Mercury 3 vs. DeepSeek V4 Pro: Der eine wird nach der Uhr abgerechnet, der andere pro Start

Zwei Modelle können beide „etwa einen Dollar pro Million Ausgabe-Tokens“ kosten und Ihnen trotzdem sehr unterschiedlich in Rechnung gestellt werden. Mercury 3 berechnet diese Woche $0.35 pro Million Ausgabe-Tokens und $0.70, nachdem der Startrabatt endet – ein Tarif mit einem unbekannten Datum. DeepSeek V4 Pro berechnet $1.98 pro Million Ausgabe-Tokens außerhalb der Stoßzeiten und $3.96 während zweier Zeitfenster an jedem Wochentag, 01:00–04:00 und 06:00–10:00 UTC – ein Tarif mit Uhrzeit. Wenn Ihr Traffic stoßweise auftritt und in diese Zeitfenster fällt, kostet DeepSeek V4 Pro bis zu 11-mal so viel wie Mercury 3 zum Startpreis und etwa 5,7-mal so viel zum Listenpreis von Mercury. Wenn Ihr Traffic über Nacht und am Wochenende läuft, verringert sich der Abstand auf das 2,8-Fache. Keine der beiden Zahlen ist die aus dem Schlagzeilenvergleich, und genau das ist der Sinn davon, diese beiden nebeneinanderzustellen. Die dokumentierten KI-Ausfälle und Agentenvorfälle hinter Veröffentlichungen wie dieser sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag seine eigenen Quellen, Schweregrad, Konfidenzgrad und eine Kennzeichnung als umstritten mitführt.

Die Modelle selbst liegen ebenfalls weiter auseinander, als der Preis vermuten lässt. Mercury 3 ist das Diffusions-Sprachmodell von Inception Labs, veröffentlicht am 19. Oktober 2026: 1 Mio. Token Kontext, 131.072 Ausgabe-Tokens, nur Text, 1.068 Tokens pro Sekunde nach Inceptions eigener Messung und keine veröffentlichten numerischen Benchmark-Ergebnisse. DeepSeek V4 Pro ist DeepSeeks Flaggschiff-Modell als Mixture-of-Experts, veröffentlicht am 24. April 2026 und im August als Build 0813 aktualisiert: 1,6 Billionen Parameter insgesamt bei rund 49 Milliarden aktiven, 1.048.576 Token Kontext, eine Ausgabeobergrenze von 384.000 Tokens, reine Texteingabe und eine beträchtliche Menge an Messungen durch Dritte dahinter. Das eine ist ein Tempo-Ansatz mit einer unerprobten Obergrenze. Das andere ist ein Kapazitäts-Ansatz mit einer belegten – und ungleichmäßigen – Leistungsbilanz.

Die Tarifkarten, einschließlich der Teile, die leicht zu übersehen sind

• Ausgabe — Mercury 3: 0,35 $ pro Million zum Marktstart, 0,70 $ zum Listenpreis. DeepSeek V4 Pro: 1,98 $ außerhalb der Spitzenzeiten, 3,96 $ zu Spitzenzeiten.

• Eingabe — Mercury 3 zum Start 0,10 $, laut Liste 0,20 $. DeepSeek V4 Pro außerhalb der Spitzenzeiten 0,66 $, zu Spitzenzeiten 1,32 $.

• Zwischengespeicherte Eingabe — Mercury 3: 0,01 $ zum Start, 0,02 $ zum Listenpreis, ein pauschaler Rabatt von 90 %. DeepSeek V4 Pro: 0,022 $ außerhalb der Spitzenzeiten, 0,044 $ zu Spitzenzeiten, was demselben Verhältnis von 1/30 entspricht, aber auf eine höhere Basis angewendet wird.

• Wenn der Spitzenzeitraum gilt — die Spitzenzeitfenster von D​eepSeek sind 01:00–04:00 und 06:00–10:00 UTC, Montag bis Freitag, mit Ausnahme chinesischer gesetzlicher Feiertage. Alles andere, einschließlich aller Wochenendstunden, wird zum niedrigeren Tarif abgerechnet. Der Rabatt von Mercury 3 hat kein veröffentlichtes Enddatum.

• Ausgabengrenze — DeepSeek V4 Pro 384.000 Token, etwa das Dreifache der 131.072 von Mercury 3.

• Kontext — beide nominell 1 Mio. Tokens.

• Eingaben — bei beiden ausschließlich Text. Keines der beiden ist ein multimodales Modell, daher ist diese Dimension ein Gleichstand und nicht der übliche Unterschied.

• Durchsatz — Mercury 3 mit 1.068 Tok/s pro Inception, nicht reproduziert. DeepSeek V4 Pro mit 119,1 Tok/s Ausgabe, gemessen anhand unseres eigenen Playground-Traffics über sieben Tage.

• Steuerung des Denkaufwands — Mercury 3 bietet die Stufen Sofort, Niedrig, Mittel und Hoch und ist standardmäßig auf Niedrig eingestellt. DeepSeek V4 Pro läuft standardmäßig im Denkmodus; ein Nicht-Denkmodus ist verfügbar, und beide Modi kosten gleich viel.

