Mercury 3 مقابل Grok 4.7: ساعتان، وليس نموذجان

اسأل عمّا Mercury 3 وGrok 4.7 يتشاركان فيه، والجواب هو ساعة. يُسوَّقان على أساس المدة التي تستغرقها المهمة، لكنهما يعنيان بها أمرين متعاكسين. صُمم Mercury 3، الذي أطلقته Inception في 19 أكتوبر 2026، ليجيب في أقل من ثانية: نموذج انتشار يولّد 1,068 رمزًا في الثانية على وحدات معالجة الرسومات NVIDIA، ونافذة سياق بسعة مليون رمز، وأربعة إعدادات استدلال يُسمى أسرع مستوى فيها «instant». صُمم Grok 4.7، الذي أطلقته SpaceXAI في 21 سبتمبر 2026، ليواصل العمل: نافذة سياق بسعة 500,000 رمز، وسلّم استدلال يبلغ ذروته عند xhigh، وقياس مستقل يُظهر أنه استهلك نحو 240 مليون رمز إخراج لإكمال Artificial Analysis Intelligence Index بتكلفة 3.74 دولارًا للمهمة. أحد النموذجين يجعل زمن الاستجابة هو المنتج، والآخر يجعل المدة هي المنتج. مقارنتهما على خط نتيجة واحد تُغفل السؤال الوحيد المهم — أي ساعة يعمل عليها عبء العمل لديك فعليًا. يمكن أن يكون طرفا سياسة منقسمة خلف مفتاح واحد، مع التحويل التلقائي عند الفشل الذي يلتقط المسار البطيء. إن حالات فشل الذكاء الاصطناعي وحوادث الوكلاء الموثقة الكامنة وراء إصدارات مثل هذا الإصدار تُجمع في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.

الساعتان، بسعر

ابدأ بما تقوله بطاقات الأسعار، لأن الفرق كبير بما يكفي لتغيير ما يمكنك بناؤه:

• الإدخال — Mercury 3 بسعر 0.20 دولار لكل مليون بالسعر المدرج (0.10 دولار عند الإطلاق) مقابل Grok 4.7 بسعر 2.00 دولار لكل مليون

الإخراج — Mercury 3 بسعر 0.70 دولار لكل مليون بالسعر المعلن (0.35 دولار عند الإطلاق) مقابل Grok 4.7 بسعر 6.00 دولارات لكل مليون

• الإدخال المخزَّن مؤقتًا — Mercury 3 بسعر 0.02 دولار لكل مليون (0.01 دولار عند الإطلاق) مقابل Grok 4.7 بسعر 0.50 دولار لكل مليون

• السياق — 1,000,000 رمز مقابل 500,000

• الحد الأقصى للإخراج في استجابة واحدة — 131,072 رمزًا مقابل عدم وجود حد أقصى معلن من المورّد؛ بطاقتنا الخاصة بـ grok-4.7 تذكر 450,000

• نمط الإدخال — نص فقط مقابل نص وصور

• إعدادات الاستدلال — فوري، منخفض، متوسط، مرتفع مقابل منخفض، متوسط، مرتفع، مرتفع جدًا

• الإنتاجية — 1,068 رمزًا في الثانية، وفق ما أبلغ عنه المورّد، مقابل عدم نشر المورّد لها

• إعادة تسعير الطلبات الطويلة — لا شيء منشور مقابل مضاعفة كل معدل عند تجاوز 200,000 رمز إدخال، ويُطبّق على الطلب بأكمله

• الأوزان — مغلقة من كلا الجانبين

قراءة سطر الإخراج وحده تجعل Mercury 3 يبدو كخطأ تقريب أمام Grok 4.7: 0.70 دولار مقابل 6.00 دولارات، أو 0.35 دولار خلال نافذة الإطلاق. وقراءة السطر المخزَّن مؤقتًا تجعل الفجوة تتسع بدل أن تضيق، لأن 0.02 دولار مقابل 0.50 دولار تعني معاملًا قدره خمسة وعشرون بغض النظر عن الخصم. هذا المزيج — إخراج رخيص وقراءات مخزَّنة مؤقتًا شبه مجانية — هو ما يجعل حلقة عالية التردد ميسورة التكلفة، وهو الهدف التصميمي الذي بُني النموذج له بوضوح.

