Mercury 3 vs. Claude Opus 5.5: Ein 57-mal günstigeres Output-Token ist nicht dasselbe wie eine günstigere Antwort

Mercury 3 kostet diese Woche $0.35 pro Million Ausgabe-Tokens. Claude Opus 5.5 kostet $20.00. Multipliziert man eine Support-Warteschlange mit diesen beiden Zahlen, wirkt die Lücke wie ein Fehler in einer der Preislisten — 57-mal zum Einführungspreis oder 28,6-mal, sobald Inceptions 50%-Rabatt endet und Mercury 3 wieder auf $0.70 zurückgeht. Die Frage, die den Vergleich entscheidet, ist nicht, welche Zahl kleiner ist. Sondern wie viele Mercury-3-Aufrufe nötig sind, um eine Antwort zu erhalten, die Opus 5.5 beim ersten Versuch richtig hinbekommen hätte, denn jeder Wiederholungsversuch, jede Eskalation und jede menschliche Überprüfung wird zum Satz der jeweiligen Person bzw. des zweiten Aufrufs abgerechnet, nicht zum Satz des Tokens.Die dokumentierten KI-Fehlfunktionen und Agentenvorfälle hinter Releases wie diesem sind im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als umstritten enthält.

Diese Einordnung ist wichtig, weil diese beiden Modelle keine Konkurrenten im üblichen Sinne sind. Claude Opus 5.5, am 22. September 2026 von Anthropic veröffentlicht, ist ein Frontier-Reasoning-Modell für 4 US-Dollar pro Million Eingabe-Token und 20 US-Dollar pro Million Ausgabe-Token, konzipiert für langfristige agentische Codierung und Wissensarbeit, mit adaptivem Denken, Vision- und Dateieingabe, einem Kontext von 1 Mio. Token und einer Obergrenze von 128K Ausgabe-Token. Mercury 3, am 19. Oktober 2026 von Inception Labs veröffentlicht, ist ein Diffusions-Sprachmodell, das auf Geschwindigkeit ausgelegt ist: 1.068 Token pro Sekunde auf NVIDIA-Hardware nach Inceptions eigener Messung, 1M Kontext, 131K Ausgabe, nur Text, und eine Qualitätsaussage, die GPT-6 Luna und Claude Haiku 5.5 nennt – die Geschwindigkeitsklasse – und nicht Opus. Ein Vergleich lohnt sich dennoch, denn die Preisdifferenz lädt genau zu der Substitution ein, die die Positionierung nicht stützt.

Woher die Zahlen tatsächlich kommen

Jede Qualitätskennzahl für Opus 5.5 in diesem Beitrag stammt von Artificial Analysis und wurde mit deren eigenem Harness gemessen: ein Intelligence Index von 57,6, Humanity's Last Exam bei 61,4 %, SciCode bei 66,9 %, Terminal-Bench 4.0 bei 59,6 % und Long-Context-Recall bei 84,7 %. Diese sind unabhängig und auf dem Stand dieser Woche.

Alle Angaben zu Mercury 3 stammen von Inception und wurden gestern veröffentlicht – mit einer Ausnahme: dem Durchsatzvergleich mit der vorherigen Generation. Artificial Analysis misst Mercury 2.5 bei 705,9 Tokens pro Sekunde und Mercury 2 bei etwa 684. Mercury 3 hat noch keine Seite bei Artificial Analysis – der Modellindex endet noch immer bei Mercury 2.5 –, daher sind seine 1.068 tok/s und die Behauptung, „GPT-6 Luna und Claude Haiku 5.5 zu übertreffen“, Herstellerangaben, nicht reproduziert, und sollten mindestens eine weitere Woche lang auch so verstanden werden.

Diese Asymmetrie ist die gesamte Gegenüberstellung im Kleinen. Die eine Seite hat eine unabhängig geprüfte Bewertung und eine veröffentlichte Preisliste; die andere hat einen Launch-Beitrag, einen Rabatt und eine sehr hohe Geschwindigkeitszahl.