Die Peak-Window-Regel verdient mehr Aufmerksamkeit, als ihr üblicherweise zuteilwird, denn sie sorgt dafür, dass ein Kostenmodell, das einen einzigen Tarif annimmt, für etwa sieben Stunden jedes Werktags um den Faktor zwei falsch liegt – und diese sieben Stunden umfassen den europäischen Vormittag und den Beginn des US-Arbeitstags. Eine Arbeitslast, die in einer Tabelle wie 1,98 $ pro Million aussieht, kann gemischt 2,97 $ pro Million kosten, ohne dass jemand auch nur eine Codezeile ändert.

Was die eigenen Zahlen von D​eepSeek darüber sagen

DeepSeek V4 Pro ist auf eine Weise messbar, wie Mercury 3 es derzeit nicht ist, und die Messwerte sind nicht durchweg schmeichelhaft. Artificial Analysis führt es mit einem Intelligence Index von 36,0 und einem AA-Coding-Score von 68,8. Sein GPQA-Diamond-Score liegt bei 92,8 %, Humanity's Last Exam bei 41 %, SciCode bei 51 %, die Long-Context-Recall bei 80,3 %. Bei τ²-Bench, dem Benchmark für agentische Tool-Nutzung, erzielt es 96,2 – und unsere eigene Katalogkarte stellt diese Zahl voran, was Ihnen verrät, worin das Modell tatsächlich gut ist.

Die Zahl, die einen Coding-Agenten nachdenklich stimmen sollte, ist Terminal-Bench 4.0: 14,1 %. Das ist kein Tippfehler, und es ist nicht ein anderer Benchmark als der, auf dem Claude Opus 5.5 59,6 % erreicht. Terminal-Bench 4.0 ist eine Terminal-Aufgaben-Suite mit langem Zeithorizont, und ein Modell, das dort im niedrigen Teenagerbereich liegt, ist kein Modell, dem man eine mehrstufige Engineering-Aufgabe übergibt und dann einfach weggeht. Im Kontrast dazu stehen die 96,2 bei τ²-Bench: DeepSeek V4 Pro ist hervorragend bei strukturierten Tool-Aufrufen gegen klar definierte Funktionen und schwach bei offener Shell-Arbeit. Das sind unterschiedliche Produkte, und die beiden Werte zusammen beschreiben die Grenze.

Mercury 3 hat keine vergleichbare Tabelle. Seine einzige strukturierte Qualitätsaussage ist ein Agentenlauf auf 50 echten Mind2Web-Navigationsaufgaben, bei dem es 50 % abschloss, was laut Inception „deutlich mehr als GPT-6.1-Sol“ ist und wobei dasselbe Tokenvolumen und dieselbe Anzahl von Schritten verwendet wurden. Der Vergleich, den ein Käufer eigentlich will – wie sich diese beiden bei derselben Agentenaufgabe verhalten –, wurde also von niemandem öffentlich durchgeführt. Was sich sagen lässt, ist, dass sie für unterschiedliche Fehlermodi gebaut sind: D​eepSeek verfügt über tiefe Tool-Call-Kompetenz und ein langes Ausgabebudget; Mercury hat Geschwindigkeit und eine viel dünnere Evidenzbasis.

Kosten, an einer echten Uhr gemessen

Nehmen wir eine Dokumentverarbeitungs-Workload: 60 Millionen Eingabe-Tokens und 15 Millionen Ausgabe-Tokens pro Tag – eine plausible Pipeline für die Vertrags- oder Unterlagenprüfung bei einer mittelgroßen Kanzlei. Bei Mercury 3 zum Einführungstarif sind das $6.00 für Eingaben und $5.25 für Ausgaben, also $11.25 pro Tag. Bei DeepSeek V4 Pro zum Off-Peak-Tarif sind es $39.60 für Eingaben und $29.70 für Ausgaben, also $69.30 pro Tag.

Verschieben Sie nun die Hälfte dieses Traffics in die Peak-Zeitfenster von D​eepSeek. Dreißig Millionen Input-Tokens kosten außerhalb der Spitzenzeiten 19,80 $ und dreißig Millionen zu Spitzenzeiten 39,60 $; die Ausgabe teilt sich in 14,85 $ und 29,70 $ auf. Der Tagesgesamtbetrag beläuft sich auf 103,95 $. Gleiche Tokens, gleiches Modell, und die Rechnung stieg von 69,30 $ auf 103,95 $. Die Rechnung von Mercury 3 ändert sich überhaupt nicht mit der Uhrzeit.

