樣有可用性成本。監測免費端點的追蹤工具回報其可用性時好時壞——這是第三方的觀察，並非供應商提供的數據，而這種情況對原型來說無關緊要，對正式上線的生產路徑卻是致命的排除條件。你無法依賴的模型並不便宜；那是帳單上標價為零的未定價風險。

相較之下，Step 5 Preview 的 $0.54 綜合費率，以及每完成一項索引任務 $2.35 的價格，絕對金額偏高，且完全清楚可查。你可以根據公開的價目表預估帳單。你無法從一個條款尚未明文寫下的免費方案預估帳單。

Step 5 Preview 的紀錄不同，並非更好

值得精確說明 Step 5 Preview 到底具備什麼，因為「它有一個分數」低估了差異，而「它更好」則高估了。Step 5 Preview 在目前版本的 Artificial Analysis Intelligence Index 上得分 29——不是發布報導所引用的 44，因為該指數版本後來已被替換。它在同級比較組的十七個模型中排名第六，輸出速度為每秒 179 個 token，每項指數任務成本為 2.35 美元。這些讀數來自同一次執行、可重現，且由對結果沒有商業利益的評估者產生。

這給你的是基線。你知道這個模型相對於五十多個以相同方式測量的其他模型處於什麼位置，這意味著你可以不租 GPU 就做出初步決策。它不能給你保證 Step 5 Preview 會在你的工作負載上勝過 Nex N2.5 Pro。在程式設計與自動化方面，Step 5 Preview 的獨立結果並不突出——FrontierCode 2.0 上為 12%，Terminal-Bench 4.0 上為 33%——而一個帶有強烈但未公開代理能力宣稱的模型，正是可能超越這些數字的模型類型。重點是，你會親自發現結果，而不是從模型卡上讀來。

各自屬於誰

Nex N2.5 Pro 屬於那些正在打造電腦操作與瀏覽器代理、且願意在正式投入前自行執行評估的團隊；這些團隊也重視 Apache-2.0 授權，以及能放入一般規格硬體的 17B 活躍參數量。免費端點讓試用成本很低；但未公布定價，讓正式部署決策變得困難。請把廠商基準測試視為一個有合理機制支撐的假設——一個基於 Qwen 系列、受過螢幕閱讀任務後訓練的 MoE——而不是把它當成既定結果。

{{1}}Step 5 Preview{{/1}} 適合工作量以長上下文與知識密集為主，且需要可預測價格的團隊。它是較昂貴但也較清楚易懂的選項，而其授權條款在極大規模下所提出的問題，並非 Nex 的授權條款會提出的問題。

目前這兩者都不在 OrcaRouter 的型錄中，所以本文無法為你指出任何一方更便宜的端點。不過，針對這類決策，本平台真正能提供的，是用同一把金鑰存取整套堆疊：200 多個模型皆以供應商定價提供，絕不加價，因此供應商的費率變動當天就會反映到你身上，還有自動容錯移轉，讓仍在試用中的模型永遠不會成為單一故障點。對於尚未驗證的模型，可行的做法是將一小部分真實流量導向它，並置於已驗證的備援之後，進行評估，之後才逐步提高該流量占比。這比舉辦基準測試評比更省成本，也比供應商的產品說明更具參考價值。

如果你今天就需要一個答案，Step 5 Preview 就是你能在設計審查中說得過去的那個選擇，因為附加在它上面的每一個數字，在場都有人能查核。如果你正在打造電腦使用代理，而且能承擔評估工作，Nex N2.5 Pro 是更有意思的押注——嘗試成本較低、更難辯護，而且確實未經測量。要避免的錯誤，是把 82.7 當成事實、把 $1.00 當成劣勢，卻沒注意到這兩個數字中只有一個有第二個來源。