لكن بطاقة الأسعار ليست سوى نصف التكلفة. يفترض تصميم Grok 4.7 نفسه أن المشكلة الصعبة تستحق تمريرة استدلال طويلة، وتُظهر اللوحة المستقلة ما يكلّفه ذلك عندما تكون المشكلة صعبة بما يكفي: 3.74 دولارات لكل مهمة فهرسة مكتملة، مقابل 0.72 دولار لـ GPT-6.1 Sol، وعلى اللوحة نفسها، لا يوجد أي إدخال لـ Mercury 3 على الإطلاق. ينفق Grok 4.7 رموزًا ليفكّر. أما Mercury 3 فلا ينفق تقريبًا شيئًا لكل رمز، واعدًا بالتفكير بسرعة. ليست هذه ادعاءات متنافسة؛ بل ميزانيات متنافسة.

ما الذي تعود به فعليًا جولةُ استدلالٍ طويلة

Grok 4.7 ليس نموذجًا سريعًا أصبح أبطأ. بل هو رهان متعمّد على أن العمل الممتد لساعات — حلقات البرمجة الوكيلية، والتحليل الكثيف بالمستندات، والمخرجات المهنية — يكافئ نموذجًا يواصل العمل، وتُظهر النتائج المستقلة أن هذا الرهان يؤتي ثماره في مواضع محددة لا على نحو شامل.

• GDPval-AA، العمل المعرفي ذو القيمة الاقتصادية — Grok 4.7 بنتيجة Elo 1711.07، وهو ثاني أعلى النماذج المقارَنة هنا، ومتقدّم على GPT-6.1 Sol البالغ 1593.85

• SciCode — 0.5741، متقدّمًا على كلٍّ من GPT-6.1 Sol (0.5417) وQwen3.8 Max (0.5208)

• HLE — 0.4314

• استدلال السياق الطويل AA-LCR — 0.7667

• Terminal-Bench 4.0 — 0.2576، أضعف رقم في عموده الخاص

• AutomationBench — 0.6556، الأقوى من بين النماذج الأربعة في هذه السلسلة

• مؤشر الذكاء — 46.4 عند xhigh، وفقًا لـ Artificial Analysis

• تكلفة كل مهمة فهرسة — $3.74

هذا الملف — قوي في العمل المعرفي والأتمتة، ضعيف في البرمجة على غرار الطرفية — ليس ملف منتج رائد عام الأغراض، ومعرفته أنفع من معرفة ترتيب. والفريق الذي يشغّل جلسات برمجة ذاتية طويلة ويختار Grok 4.7 لها إنما يختاره على خلاف قياساته الخاصة.

لا يحتوي Mercury 3 على عمود قابل للمقارنة. أدلة Inception المنشورة مختلفة في نوعها: اختبار تنقّل Mind2Web مؤلّف من 50 مهمة ضمن أدوات الاختبار الخاصة بها، أكمل فيه 50% من المهام، إضافة إلى شهادات شركاء من TinyFish AI وRevisionDojo وOcten AI وLorikeet. ولا يوجد له إدخال في Artificial Analysis اعتبارًا من 20 أكتوبر 2026، وهذا يعني أن كل ادعاء بشأن قدرات Mercury 3 في هذا المقال يتجاوز السرعة والسعر هو ادعاء مُبلّغ عنه من المورّد وغير مُعاد إنتاجه. وليس ذلك سببًا لاستبعاده — فنموذج عمره تسعة أيام وبلا درجة مستقلة هو حالة طبيعية، والتغطية المبكرة هي بالضبط ما وُجدت هذه المدونة لنشره. بل هو سبب للإبقاء على العمودين موسومين بشكل مختلف.

ثلاثة أعباء عمل، ثلاث إجابات

قائمة انتظار دعم أو وكيل صوتي.كل ميلي ثانية تعني عميلًا ينتظر، ويجب أن يكون النموذج رخيصًا بما يكفي ليعمل على كل رسالة. يتفوق Mercury 3 في هذا وفقًا للأرقام المنشورة: 1,068 رمزًا في الثانية، و0.70 دولار للإخراج بسعر القائمة، و0.02 دولار للإدخال المخزّن مؤقتًا، ومستوى "فوري" يتجاوز الاستدلال بالكامل. يستطيع Grok 4.7 القيام بهذا العمل، لكن بسعر إخراج 6.00 دولارات مع تمريرة استدلال افتراضية فإنه يدفع مقابل تروٍّ لا تحتاجه المحادثة. هذه هي الحالة التي بُني النموذج من أجلها في Inception، وكل اقتباسات الشركاء من هذا الشكل من المنتجات.