Wo DeepSeek das wieder hereinholt, ist die Kapazität. Die Obergrenze von 384.000 Token für die Ausgabe bedeutet, dass ein einzelner Aufruf eine strukturierte Extraktion über ein sehr langes Dokument ohne Chunking erzeugen kann – was für eine juristische oder finanzielle Pipeline keine Bequemlichkeit, sondern eine Korrektheitseigenschaft ist, denn beim Chunking gehen Querverweise verloren. Die Obergrenze von Mercury 3 von 131.072 Token deckt die meisten solcher Aufgaben ab und wird nicht alle abdecken. Wenn Ihre Aufgabe routinemäßig Ausgaben über 130K Token erzeugt, ist der Preisvergleich hinfällig: Das günstigere Modell kann die Aufgabe nicht erledigen.

Der Open-Weights-Unterschied, den niemand in einer Preistabelle erwähnt

DeepSeek veröffentlicht Gewichte. DeepSeek-V4-Pro-0813 liegt auf Hugging Face unter der Organisation deepseek-ai, datiert auf den 13. August 2026, zusammen mit der V4.1-Flash-Reihe, die bis Oktober weiter ausgeliefert wurde. Das bedeutet, dass Sie das Modell selbst hosten, feinabstimmen, quantisieren oder in einer air-gapped Umgebung betreiben können, und kein Anbieter kann es Ihnen entziehen. Inception hat die Gewichte von Mercury 3 nicht veröffentlicht, und die Ankündigung enthält keine Zusage, dies zu tun. Wenn Ihre Compliance-Vorgaben erfordern, dass das Modell innerhalb Ihres Perimeters bleibt, hat der Vergleich genau eine praktikable Antwort.

Die Abwägung ist, dass das Selbsthosting eines Mixture-of-Experts-Modells mit 1,6 Billionen Parametern kein Wochenendprojekt ist, und der gehostete Preis niedrig genug ist, dass die meisten Teams es nicht versuchen sollten. Der entscheidende Punkt ist Optionalität, nicht Wirtschaftlichkeit.

Beide hinter einer Taste

DeepSeek V4 Pro ist in unserem Katalog als deepseek/deepseek-v4-pro, abgerechnet zu DeepSeeks eigenem Tarif mit 0 % Aufschlag — einschließlich des Peak-Multiplikators, der unverändert durchgereicht wird, statt zu einem Pauschalwert geglättet zu werden. Das ist hier mehr als sonst von Bedeutung: Ein Anbieter, dessen Preis sich stündlich ändert, ist genau der Fall, in dem ein Router Ihnen den tatsächlichen Zeitplan statt eines Durchschnitts zeigen sollte. Mercury 3 ist nicht in unserem Katalog; unsere Modell-API enthält überhaupt keine Inception-Modelle, daher führt der Weg dorthin über Inceptions eigene Plattform.

Das Muster, das für ein Team, das beide bewertet, sinnvoll ist, ist eine Aufteilung nach Aufgabenform statt nach Preis. Lange Ausgaben bei Extraktion und strukturierte Tool-Aufrufe an DeepSeek V4 Pro, wo die 384K-Obergrenze und der τ²-Bench-Score echte Arbeit leisten; die latenzkritische Stufe mit kurzen Ausgaben an Mercury 3 über Inceptions Key. Ein OpenAI-kompatibler Endpoint deckt die DeepSeek-Seite und mehr als 200 weitere Modelle ab, mit automatischem Failover, falls ein Anbieter beeinträchtigt ist, und die Routing-DSL kann die Regel nach Aufgabenform abbilden, sodass sie einmal konfiguriert und nicht in jedem Service neu implementiert wird. Sie behalten den kostengünstigen schnellen Pfad dort, wo Geschwindigkeit das Produkt ist, und die bewährte Kapazität dort, wo es auf Korrektheit ankommt.

Zu welchem man greifen sollte

Wähle DeepSeek V4 Pro, wenn es um eine lange strukturierte Ausgabe, einen Tool-Calling-Workflow für definierte Funktionen oder irgendetwas geht, das in deiner eigenen Infrastruktur laufen muss. Akzeptiere, dass du zwischen dem 2,8- und 5,7-Fachen von Mercury 3s Einführungspreis zahlst, dass sich die Rechnung mit der Stunde ändert und dass Terminal-Bench 4.0 sagt, dies sei nicht dein autonomer Coding-Agent.

Wähle Mercury 3, wenn die Aufgabe kurz, reiner Text, latenzkritisch und günstig zu wiederholen ist – Sprachturns, Hinweise, Suchzusammenfassungen, Support-Entwürfe – und wenn du bereit bist, die Evaluation selbst durchzuführen, weil niemand eine veröffentlicht hat. Der Einführungsrabatt macht die Testphase nahezu kostenlos; das Fehlen eines Enddatums macht es zu einer schlechten Grundlage für ein Fünf-Jahres-Kostenmodell.

Das Einzige, was man nicht tun sollte, ist, zwischen ihnen anhand des Schlagzeilen-Tokenpreises zu entscheiden. DeepSeeks Zeitplan und Mercurys Startfenster sind beide auf ihre jeweils eigene Weise vorübergehend, und die Zahl, die die Entscheidung leiten sollte – Kosten pro abgeschlossener Aufgabe, einschließlich Wiederholungen und menschlicher Prüfung –, ist die Zahl, die keiner der beiden Anbieter veröffentlicht.