Mercury 3 vs. Reflection Beam: Das schnellste geschlossene Modell trifft auf das schnellste offene Modell.

Reflection Beam kam mit einer Zahl, die überprüft werden konnte, und Mercury 3 kam mit einer Zahl, die sich nicht überprüfen ließ. Beam wird von Artificial Analysis mit 335,1 Ausgabe-Tokens pro Sekunde bewertet, bei einer Zeit bis zum ersten Token von 0,80 Sekunden und einem Intelligence Index von 30 – das viertschnellste von 78 gemessenen Modellen, auf Platz 20 von 121 bei der Qualität. Mercury 3 gibt 1.068 Tokens pro Sekunde an und hat keinerlei unabhängige Bewertung, einen Tag, nachdem Inception es am 19. Oktober 2026 veröffentlicht hat. Die faire Art, diesen Vergleich zu eröffnen, ist also nicht „welcher ist schneller“, sondern „was passiert mit der Lücke, wenn die ungemessene Seite gemessen wird“. Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Veröffentlichungen wie dieser sind im OrcaRouter AI Incident Archive gesammelt, wobei jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Vertrauensgrad und seine Kennzeichnung als umstritten enthält.

Der Grund, warum diese Paarung über ein Datenblatt hinaus von Bedeutung ist, liegt darin, dass beide Modelle dasselbe verkaufen. Mercury 3 ist ein Diffusions-Sprachmodell, das Token-Blöcke parallel verfeinert; Reflection Beam ist ein sparse Mixture-of-Experts mit insgesamt 501 Milliarden Parametern und nur 23 Milliarden, die pro Token aktiv sind. Andere Tricks, dieselbe Wette: dass die Kosten der Inferenz, nicht die Obergrenze der Leistungsfähigkeit, der Schauplatz des nächsten Kampfes sind. Beam wurde am 5. Oktober 2026 angekündigt, und seine Gewichte erschienen am 16. Oktober unter Apache 2.0; Mercury 3 folgte neun Tage später als geschlossene API. Eines von beiden kann man herunterladen und selbst messen. Das andere kann man nur aufrufen und muss es auf Treu und Glauben hinnehmen.

Was jede Seite tatsächlich zu Protokoll gegeben hat

Beams Datenblatt ist detailliert genug, um darüber streiten zu können. Ein Intelligence Index von 30, auf Platz 20 von 121 Modellen und über dem Median von 19, den Artificial Analysis für vergleichbare Open-Weight-Modelle verzeichnet. Gemessene 335,1 Ausgabe-Tokens pro Sekunde und 0,80 Sekunden bis zum ersten Token, beides gegenüber einem Peer-Median von nahezu 77 Tokens pro Sekunde und 1,70 Sekunden. Ein veröffentlichter Preis von 0,70 US-Dollar pro Million Eingabe-Tokens und 2,10 US-Dollar pro Million Ausgabe-Tokens bei 84 Prozent Cache-Rabatt, was sich auf 0,57 US-Dollar Rechenkosten pro Index-Aufgabe beläuft. Und eine Ausgabemenge von 79 Millionen Output-Tokens, um den Index zu absolvieren, der zehntniedrigste Wert unter 47 bewerteten Modellen, gegenüber einem Median von 140 Millionen. Diese letzte Zahl ist der Effizienzanspruch, der zum ersten Mal in der Testumgebung eines anderen auftaucht, und sie ist die interessanteste Zahl in den Unterlagen beider Modelle.

Im Gegensatz dazu besteht die Bilanz von Mercury 3 aus drei Behauptungen und einem kleinen Experiment. Die Behauptungen: 1.068 Token pro Sekunde auf NVIDIA-GPUs; mehr als 40-mal so viele Parameter wie Mercury 1 bei etwa dreifach gemessener Intelligenz; und Qualität „auf Augenhöhe mit oder besser als führende geschwindigkeitsoptimierte Modelle wie GPT-6 Luna und Claude Haiku 5.5“. Das Experiment: 50 live durchgeführte Mind2Web-Navigationsaufgaben in Inceptions eigener Web-Agent-Testumgebung, 50 Prozent abgeschlossen, „deutlich mehr als GPT-6.1-Sol“, bei gleichem Token-Volumen und gleicher Schrittanzahl und daher zu einem Bruchteil der Kosten. Nichts davon ist unabhängig reproduziert, und Artificial Analysis hat überhaupt keine Seite zu Mercury 3.

