Mercury 3 vs. Mistral Large 4: Zwei unfertige Modelle und die jeweils daran geknüpften Versprechen

Keines der beiden Modelle ist fertig, und sie sind auf entgegengesetzte Weise unfertig. Mercury 3 wurde am 19. Oktober 2026 von Inception Labs als ausgeliefertes Produkt zu 0,20 US-Dollar pro Million Eingabe-Tokens und 0,70 US-Dollar pro Million Ausgabe-Tokens veröffentlicht, und es gibt keinerlei unabhängige Bewertung — keinen Artificial Analysis Score, keine Prüfumgebung von Drittanbietern, nichts. Mistral Large 4 wurde am 6. Oktober 2026 von Mistral als öffentliche Vorschau zu 1,36 US-Dollar bzw. 4,18 US-Dollar pro Million angekündigt, und es hat einen unabhängigen Score von 38 im Artificial Analysis Intelligence Index sowie gemessene Kosten von 1,13 US-Dollar pro Index-Aufgabe, aber seine Gewichte — von denen Mistral versprach, sie würden „bis Ende des Monats“ erscheinen — waren zum Zeitpunkt der Erstellung dieses Textes noch nicht auf Hugging Face veröffentlicht, und der eigene Reinforcement-Learning-Lauf der Vorschau lief zum Zeitpunkt der Ankündigung noch. 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 Kennzeichnung als umstritten enthält.

Der Vergleich steht also zwischen einem Modell, dessen Zahlen alle vom Anbieter gemeldet sind, und einem Modell, dessen Zahlen nicht alle endgültig sind. Sie gehören zudem unterschiedlichen Produktkategorien an: Mercury 3 ist ein reines Text-Diffusions-Sprachmodell mit einem Kontext von einer Million Tokens und einer Durchsatzangabe von 1.068 Tokens pro Sekunde, während Mistral Large 4 ein natives multimodales Mixture-of-Experts-Modell mit 1 Billion Parametern und 52 Milliarden aktiven Parametern ist, trainiert auf 3.800 NVIDIA Grace Blackwell GPUs in französischen Rechenzentren und explizit auf europäische KI-Souveränität ausgerichtet. Wenn Ihre Workload Text ist und Ihre Einschränkung die Kosten sind, ist dieser Unterschied entscheidend, bevor irgendein Benchmark herangezogen wird. Wenn nicht, konkurrieren die beiden Modelle kaum.

Mercury 3 und die konkrete Sache, die fehlt

Das Modell von Inception ist die dritte Generation seiner Wette auf paralleles Decoding. Statt eines Tokens pro Forward-Pass entrauscht Mercury einen Block von Positionen und committet sie gemeinsam – daher kommen die über 1.000 Tokens pro Sekunde. Mercury 3 hat laut Inception mehr als das 40-fache der Gesamtparameterzahl von Mercury 1, mit einem Kontextfenster, das von 260.000 auf 1.000.000 Tokens gewachsen ist, und einer Ausgabegrenze von 131.072 Tokens, und es läuft mit 1.068 Tokens pro Sekunde auf nicht näher spezifizierter NVIDIA-Hardware.

Was fehlt, ist jede Messung, die Inception nicht selbst durchgeführt hat. Das einzige strukturierte Qualitätsergebnis der Ankündigung ist ein Agententest auf Live-Websites: 50 Mind2Web-Navigationsaufgaben gegen echte Websites in Inceptions eigener Produktions-Testumgebung, bei denen Mercury 3 50 % – 25 Aufgaben – abschloss, was laut Inception „deutlich mehr als GPT-6.1-Sol“ bei gleichem Tokenvolumen und gleicher Schrittanzahl ist. Das ist interessanter als eine Benchmark-Tabelle, weil die Websites live waren, und weniger vertrauenswürdig aus demselben Grund, aus dem eine Anbieter-Demo es immer ist: Inception wählte die Testumgebung, die Ziele und die Bewertung. Es gibt Stand 20. Oktober 2026 keine Artificial-Analysis-Seite für Mercury 3, also gibt es keine neutrale Durchsatzzahl, keine neutralen Kosten pro Aufgabe und keine neutrale Recall-Kurve für dieses Millionen-Token-Fenster.