Spezifikation für Spezifikation, mit den beigefügten Belegen

• Ausgabepreis — Mercury 3: 0,35 $ pro Million zum Start, 0,70 $ zum Listenpreis, gegenüber 20,00 $ bei Opus 5.5. Das Verhältnis liegt während der Aktion bei 57:1 und danach bei 28,6:1.

• Eingabepreis — Mercury 3: 0,10 $ zum Start, 0,20 $ laut Listenpreis, gegenüber 4,00 $ bei Opus 5.5. Gleiches Muster, etwas breiteres Verhältnis.

• Zwischengespeicherte Eingabe — Mercury 3: 0,01 $ zum Marktstart, 0,02 $ laut Listenpreis, gegenüber 0,20 $ für Cache-Lesevorgänge bei Opus 5.5. Opus berechnet außerdem 5,00 $ pro Million für das Schreiben in den 5-Minuten-Cache und 8,00 $ für den Ein-Stunden-Cache, was die Preisliste von Mercury nicht gesondert ausweist.

• Durchsatz – Mercury 3 mit 1.068 Tok/s laut Inception, nicht reproduziert; Opus 5.5 mit 75,6 Tok/s Ausgabe, gemessen über unseren eigenen Playground-Traffic in den letzten sieben Tagen. Das ist eine vierzehnfache Lücke in der von Inception behaupteten Richtung, und diese ist zumindest auf beiden Seiten gemessen, wenn auch mit unterschiedlichen Harnessen.

• Zeit bis zum ersten Token – Mercury 3 ist ein Diffusionsmodell, das parallel generiert, daher kommt seine erste nutzbare Ausgabe früher an als bei einem autoregressiven Modell; Inception veröffentlicht keine Zahl für den Chat-Endpunkt, und die Angabe von unter 300 ms auf der Unternehmenshomepage bezieht sich auf die Produktlinie und nicht speziell auf Mercury 3. Die p50-End-to-End-Latenz von Opus 5.5 in unserem Traffic beträgt 4,4 Sekunden, einschließlich Denkzeit.

• Kontext — beide 1 Mio. Tokens. Die Ausgabegrenze unterscheidet sich: 131.072 für Mercury 3, 128.000 für Opus 5.5.

• Eingaben — Opus 5.5 verarbeitet Text, Bilder und Dateien; Mercury 3 verarbeitet Text. Das ist kein unbedeutender Posten. Jedes Dokument, jeder Screenshot, jedes Diagramm oder PDF in Ihrer Pipeline schließt Mercury 3 stillschweigend aus.

• Reasoning-Steuerung — Mercury 3 bietet instant, low, medium und high effort und verwendet standardmäßig low, wenn das Feld weggelassen wird. Opus 5.5 nutzt adaptives Denken mit einem eigenen Effort-Regler. Beide haben Standardwerte, die Sie überraschen werden, wenn Sie das Feld nicht explizit setzen: Mercury 3 auf low, Opus auf das, was auch immer Anthropics adaptive Policy für die jeweilige Anfrage wählt.

• Belege — Opus 5.5 verfügt über einen unabhängigen Indexwert und eine Anbieter-Benchmark-Tabelle; Mercury 3 hat weder einen Drittanbieter-Wert noch einen numerischen Anbieter-Wert.

{{1}}Das eine Agenten-Ergebnis, das Inception tatsächlich veröffentlichte{{/1}}

Unter den Durchsatzangaben begraben liegt die einzige Qualitätsmessung von Mercury 3 mit einer definierten Aufgabe: ein Web-Agent-Harness, ausgeführt auf 50 Live-Mind2Web-Navigationsaufgaben, bei denen Mercury 3 50 % abschloss und, so Inception, „deutlich mehr als GPT-6.1-Sol“, wobei dasselbe Token-Volumen und dieselbe Anzahl an Agent-Schritten verwendet wurden.