Diese Asymmetrie ist kein Kritikpunkt an Inceptions Engineering. Sie sagt etwas darüber aus, was man heute entscheiden kann. Für Beam lässt sich berechnen, was eine abgeschlossene Aufgabe kostet, weil jemand Abschluss und Ausführlichkeit gemessen hat. Für Mercury 3 lässt sich nur berechnen, was ein Token kostet, und sonst nichts.

Das Datenblatt, mit der Quellenangabe zu jeder Zeile

• Preis pro Million — Mercury 3: 0,20 $ Eingabe und 0,70 $ Ausgabe zum Listenpreis, 0,10 $ und 0,35 $ während des Einführungsrabatts gegenüber Beam: 0,70 $ Eingabe und 2,10 $ Ausgabe

• Zwischengespeicherte Eingabe — Mercury 3: 0,02 $ pro Million zum Listenpreis gegenüber Beam mit 84 Prozent Rabatt auf die Eingaberate oder ungefähr 0,11 $ pro Million

• Durchsatz — Mercury 3 1.068 Token pro Sekunde, Herstellerangabe, Hardware nicht angegeben, gegenüber Beam 335,1 Token pro Sekunde, gemessen von Artificial Analysis

• Zeit bis zum ersten Token — Mercury 3 nicht veröffentlicht vs. Beam 0,80 Sekunden, gemessen

• Intelligence Index — Mercury 3: kein Eintrag mit Stand vom 20. Oktober 2026 vs. Beam 30, Platz 20 von 121

• Kosten pro Indexierungsaufgabe — Mercury 3 kann ohne einen Score nicht berechnet werden, im Vergleich zu Beam: 0,57 $

• Ausführlichkeit der Ausgabe im Index — Mercury 3 nicht veröffentlicht vs. Beam 79 Millionen Tokens, 10. schlankste von 47

• Kontextfenster — Mercury 3 1.000.000 Token bei maximal 131.072 Ausgabe-Token vs. Beam 1.048.576 Token bei maximal 131.072 Ausgabe-Token

• Parameter — Mercury 3 nicht offengelegt, lediglich beschrieben als mehr als 40-mal Mercury 1 gegenüber Beam 501B insgesamt, 23B aktiv pro Token

• Eingabemodalität — beide ausschließlich Text

• Reasoning-Steuerung — Mercury 3 mit vier Einstellungen von Instant bis Hoch, standardmäßig auf Niedrig, gegenüber Beam mit einem verpflichtenden Reasoning-Aufwand und fünf Stufen, und Reflections Dokumentation standardmäßig auf Max

• Gewichte — Mercury 3 (geschlossen) vs. Beam Apache 2.0, in BF16, FP8 und einem 273-GiB-NVFP4-Build

• Selbst-Hosting — Mercury 3 ausschließlich mit dedizierter Enterprise-Kapazität vs. Beam, einer Referenzbereitstellung von vier NVIDIA B300 GPUs über NVLink, mit Day-zero-Support für vLLM, SGLang, Transformers und Dynamo

Ein Hinweis zur Preisangabe: Der Rabatt von Mercury 3 hat kein veröffentlichtes Enddatum, daher ist die Zahl, die die Planung übersteht, $0.20/$0.70 und nicht $0.10/$0.35. Beams $0.70/$2.10 ist eine aktuelle Preisliste, die vom Evaluator und von der eigenen Plattform von Reflection veröffentlicht wird.

Der entscheidende Unterschied liegt bei 335 gegenüber 1.068.

Wenn sich Inceptions Zahl unter einem neutralen Testaufbau bestätigt, ist Mercury 3 rund dreimal so schnell wie das schnellste gemessene Open-Weight-Modell im Feld, und das bei einem Drittel von Beams Eingabepreis und einem Drittel seines Ausgabepreises. Diese Kombination – schneller und günstiger – ist das Argument für Mercury 3 in einem einzigen Satz, und es ist ein starkes Argument.