وكيل برمجة أو بحث يمتد لساعات عديدة. تُنفَّذ المهمة دون إشراف، ويطول النص المسجّل متجاوزًا بضع مئات الآلاف من الرموز، ويتعيّن على النموذج الإمساك بخطة عبر خطوات عديدة. هنا تُعد نافذة 500K لدى Grok 4.7 واستدلال xhigh وقوة العمل المعرفي المقيسة السمات ذات الصلة، بينما نافذة 1M لدى Mercury 3 هي الحجة المضادة ذات الصلة: مساحة أكبر، وتكلفة أقل بكثير لكل رمز، لكن لا يوجد دليل بعد على أنه يمسك بخطة عبر أفق طويل. لاحظ أيضًا أن Grok 4.7 يضاعف كل سعر يتجاوز 200,000 رمز إدخال للطلب بأكمله، في حين لا تنشر Mercury 3 أي رسوم إضافية على الطلبات الطويلة. في نص مسجّل طويل فعليًا، يمكن أن تضيق فجوة الإخراج الاسمية البالغة 8.6× إلى أقل من 5× — وهذا هو السياق الذي يبدأ فيه افتقار Mercury 3 إلى معيار قياس يؤذي، لأن ميزة التكلفة تصل بالضبط حيث تكون قدرته أقل إثباتًا.

أي شيء يتعين عليه قراءة صورة. يقبل Grok 4.7 الصور. ويُدرج توثيق Mercury 3 النص بوصفه التنسيق الوحيد المدعوم. هذه ليست مسألة تسعير، ولا يجيب عنها أي عدد من الرموز في الثانية.

سبب تشغيل كليهما بدلًا من الاختيار

الانقسام نظيف على نحو غير معتاد لأن النموذجين يفشلان في اتجاهين مختلفين: فـ Mercury 3 رخيص وغير مُقاس، أما Grok 4.7 فمكلف ومُقاس، ونطاقات الوسائط والاستدلال لديهما بالكاد تتداخل. هذا هو شكل مشكلة توجيه لا قرار شراء.

Grok 4.7 متاح على OrcaRouterبسعر قائمة SpaceXAI دون أي هامش ربح، بما في ذلك السعر المضاعف لما يتجاوز 200K، بحيث تكون تكلفة تجربة سياسة ما مساوية لتكلفة استدعاء المورّد مباشرةً. Mercury 3 ليس على الموجّه؛ بل يُقدَّم عبر واجهة API الخاصة بـ Inception وعدة منصات طرف ثالث، وعمره تسعة أيام. لغة DSL للتوجيه تبرر وجودها هنا على نحو نادرًا ما يحدث: أرسل طلبات المسار الفوري — مطالبات قصيرة، وميزانيات زمن استجابة صارمة، وبلا صور — إلى Mercury 3، وأبقِ كل ما يحتاج إلى الرؤية أو الاستدلال xhigh على Grok 4.7، ودع التبديل التلقائي عند الفشل يلتقط الحالة التي تتراكم فيها قائمة انتظار النموذج الجديد. السياسة قابلة للتعبير عنها؛ والدليل عليها ستوفره حركة المرور خلال الشهر القادم.

ما يجب الانتباه إليه قبل نقل الميزانية

إشارتان من شأنهما تغيير هذه المقارنة، وكلتاهما محدّدتان.

• إدخال Mercury 3 على Artificial Analysis. درجة واحدة في Intelligence Index وقيمة واحدة لتكلفة المهمة ستخبرك ما إذا كان النموذج السريع الرخيص قريبًا بما يكفي من Grok 4.7 في العمل المعرفي لتبرير توجيه حركة مرور حقيقية. ومن دون ذلك، فإن 1,068 رمزًا في الثانية حقيقة تتعلق بالإنتاجية وليست ادعاءً بقدرة.

• استهلاك Grok 4.7 للرموز في أحمال العمل الخاصة بك. تشغيل الفهرس البالغ 240 مليون رمز هو معيار اصطناعي؛ فقائمة انتظار الدعم ووكيل البرمجة يستهلكان أحجامًا مختلفة جدًا. قِس رموز الإخراج لكل مهمة مكتملة خلال أسبوع تمثيلي واحد قبل افتراض أن سعر $6.00 يحدد فاتورتك

ما ينبغي تجاهله، في المقابل، هو أي مقارنة تضع النموذجين في عمود واحد على لوحة الصدارة دون الإشارة إلى أن أحدَهما لم يظهر على اللوحة قط. الحقيقة المثيرة بشأن Mercury 3 ليست أنه سريع — فشركة Inception تطرح نماذج انتشار سريعة منذ عام — بل أنه سريع مع نافذة 1M بسعر يجعل اقتصاديات كل طلب هامشية. الحقيقة المثيرة بشأن Grok 4.7 ليست أنه يتصدر مخططًا، لأنه لا يفعل؛ بل أنه النموذج الأقوى في الأتمتة ضمن هذه المجموعة ويدفع ثمن ذلك بالـ tokens. هذه منتجات مختلفة، ومن المرجح ألا يكون العدد الصحيح لتشغيلها واحدًا.