Mercury 3 vs. GPT-6 Astra: 28-facher Ausgabepreis – Stück für Stück einen Aufwandsgrad erkauft

Mercury 3 und GPT-6 Astra unterscheiden sich beim Ausgabepreis um das 28-Fache – 0,35 US-Dollar pro Million während des Startfensters von Inception gegenüber 50,00 US-Dollar von OpenAI – und beim Durchsatz um etwa das 18-Fache in die entgegengesetzte Richtung. Diese beiden Zahlen lassen sich leicht zitieren und sind für sich genommen nahezu nutzlos, denn Astra ist nicht ein Modell zu einem Preis. Es ist eine Reasoning-Leiter: fünf Aufwandsstufen, ein Indexwert, der von 46 ganz unten auf 53 ganz oben steigt, und eine Rechnung, die mitsteigt. Mercury 3 hat gewissermaßen ebenfalls eine Leiter – vier Aufwandsstufen und einen Standard ganz unten –, aber bei keiner davon einen unabhängigen Wert. Die eigentliche Frage in diesem Duell ist also nicht, ob Astra 28-mal so viel wert ist wie Mercury 3. Sie lautet, wie weit man auf Astros Leiter tatsächlich steigen muss und ob die Arbeit, die man erledigt, überhaupt eine Leiter braucht. Die dokumentierten KI-Fehler und Agenten-Vorfälle hinter Releases wie diesem sind gesammelt in dem OrcaRouter AI Incident Archive, wobei jeder Eintrag seine eigenen Quellen, Schweregrad, Konfidenzgrad und eine Kennzeichnung für strittige Fälle mitführt.

Die Zahl, die darüber entscheidet, und sie ist nicht der Preis

Artificial Analysis misst GPT-6 Astra mit 53 auf seinem Intelligence Index bei der maximalen Aufwandsstufe des Modells, auf Rang sieben von 216 Modellen im Index, bei etwa 3,26 US-Dollar an Rechenleistung pro Index-Aufgabe. Lässt man dieselbe Suite mit der niedrigsten Aufwandsstufe laufen, liegt der Wert bei 46. Die fünf Stufen sind, in dieser Reihenfolge, 46, 50, 51, 52 und 53.

Lesen Sie diese Leiter zweimal. Die erste Lesart ist, dass die oberste Sprosse nur sieben Punkte über der untersten liegt – in einer Suite, in der sieben Punkte viel sind: Die Modelle unter Astra und die Modelle darüber sind durch kleinere Abstände getrennt als das. Die zweite Lesart ist, dass die vierte Sprosse bei 52 nur einen Punkt von der Spitze entfernt und vermutlich günstiger ist. Wenn Ihre Aufgabe den letzten Punkt nicht benötigt, wählen Sie nicht zwischen Mercury 3 und einem Modell mit 53 Punkten; Sie wählen zwischen Mercury 3 und einem mit 52 Punkten, und der Preis, dorthin zu gelangen, ist ein Parameter und kein anderes Modell.

Mercury 3 bietet keine solche Wahl, weil es nichts gibt, wohin man aufsteigen könnte. Es gibt keinen Indexwert für Instant, niedrig, mittel oder hoch. Die eigene vergleichende Behauptung von Inception – dass Mercury 3 GPT-6 Luna und Claude Haiku 5.5 übertrifft – ist eine Aussage über die schnelle Stufe, ohne Angabe von Margen, und sein einziges strukturiertes Qualitätsergebnis sind 50 % Abschluss bei 50 Live-Navigationsaufgaben in Mind2Web innerhalb seines eigenen Agent-Harness. Das ist ein echtes Ergebnis und eine kleine Stichprobe, und es sagt nicht, wo Mercury 3 in einem Index mit 216 Modellen landen würde, wenn es morgen eingetragen würde.

Was ein Ausgabe-Token für 50 $ tatsächlich enthält

GPT-6 Astra verarbeitet Text, Bilder und Dateien, hat ein Kontextfenster von 1,05 Mio. Tokens und gibt bis zu 128K Tokens zurück. Die Standard-Preisliste sieht 10,00 US-Dollar pro Million Eingabe- und 50,00 US-Dollar pro Million Ausgabe-Tokens vor, bei zwischengespeicherter Eingabe 1,00 US-Dollar. Ab 272.000 Eingabe-Tokens berechnet es die gesamte Anfrage mit 20,00 und 75,00 US-Dollar neu, bei zwischengespeicherter Eingabe mit 2,00 US-Dollar — die Grenze ist keine marginale Staffel, sondern ein Schalter, der die gesamte Rechnung verdoppelt. Batch- und Flex-Verarbeitung halbieren die Sätze; der Fast-Modus verdoppelt sie. Reasoning ist immer aktiv und reicht von niedrig bis maximal.