Die Konsequenz ist konkret und nicht philosophisch. Ein Kontext mit einer Million Token und einer ungemessenen Recall-Kurve ist eine Kapazitätsbehauptung: Die Token passen hinein, und niemand hat belegt, wie viel davon das Modell tatsächlich nutzt. Mercury 2.5 erreichte 12 im Artificial Analysis Intelligence Index, was Ihnen zeigt, wo die vorherige Generation stand – und nichts über diese.

Mistral Large 4 und die konkrete Sache, die unvollendet ist

Mistrals Modell ist eine ganz andere Sache, und die Ankündigung ist ungewöhnlich konkret dazu. Es ist ein nativ multimodales Modell mit 1 Billion Parametern und 52 Milliarden aktiven Parametern – ein spärliches Mixture-of-Experts-Modell, sodass der Großteil der Billion bei keinem einzelnen Token Arbeit leistet. Es verarbeitet Dokumente, Diagramme, natürliche Bilder, technische Zeichnungen und Gigapixel-Satellitenbilder und wurde mit Daten aus mehr als 160 Sprachen trainiert, darunter alle Amtssprachen der EU.

• Coding — 61,7 % bei DeepSWE v1.1, 59,4 % bei SWE-Atlas-QnA, 28,3 % bei Terminal-Bench 4, was einem kombinierten Coding Agent Index von 49,8 % entspricht. Alle Angaben stammen von Mistral.

• Agenten und Cybersicherheit — 59,9 % bei AutomationBench, 1.393 Elo bei AA-Briefcase, 82 % bei einem Test zur Reproduktion und Behebung realer Schwachstellen, der laut Mistral alle Modelle anführt, 93 % bei Cybench und 93,3 % Angriffsresistenz bei Lakera's B3.

• Vision — 42 % bei Dense 200 Visual Grounding, knapp vor GPT-6 Astra mit 41 %.

• Menschliche Bewertung — 3,74 von 5 in Surge AIs verblindeter Coding-Bewertung, Zweiter von fünf Modellen hinter Claude Opus 5 mit 4,22. Die Studie wurde von einem Dritten durchgeführt; Mistral hat sie in Auftrag gegeben und veröffentlicht.

• Unabhängiger aggregierter Wert — {{1}}38 im Artificial Analysis Intelligence Index{{/1}}, auf Platz {{2}}66 von 217{{/2}}, bei {{3}}1,13 $ pro Index-Aufgabe{{/3}}, {{4}}67,5 Ausgabe-Token pro Sekunde{{/4}} und einer {{5}}Zeit bis zum ersten Token von 1,65 Sekunden{{/5}}.

• Status — Vorschau, Gewichte bis Ende Oktober 2026 versprochen, RL-Lauf zum Zeitpunkt der Ankündigung noch in Bearbeitung.

Bei der Klassifizierung ist Vorsicht geboten. Mistrals eigene Dokumentation führt die Generation v26.10 als „Open“ und als Open-Weight; die Artificial-Analysis-Seite, abgerufen am 20. Oktober, bezeichnet sie weiterhin als „proprietär“ und sagt, „die Modellgewichte sind nicht öffentlich verfügbar“. Beides ist zu unterschiedlichen Zeitpunkten korrekt: Die Lizenz ist die Absicht, die Gewichte sind noch nicht auf der Festplatte. Wer eine Bereitstellung mit der Annahme aufbaut, dass Mistral Large 4 im November herunterladbar sein wird, sollte beachten, dass das Versprechen ein Datum, aber noch kein Repository hat.

Die beiden Tarifkarten – und die Zahl, die die Lücke kleiner erscheinen lässt, als sie ist

Auf dem Papier ist Mercury 3 dramatisch günstiger: 0,70 $ pro Million Output gegenüber 4,18 $ und 0,20 $ Input gegenüber 1,36 $. Das ist ein 6-facher Unterschied zum Listenpreis bzw. ein 12-facher während Mercurys Launch-Window bei 0,10 $ und 0,35 $, wobei Mistrals eigene Aktionspreise bei 0,68 $ und 2,09 $ ihn auf etwa das 6-Fache verringern.