Lies das sorgfältig. Das Vergleichsmodell ist GPT-6.1 Sol, nicht Opus 5.5. Die Testumgebung ist Inceptions eigener Produktions-Harness. Die Stichprobe umfasst 50 Aufgaben. Und „gleiches Token-Volumen und gleiche Anzahl von Agent-Schritten“ ist der wichtige Teil für die Kosten, denn das bedeutet, dass die Einsparung pro Aufgabe tatsächlich dem Token-Verhältnis entspricht und nicht ein Artefakt davon ist, dass das Modell weniger Schritte braucht, um dorthin zu gelangen. Eine Abschlussrate von 50 % bei der Navigation auf Live-Websites ist ein glaubwürdiges Ergebnis für ein schnelles Modell; es ist keine Behauptung, dass Mercury 3 eine Programmieraufgabe auf Opus-Niveau abschließen würde.

Für Opus 5.5 ist die entsprechende Evidenz Terminal-Bench 4.0 mit 59,6 % auf dem Harness von Artificial Analysis – ein anderer Benchmark, eine andere Aufgabenfamilie und nicht direkt vergleichbar. Die ehrliche Aussage ist, dass niemand beide Modelle auf demselben Agenten-Benchmark laufen lassen und das Ergebnis veröffentlicht hat. Bis jemand das tut, ist jede Behauptung darüber, welches bei Agentenarbeit besser ist, eine Schlussfolgerung aus der Positionierung.

Was eine Woche Traffic auf jedem kostet

Nehmen wir eine Arbeitslast, die für beide plausibel ist: 2 Millionen Eingabe-Tokens und 500.000 Ausgabe-Tokens pro Tag, grob ein mittelgroßer Support- oder Recherche-Assistent mit ein paar hunderttausend Aufrufen. Bei Mercury 3 sind das zum Einführungspreis 0,20 $ für die Eingabe und 0,175 $ für die Ausgabe – weniger als vierzig Cent pro Tag. Zum Listenpreis sind es 0,40 $ und 0,35 $, also 75 Cent. Bei Opus 5.5 kostet dieselbe Last 8,00 $ für die Eingabe und 10,00 $ für die Ausgabe, also 18,00 $ pro Tag.

Fügen Sie nun den Teil hinzu, den die Token-Rechnung verbirgt. Wenn Mercury 3 bei einem von fünf Aufrufen einen zweiten Versuch benötigt und jeder Wiederholungsversuch genauso viel kostet wie das Original, steigt der effektive Preis um 20 % – auf etwa 45 Cent pro Tag. Selbst im absurden Fall, dass jeder einzelne Aufruf einmal wiederholt werden müsste, läge die Rechnung bei 75 Cent – immer noch 24-mal niedriger als bei Opus 5.5. Das Preisargument ist eindeutig, und genau deshalb muss die Entscheidung stattdessen anhand von Qualität und Leistungsfähigkeit getroffen werden.

Dreht man es um, erklärt dieselbe Rechnung, warum Leute immer noch für Opus zahlen. Bei 18 $ pro Tag finanziert eine einzige vermiedene Eskalation pro Tag – eine Support-Anfrage, die keinen Menschen erreicht, eine Codeänderung, die keine zweite Prüfung braucht – die gesamte Opus-Rechnung um ein Mehrfaches. Das Modell ist pro Token teuer, weil die Arbeit, die es ersetzt, noch teurer ist.

Die Funktionszeilen, die nicht in einer Preistabelle angezeigt werden

Opus 5.5 akzeptiert Bilder und Dateien, was bedeutet, dass es den Screenshot lesen kann, den ein Nutzer anhängt, das PDF, in dem ein Vertrag steckt, oder das Diagramm in einem Design-Dokument. Mercury 3 ist Text rein, Text raus. Wenn Ihre Arbeitslast einen dieser Punkte berührt, endet der Vergleich genau dort und die Preisdifferenz ist irrelevant.

Opus 5.5 bringt außerdem die Tooling-Oberfläche von Anthropic mit: strukturierte Ausgaben, Tool-Nutzung, eine Batch-API zum halben Preis für asynchrone Arbeit und Prompt-Caching mit expliziten Schreib- und Leseraten. Mercury 3 bietet Tool-Calling und strukturierte Ausgaben über einen OpenAI-kompatiblen Endpoint, was wirklich praktisch ist – es fügt sich ohne Umschreiben in bestehenden Code ein –, doch sein Cache-Konzept ist ein Rabatt auf den Input statt eines dokumentierten Cache-Write-Lebenszyklus.