Das Problem ist, dass der Satz vollständig auf einer Zahl ohne angegebene Methodik beruht. Inception sagt nicht, welche GPU, welche Batch-Größe, welche Einstellung für den Reasoning-Aufwand oder ob die Messung Single-Stream oder aggregiert erfolgt. Alle vier Entscheidungen verschieben eine Durchsatzzahl um ein Vielfaches. Der anzuwendende Abschlag ist nicht hypothetisch: Als Mercury 2.5 auf den Markt kam, lag die Durchsatzzahl des Herstellers deutlich höher als die 706 Tokens pro Sekunde, die Artificial Analysis anschließend mit ihrer eigenen Messumgebung ermittelte. Das ist die normale Spanne zwischen Hersteller und unabhängiger Messung in dieser Kategorie, nicht in böser Absicht — aber es ist die Spanne, die man annehmen sollte.

Wendet man einen Drei-zu-eins-Abschlag an, landet Mercury 3 bei knapp 350 Token pro Sekunde: auf Augenhöhe mit Beams gemessenem Wert, bei einem Drittel des Preises, mit unbekanntem Qualitätswert. Wendet man einen Zwei-zu-eins-Abschlag an, ist es deutlich das schnellste Modell, das eines der beiden Labore zu diesem Preis auf den Markt gebracht hat. So oder so ändert sich der Vergleich von „dreimal so schnell“ zu „irgendwo zwischen so schnell wie Beam und dreimal so schnell – und in jedem Fall günstiger als Beam“.

Es gibt eine zweite Asymmetrie, die sich hinter demselben Zahlenpaar verbirgt. Beams Zeit von 0,80 Sekunden bis zum ersten Token wird auf einem Reasoning-Modell gemessen, das standardmäßig auf seine maximale Aufwandsstufe eingestellt ist – was bedeutet, dass das Modell echte Denkarbeit leistet, bevor es überhaupt etwas ausgibt, und trotzdem das erste Token in unter einer Sekunde zurückliefert. Das ist ein beeindruckenderes Ingenieursergebnis als die reine Durchsatzzahl, und es ist die Art von Ergebnis, die nur ein unabhängiger Harness findet.

Dreiundzwanzig Milliarden aktive Parameter sind die eigentliche Geschichte auf Beam-Seite.

Die 501B-Angabe auf Beams Datenblatt ist größtenteils nicht maßgeblich. Bei 23 Milliarden aktiven Parametern pro Token aktiviert das Modell für ein gegebenes Token rund 4,6 Prozent seiner selbst – ein Aktivierungsverhältnis, das selbst nach aktuellen Open-Weight-Standards aggressiv ist. Die Architekturnotizen nennen verschachtelte lokale und globale Attention, feinkörnige geroutete Experten, SandwichNorm und FP8/FP4-Serving-Builds, doch die praktische Konsequenz ist einfacher: Beam passt auf einen einzigen Vier-GPU-Knoten. Das ist ein Serving-Profil, keine Forschungsneugier.

Es erklärt auch das Ausführlichkeitsergebnis. Ein Modell, das 79 Millionen Ausgabe-Tokens aufwendet, um einen Index zu vervollständigen, gegenüber einem Median von 140 Millionen, leistet dieselbe Arbeit mit ungefähr der Hälfte der Ausgabe-Tokens, und Ausgabe-Tokens sind der Posten, auf dem die Rechnung lastet. Reflections eigenes Argument ist Effizienz zur Inferenzzeit statt Gleichstand an der Frontier, und das Unternehmen sagt das in seinem Launch-Material genauso – es räumt bei den Rohfähigkeiten gegenüber Kimi K3 und G​LM Rückstand ein. Die unabhängigen Daten stützen das Zugeständnis und den Effizienzanspruch zugleich.

Das Effizienzargument von Mercury 3 ist grundlegend anderer Art. Es geht nicht darum, weniger Tokens zu verbrauchen; es geht darum, sie schneller zu erzeugen, und Inceptions Skalierungserzählung – 40-mal so viele Parameter wie sein erstes Modell, dreimal so viel gemessene Intelligenz, gleiche Geschwindigkeit – ist die Behauptung, dass die Parallelität der Diffusion einen Durchsatz liefert, mit dem autoregressive Modelle nicht mithalten können. Das ist ein plausibles und interessantes Argument. Es beruht zudem ausschließlich auf Eigenangaben und sagt nichts darüber aus, ob das Modell mehr Tokens als ein vergleichbares autoregressives Modell verbraucht, um dieselbe Antwort zu erreichen. Niemand hat eine Verbositätskennzahl für Mercury 3 veröffentlicht, weil es keine Mercury-3-Evaluation gibt, aus der man sie entnehmen könnte.