Die Pro-Antwort-Zahl ist der Punkt, an dem es sich weiter verdichtet, und sie ist die einzige Zahl in diesem Artikel, die von jemand anderem als dem Anbieter gemessen wurde, der das Modell verkauft. Artificial Analysis setzt Mistral Large 4 Preview bei 1,13 US-Dollar pro Intelligence-Index-Aufgabe an. Für Mercury 3 gibt es keinen entsprechenden Wert, daher besteht die einzige Möglichkeit, einen solchen zu konstruieren, darin, ein Token-Volumen anzunehmen – und die früheren Mercury-Vergleiche zeigten, warum diese Annahme wichtig ist: Ein Modell, das 31.000 Ausgabe-Token verbraucht, wo ein anderes 193.000 verbraucht, kann pro Token 20-mal teurer und pro Antwort immer noch günstiger sein. Bei 0,70 US-Dollar pro Million bräuchte Mercury 3 etwa 1,6 Millionen Ausgabe-Token, um für eine einzelne Aufgabe 1,13 US-Dollar zu kosten. So viel wird es nicht verbrauchen. Bei jedem realistischen Volumen liegt es weit unter 1,13 US-Dollar, was der ehrliche Kern seines Arguments ist: Der Vorteil pro Token übersteht die Pro-Antwort-Korrektur hier auf eine Weise, wie er es gegen GPT-6 Sol nicht tat.

• Kontext — Mercury 3: 1.000.000 Token laut Inception-Dokumentation. Mistral Large 4: 1.000.000 laut Mistral-Modelllisting, gegenüber 524.288 in der von Artificial Analysis getesteten Konfiguration.

• Multimodalität — Mercury 3: Text rein, Text raus, keine Bilder um jeden Preis. Mistral Large 4: Dokumente, Diagramme, Fotografien, technische Zeichnungen, Satellitenbilder.

• Geschwindigkeit — Mercury 3: 1.068 Tokens pro Sekunde, vom Anbieter gemessen. Mistral Large 4: 67,5 Tokens pro Sekunde laut Artificial Analysis, mit einer Zeit bis zum ersten Token von 1,65 Sekunden, die für ein Modell dieser Größe wirklich schnell ist.

• Gewichte — Mercury 3: keine veröffentlicht, und die Hugging-Face-Organisation von Inception führt keine Modell-Repositories. Mistral Large 4: für Ende Oktober versprochen, bislang nicht veröffentlicht.

• Governance — Mercury 3: keine veröffentlichte Angabe zu Trainingsdaten oder EU-Bereitstellung. Mistral Large 4: in europäischen Rechenzentren trainiert, Bereitstellung mit Betrieb in Europa, alle offiziellen EU-Sprachen.

Die Zeile zum Langkontext ist die, die man zweimal lesen sollte. Mistrals Dokumentation nennt eine Million Token; Artificial Analysis testete bei 524.288. Das ist kein Widerspruch – Anbieter testen mit der Zweierpotenz, die ihre Testumgebung unterstützt –, aber es erinnert daran, dass eine Kontextangabe ein Maximum ist, keine getestete Fähigkeit, und auch der Langkontext-Recall von Mistral Large 4 wurde nicht für das volle Fenster veröffentlicht.

Wo das europäische Argument wirklich greift

Das Souveränitätsargument ist bei diesem Modell kein Beiwerk; es ist der Grund, warum mehrere Käufer es einem billigeren und besseren Angebot vorziehen werden. Trainiert auf Blackwell-GPUs in französischen Rechenzentren, betrieben aus Europa, mehrsprachig in allen offiziellen EU-Sprachen – für einen öffentlichen Auftraggeber oder ein reguliertes europäisches Unternehmen kann diese Kombination zwölf Punkte im Intelligenzindex aufwiegen, denn die Alternative ist möglicherweise überhaupt nicht beschaffbar.

Mercury 3 bietet nichts davon. Inception hat nichts darüber veröffentlicht, wo das Modell läuft, mit welchen Daten es trainiert wurde oder welche Aufbewahrungsbedingungen gelten – abgesehen von der Anmerkung, dass Unternehmenskunden dedizierte Kapazität, Autoscaling, Compliance-Kontrollen und konfigurierbare Aufbewahrung erwerben können. Das sind die richtigen Dinge, die man einem Unternehmen verkaufen kann, und sie sind nicht dasselbe wie eine veröffentlichte Position zur Datenverarbeitung.