In diesem Absatz stecken zwei Fallen. Die Grenze von 272.000 Token bedeutet, dass eine Anfrage mit 280.000 Token doppelt so viel kostet wie eine Anfrage mit 270.000 Token, ohne anteilige Gutschrift — daher ist die Kontextkürzung nahe der Grenze mehr Engineering-Aufwand wert, als die meisten Teams ihr widmen. Und was OpenAI als „GPT-6 Astra Pro“ vermarktet, ist kein separates Modell und keine separate SKU; es ist die Pro-Einstellung des Reasoning-Reglers, was bedeutet, dass es über denselben Endpunkt zu denselben Tarifen erreichbar ist und man dafür keinen neuen Vertrag braucht.

Mercury 3 kostet zum Vergleich 0,20 $ und 0,70 $ laut Listenpreis, für den Launch-Zeitraum halbiert auf 0,10 $ und 0,35 $, mit gecachter Eingabe zu 0,02 $ und 0,01 $. Ein Kontextfenster von 1 Mio. Tokens, eine maximale Ausgabe von 131.072, keine Stufen, keine Grenze, kein Batch-Multiplikator. Die Preisliste ist vier Zeilen lang. Diese Einfachheit ist für sich genommen etwas wert – ein Kostenmodell, das man im Kopf behalten kann, driftet nicht.

Das Kostenmodell, das niemand anwendet: Tokens pro Aufgabe, nicht Preis pro Token

Astras Preis pro Token ist die am wenigsten interessante Zahl in Bezug auf Astras Kosten. Artificial Analysis berichtet, dass ein vollständiger Lauf des Intelligence Index auf Astra insgesamt etwa 60 Millionen Ausgabe-Token verbraucht und dass eine Index-Aufgabe etwa $3.26 kostet. Teilt man die eine Zahl durch die andere, erhält man das Verhältnis, auf das es ankommt: Astra gibt sehr viel für das Nachdenken aus, bevor es überhaupt etwas für die Beantwortung ausgibt.

Mercury 3 ist zum Start vierzehnmal günstiger als Astra und 71-mal günstiger zum Mercury-Listenpreis im Vergleich zu Astras Standardtarif. Aber der Vergleich des Preises pro Token setzt voraus, dass die beiden Modelle für dieselbe Aufgabe vergleichbare Token-Zahlen ausgeben, und alles, was man über Diffusion-Decoding weiß, spricht dagegen. Ein Diffusionsmodell löst einen Block von Positionen über eine feste Anzahl von Denoising-Durchläufen auf; seine Ausgabelänge ist eine Eigenschaft der Antwort, nicht eines internen Monologs, der sich vor der Antwort entfaltet. Astras Ausgabelänge wird vom Monolog dominiert.

Das schneidet in beide Richtungen, und beide Seiten sind es wert, benannt zu werden. Bei einer reasoning-intensiven Aufgabe, bei der Astra 100.000 Reasoning-Tokens aufwendet, um die richtige Antwort zu erhalten, ist der Vorteil von Mercury 3 weit größer als 14x, weil Mercury 3 den Monolog überhaupt nicht bezahlt – ob es ohne einen solchen jedoch zur selben Antwort gelangt, ist genau die offene Frage. Bei einer Kurzantwort-Aufgabe, bei der Astra mit geringem Aufwand in dreihundert Tokens antwortet, findet der Monolog nie statt, und der Vergleich reduziert sich auf die Preisliste: 14x zum Start, 71x auf Mercurys Liste.

Setzen Sie es einer echten Arbeitslast aus. Zehn Millionen Input-Tokens und zwei Millionen Output-Tokens pro Tag, eine Mischung aus Support und Zusammenfassung. Auf Astra zu Standardtarifen sind das 100 $ für Input und 100 $ für Output — 200 $ pro Tag, etwa 6.000 $ pro Monat. Auf Mercury 3 zum Listenpreis sind es 2 $ und 1,40 $ — 3,40 $ pro Tag, etwa 102 $ pro Monat. Zu Einführungspreisen ist es noch einmal die Hälfte davon. Derselbe Traffic, 59-mal so hohe Ausgaben, und die Frage, ob Astras Antworten 59-mal besser sind, kann derzeit niemand mit einer Zahl beantworten.