Kosten pro abgeschlossenem Auftrag, durchgerechnet

Nehmen Sie eine agentische Programmieraufgabe: 200.000 Tokens Repository-Kontext hinein, 4.000 Tokens Patch samt Erklärung heraus und 5.000 Läufe pro Tag in einem Team.

• Mercury 3 zum Listenpreis — 1.000 Millionen Eingabe-Tokens zu 0,20 $ kosten 200 $; 20 Millionen Ausgabe-Tokens zu 0,70 $ kosten 14 $. Etwa 214 $ pro Tag.

• Mercury 3 zum Einführungstarif — etwa 107 US-Dollar pro Tag.

• Beam zu seinem veröffentlichten Tarif — 1.000 Millionen Input zu 0,70 $ sind 700 $; 20 Millionen Output zu 2,10 $ sind 42 $. Etwa 742 $ pro Tag, vor dem 84-Prozent-Cache-Rabatt, der hier enorm wichtig ist, weil Repository-Kontext genau die Art von Präambel ist, die gecacht wird. Mit einer realistischen Cache-Trefferquote für den Kontext sinkt die Input-Zeile in Richtung 112 $ und die Tagessumme landet bei etwa 154 $.

Diese Rechnung ist der Grund, warum es diese beiden Modelle gibt. Bei einer gut gecachten agentischen Arbeitslast liegen beide innerhalb von 40 Prozent voneinander entfernt — Beam ist in einem guten Cache-Szenario etwas günstiger, Mercury 3 in einem schlechten — und beide kosten nur einen Bruchteil dessen, was ein Frontier-Modell für denselben Traffic berechnen würde. Das Kostenargument trennt sie nicht. Was sie trennt, ist, dass Beams Zahl reproduzierbar ist und die von Mercury 3 ein Listenpreis gegenüber einer unbekannten Completion-Rate ist.

Die Lizenzierungsfrage, die nicht kurz vor einer Klärung steht

Die Gewichte von Beam sind unter Apache 2.0 in drei Präzisionen herunterladbar, dazu ein 1,93B-Speculative-Decoding-Drafter, und Reflection gibt an, dass Destillation, Fine-Tuning, Quantisierung oder Merging nicht eingeschränkt werden. Es gibt ein Konformitätstool – beam-verifier –, das eine Testsuite gegen jeden aktiven Beam-Endpunkt ausführt und ihn anschließend anhand der wichtigsten Benchmarks bewertet, was bedeutet, dass ein Käufer die Zahlen eines Anbieters überprüfen kann, statt ihnen zu vertrauen. Self-Hosting beseitigt die Frage nach den Kosten pro Token vollständig und verwandelt sie in eine Frage nach GPU-Stunden.

Mercury 3 bietet nichts davon. Es ist geschlossen, es ist nur per API verfügbar, und sein Enterprise-Tarif fügt dedizierte Kapazität und konfigurierbare Datenaufbewahrung hinzu statt Modellgewichte. Für eine Workload, bei der das Modell eine Komponente in einem Produkt ist, das Sie verkaufen, ist das eine Abhängigkeit statt einer Lieferkette.

Dazu kommt das Signal der Anbieterhistorie. Inceptions eigene Migrationsnotiz besagt, dass Mercury 2 und Mercury 2.5 für neue Nutzer geschlossen sind und bestehende Kunden am 15. November 2026 den Zugang verlieren – weniger als einen Monat, nachdem Mercury 3 auf den Markt gekommen ist. Ein Unternehmen, das zwei Generationen so schnell ausmustert, verrät Ihnen, wie es erwartet, dass seine Modelle konsumiert werden: als kurzlebige Mietdienste. Reflection hat vorerst das Gegenteil getan und das Artefakt ausgehändigt.