Es gibt noch eine Feinheit in der europäischen Geschichte, die es wert ist, hervorgehoben statt aufgelöst zu werden: das Versprechen offener Gewichte. Wenn Mistral die Gewichte Ende Oktober veröffentlicht, bekommt ein europäischer Käufer etwas, das derzeit kein amerikanisches Labor in diesem Maßstab anbietet – ein frontier-nahes multimodales Modell, das innerhalb des eigenen Perimeters, auf eigener Hardware und ohne Anbieter im Anfragepfad laufen kann. Das ist ein substanziell anderes Produkt als eine Vorschau-API, und genau deshalb wiegt das fehlende Repository schwerer als die fehlenden Benchmark-Punkte.

Beide dieser Modelle sind nicht mehr in unserem Katalog, was die Empfehlung verändert.

Mercury 3 ist nicht im OrcaRouter-Katalog, und Mistral Large 4 ebenso wenig – unsere Modell-API liefert für beide nichts zurück, und zwar bei jeder Slug-Variante, die wir ausprobiert haben. Das ist ungewöhnlich genug, um es klar zu sagen, denn es bedeutet, dass dieser Vergleich nicht mit „beide auf einen Schlüssel“ enden kann. Wer eines der beiden Modelle aufruft, wendet sich direkt an den Anbieter oder an eine der mehreren Drittanbieterplattformen, die es hosten.

Was eine Routing-Schicht in dieser Situation noch leistet, ist der Teil, der kein Hosten des Modells erfordert: Sie hält die Modelle, die wir tatsächlich routen, hinter einem einzigen OpenAI-kompatiblen Endpoint, und sie ermöglicht es Ihnen, eine Regel dafür auszudrücken, welcher Traffic wohin geht. Wenn Mistrals Gewichte Ende Oktober erscheinen, ist die interessante Architektur nicht „Mistral Large 4 für alles verwenden“ – es ist ein selbst gehosteter Mistral-Pfad für die Dokumente, die Ihren Perimeter nicht verlassen dürfen, ein geroutetes Frontier-Modell für die Arbeit, die ihn verlassen darf, und eine Regel, die zwischen ihnen entscheidet. Dieselbe Regel deckt Mercury 3 ab, falls Inception es irgendwo bereitstellt, wo wir es erreichen können, und sie deckt den Fall ab, dass die Aktionspreise eines der beiden Anbieter enden, wofür bei Mercury 3 kein Termin angekündigt ist.

Wer sollte welche auswählen, und was würde die Antwort ändern?

Wählen Sie Mercury 3, wenn es sich bei der Arbeit um Text handelt, das Volumen hoch ist und sich die Antworten mit geringem Aufwand überprüfen lassen. Die Preisliste ist je nach aktuell geltenden Preisen sechs- bis zwölfmal günstiger als Mistral Large 4, das Kontextfenster hat dieselbe angegebene Größe, und das Fehlen einer neutralen Bewertung ist ein Risiko, das Sie innerhalb eines Tages an Ihrer eigenen Fehlerquote messen können. Was Sie aufgeben, ist jede Form von Eingabe, die kein Text ist, sowie jede Möglichkeit, das Verhalten des Modells vor dem Deployment zu auditieren.

Wählen Sie Mistral Large 4, wenn die Eingabe Bilder, Zeichnungen oder Scans enthält; wenn die Beschaffung Training und Betrieb in Europa verlangt; wenn eine Zeit bis zum ersten Token von 1,65 Sekunden mehr zählt als der rohe Durchsatz; oder wenn das Open-Weights-Versprechen der eigentliche Grund für Ihr Interesse ist – in diesem Fall warten Sie auf das Repository statt auf die Ankündigung. Was Sie dafür aufgeben, ist ein Faktor sechs beim Preis und jeglicher Anspruch darauf, das schnellste verfügbare Produkt zu sein.

Zwei Daten würden die meisten offenen Fragen in diesem Artikel klären. Das erste ist Ende Oktober, wenn Mistral entweder die Gewichte veröffentlicht oder nicht. Das zweite ist, wann immer Artificial Analysis Mercury 3 laufen lässt, wodurch jede Anbieterzahl im ersten Abschnitt durch einen gemessenen Wert ersetzt würde. Keines der beiden Daten wurde angekündigt. Bis dahin lautet die vertretbare Zusammenfassung, dass Mercury 3 die günstigere Text-Engine und Mistral Large 4 das vollständigere Produkt ist und dass beide mit Behauptungen verkauft werden, die der Käufer derzeit einfach glauben muss.