Wo ein Router in diesem Matchup tatsächlich hilft

GPT-6 Astra ist im OrcaRouter-Katalog. Es ist über denselben OpenAI-kompatiblen Endpoint erreichbar wie die übrigen Modelle, die wir routen, zu OpenAI-Listenpreisen, ohne dass wir etwas draufschlagen — 10,00 $ Eingabe, 50,00 $ Ausgabe, 1,00 $ gecacht und die Long-Context-Stufe mit 20,00 $ und 75,00 $ oberhalb der Grenze von 272.000 Token — wobei sowohl Chat Completions als auch die Responses API verfügbar sind, je nachdem, welche Form Ihr Code bereits spricht.

Mercury 3 ist nicht im Katalog. Unsere Modell-API liefert für kein Inception-Modell etwas zurück, ein Aufruf bedeutet also, auf Inceptions eigene Plattform zu gehen, wo neue Konten derzeit 100 Millionen kostenlose Token erhalten, oder auf eine der Inferenzplattformen, die Inception aufführt. Das sagen wir lieber, als dass ein Vergleichsbeitrag einen Weg impliziert, den wir nicht haben.

Was Ihnen die Routing-Schicht hier bringt, ist ein zweiter Regler, der sich von Astras Effort-Stufen unterscheidet. Die fünf Effort-Stufen sind Astras eigener Regler, und jede Sprosse nach oben kostet Geld. Mit Routing können Sie wählen, wie selten Sie überhaupt für Astra zahlen: Schicken Sie den Großteil des Traffics an ein Modell in der schnellen Stufe, die wir tatsächlich routen — GPT-6 Luna zu $0.10 und $0.50 oder Claude Haiku 5.5 zu $1.00 und $5.00 — und reservieren Sie Astra in high oder max für den Anteil der Anfragen, die wirklich schwierig sind, mit automatischem Failover, falls die Leistung eines Anbieters nachlässt und der Routing-DSL, um die Aufteilung als Regel statt als Code-Verzweigung auszudrücken. Die Ersparnis liegt nicht in Astras Tarif; sie liegt darin, wie oft Sie Astra vermeiden.

Das ist übrigens auch der ehrliche Weg, Mercury 3 zu bewerten. Setzen Sie es auf den Fast-Tier-Pfad neben Luna und Haiku 5.5, wo Inceptions eigener Vergleich es verortet, und prüfen Sie, ob es bei Ihren Aufgaben gewinnt. Ein direkter Vergleich mit Astra ist der Vergleich eines Modells ohne Indexwert mit einem Modell auf der siebten Sprosse eines Index mit 216 Modellen, und das Ergebnis sagt Ihnen mehr über die Diskrepanz als über eines der beiden Modelle.

Ein Detail, das eine Routing-Schicht nicht vereinfachen sollte – und wir tun es auch nicht: Astras Preiskarte hat eine Grenze bei 272.000 Eingabe-Tokens, die die gesamte Anfrage neu bepreist, sowie einen Batch-Modus, der sie halbiert. Das sind keine marginalen Anpassungen, und eine Durchreichung zum Listenpreis ist nur dann sinnvoll, wenn sie auch die unbequemen Teile durchreicht.

Der Vergleich, der die Sache entscheiden würde

Was Mercury 3 vs. GPT-6 Astra entscheiden würde, ist weder ein Launch-Post noch dieser Artikel. Es ist eine einzige Zahl: die Position von Mercury 3 auf demselben Index, auf dem Astra steht, bei einer angegebenen Effort-Einstellung, auf derselben Suite, gemessen von jemandem, der nicht zu Inception gehört. Bis es das gibt, ist jeder Vergleich zwischen diesen beiden ein Vergleich zwischen einem gemessenen und einem ungemessenen Modell, und dem gemessenen sollte standardmäßig der Vertrauensvorschuss gelten – nicht aus Respekt vor O​penAI, sondern weil eine Punktzahl, die man überprüfen kann, mehr wert ist als eine Durchsatzzahl, die man nicht überprüfen kann.

Die sinnvolle Haltung ist bis auf Weiteres die, die Astras eigene Leiter nahelegt. Die meisten Aufgaben brauchen nicht die oberste Sprosse von irgendetwas. Lenken Sie den Großteil Ihres Traffics auf das günstigste Modell, das Ihre Qualitätslatte erfüllt, behalten Sie die teure Sprosse für die Anfragen, die sie nicht erfüllen, und behandeln Sie Mercury 3 als Kandidaten für den günstigen Pfad statt als Alternative zum teuren. Wenn sich herausstellt, dass es die Latte zum Vierzehntel des Preises erfüllt, werden Sie das an Ihren eigenen Aufgaben feststellen – der einzigen Suite, deren Ergebnisse Sie tatsächlich umsetzen können.