Wo ein Router passt, wenn man bedenkt, dass keines der beiden Modelle in unserem Katalog ist

Weder Mercury 3 noch Reflection Beam wird von OrcaRouter bereitgestellt. Eine Abfrage unserer Modell-API liefert für beide nichts, und wir werden keine Route beschreiben, die wir nicht haben. Was wir anbieten, ist die Ebene darum herum: mehr als 200 Modelle hinter einem OpenAI-kompatiblen Endpunkt, zum Listenpreis des Anbieters ohne Aufschlag, mit automatischem Failover und einer Routing-DSL, um Modelle zu einem einzigen Aufruf zusammenzusetzen.

Für genau dieses Paar übernimmt diese Ebene zwei Aufgaben. Die erste ist der Vergleich. Wenn Sie wissen möchten, ob ein Open-Weight-Modell mit 300 Tokens pro Sekunde für Ihr Produkt schnell genug ist, bevor Sie sich auf all das einlassen, ist der ehrliche Test, die Arbeitslast gegen Modelle laufen zu lassen, die Sie bereits aufrufen können — Kimi K3 zu $3.00/$15.00 mit 1.048.576 Tokens Kontext, GLM 5.2 zu $1.40/$4.40, Qwen 3.8-Max zu $2.00/$6.00 — und zu messen, was Ihre Nutzer tatsächlich wahrnehmen. Die zweite ist der Fallback. Eine selbst gehostete Beam-Bereitstellung und ein vom Anbieter gehostetes Mercury 3 sind zwei verschiedene Fehlermodi; Den Produktionspfad hinter einen Router mit Failover zu legen, bedeutet, dass eine Verschlechterung eines Endpunkts zu einem protokollierten Ereignis statt zu einem Ausfall wird. Weil Listenpreise der Anbieter unverändert durchgereicht werden, schlägt eine Reflection-Preissenkung oder ein Inception-Rabatt am Tag der Ankündigung auf Ihrer Rechnung durch.

Die Entscheidung – durch Einschränkung statt durch Punktzahl

• Wenn das Modell ein Asset sein soll – prüfbar, feinabstimmbar, auf eigener Hardware lauffähig und den Anbieter überlebend –, ist Beam hier die einzige Option. Apache 2.0, ein 273-GiB-Build, der auf einen einzigen Knoten passt, und ein Verifier, um jeden Anbieter an den Zahlen von Reflection zu prüfen. Das ist eine vollständige Antwort auf eine Frage, die Mercury 3 überhaupt nicht beantworten kann.

Wenn Sie die niedrigstmögliche Latenz bei einer geschlossenen API benötigen und ein Mensch wartet, ist Mercury 3 die interessantere Wette, und sein Preis macht die Evaluierung günstig. Legen Sie die Effort-Einstellung beim Testen explizit fest, denn der Standard ist niedrig, und Inceptions Angaben sagen nicht, mit welcher Einstellung sie erzielt wurden.

• Wenn Sie die Qualität kennen müssen, bevor Sie sich festlegen: Beam hat eine Zahl, Mercury 3 nicht. Eine 30 auf einem Index mit 121 Modellen ist mittelmäßig – es ist kein Frontier-Wert, und Reflection behauptet auch nicht, dass es einer sei –, aber es ist eine Untergrenze, gegen die Sie planen können.

• Wenn deine Workload agentisch und langlaufend ist, ist Beams obligatorisches Reasoning bei standardmäßig maximalem Aufwand pro Aufruf teuer, während Mercury 3 mit seinem Standard geringen Aufwand pro Aufruf günstig ist. Welcher pro abgeschlossener Aufgabe günstiger ist, hängt von einer Abschlussrate ab, die niemand für Mercury 3 gemessen hat.

Das Einzige, was für diesen Vergleich am nützlichsten wäre, ist eine unabhängige Messung von Mercury 3. Wenn sie nahe 1.068 mit einer wettbewerbsfähigen Qualitätsbewertung ausfällt, hat Inception das schnellste günstige Modell im Feld auf den Markt gebracht und Beams Effizienzgeschichte wird zu einer Geschichte über Offenheit statt bloße Geschwindigkeit. Wenn sie nahe Beams 335 mit einer Bewertung im Mittelfeld ausfällt, dann sind das schnellste Open-Weight-Modell und das schnellste geschlossene Modell gleich schnell, und die entscheidenden Fragen werden Preis, Lizenz und ob man das Artefakt selbst besitzen möchte — drei Fragen, auf die Beam derzeit bessere Antworten hat.