Die inverse Fähigkeitsdimension ist Geschwindigkeit. Opus 5.5 mit 75,6 Token pro Sekunde ist in Ordnung für einen Coding-Agenten, der eine lange Aufgabe abarbeitet, und schmerzhaft für alles, worauf ein Mensch wartet. Das Versprechen von Mercury 3 ist, dass ein Mensch, der darauf wartet, die Wartezeit nicht bemerkt. Wenn Ihr Produkt ein Voice-Turn, eine Autovervollständigung, eine Suchantwort oder der Hinweis eines Tutors ist, dann ist dieser Unterschied das Produkt – kein Nice-to-have.

Wie man beides betreibt, ohne auf eines zu setzen

Claude Opus 5.5 steht in unserem Katalog als anthropic/claude-opus-5.5 zu den Listenpreisen von Anthropic — 4 $ Eingabe, 20 $ Ausgabe, 0,20 $ Cache-Lesevorgänge — ohne Aufschlag, sodass eine Änderung an Anthropics Preisliste noch am selben Tag bei uns sichtbar wird und nicht erst zum nächsten Abrechnungszyklus. Mercury 3 ist nicht in unserem Katalog: Unsere Modell-API liefert überhaupt keine Inception-Modelle zurück, und die ehrliche Anweisung lautet, es über Inceptions eigene Plattform zu erreichen. Wir werden nicht so tun, als wäre es anders, nur damit ein Routing-Pitch verfängt.

Wofür die Aufteilung gut ist, ist genau diese Entscheidung. Setzen Sie Mercury 3 hinter Inceptions Schlüssel auf der latenzkritischen Stufe, behalten Sie Opus 5.5 als Eskalationspfad hinter einem OpenAI-kompatiblen Endpoint neben mehr als 200 weiteren Modellen und lassen Sie das automatische Failover die Fälle abfangen, in denen der neue Anbieter in seinem ersten Monat schwächelt. Die Routing-DSL kann die Übergabe ausdrücken — schnelles Modell zuerst, Eskalation bei einem Signal geringer Konfidenz oder einem fehlgeschlagenen Tool-Call — ohne eine zweite Integration für den Fallback. Am Ende messen Sie Mercury 3 an Ihrem eigenen Traffic statt an einem Launch-Post, und Sie behalten das Modell, das einen Screenshot lesen kann, für die Anfragen, die es brauchen.

Welches soll man wählen?

Wenn Ihre Workload rein textbasiert, latenzgebunden und tolerant gegenüber einer gelegentlichen falschen Antwort ist, die ein Mensch oder ein Retry abfangen kann, dann ist Mercury 3 zum Einführungspreis eine der günstigsten seriösen Optionen, die diese Woche verfügbar sind, und die 100 Millionen kostenlosen Tokens auf der Plattform von Inception machen den Test nahezu kostenlos. Probieren Sie es mit Ihrem eigenen Traffic aus, legen Sie die Effort-Einstellung fest und messen Sie die Retry-Rate statt den Durchsatz.

Wenn Ihre Workload Dokumente, Bilder, langfristige Codeänderungen oder Antworten umfasst, die niemand prüft, bevor auf ihrer Grundlage gehandelt wird, bleibt Opus 5.5 die vertretbare Wahl, und der Preis ist nicht die interessante Variable. Sein unabhängiger Index-Score, sein multimodaler Input und seine veröffentlichte Benchmark-Tabelle sind das, was Sie kaufen, und keines davon hat bislang ein Äquivalent bei Mercury 3.

Der Fehler, den es zu vermeiden gilt, besteht darin, das 57x als Migrationsauftrag zu behandeln. Es ist ein Rabatt auf Tokens, und Tokens sind der günstigste Teil der meisten KI-Systeme. Die teuren Teile – ein Mensch, der Ausgaben prüft, eine falsche Antwort, die einen Kunden erreicht, eine Pipeline, die um ein Modell herum neu aufgebaut wird, das nicht sehen kann – sind genau die Teile, die die Preistabelle nicht zeigt.