Mercury 3 vs. Step 5 Preview: Das gemessene Modell ist dasjenige, das teurer geworden ist.

Am 14. Oktober 2026 verdoppelte StepFun den Cache-Hit-Eingabepreis von Step 5 Preview von 0,35 auf 0,70 Yuan pro Million Tokens, mit einer Bestandsschutzklausel für Aufrufer, die das Modell bereits genutzt hatten. Fünf Tage später brachte Inception Mercury 3 zum halben Listenpreis auf den Markt und sagte nicht, wann der Rabatt endet. Stellt man diese beiden Fakten nebeneinander, ergibt sich die Form dieses Vergleichs: Das Modell mit einem unabhängigen Benchmark-Ergebnis ist dasjenige, dessen Preis gestiegen ist, und das Modell im Angebot ist dasjenige, das niemand außerhalb seines Labors gemessen hat. Die dokumentierten KI-Ausfälle und Agenten-Vorfälle hinter Releases wie diesem sind gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, Schweregrad, Konfidenzstufe und Kennzeichnung als umstritten trägt.

Diese Umkehrung ist kein Zufall, und sie ist kein Argument für die eine oder andere Seite. Step 5 Preview ist ein etabliertes Modell mit einer wachsenden öffentlichen Bilanz – eine Anbieterveröffentlichung am 20. September 2026, ein unabhängiger Intelligence-Index-Wert, offizielle Gewichte auf Hugging Face – und Anbieter verlangen mehr für Dinge, von denen bekannt ist, dass sie funktionieren. Mercury 3 ist neun Tage alt, gibt an, 1.068 Token pro Sekunde zu erreichen, und hat keinerlei unabhängige Bewertung. Der Preis, den du für das günstige Modell zahlst, ist, dass du selbst die Messung bist.

Zwei Vorschauen, die unterschiedliche Dinge bedeuten

Das Wort „preview“ steht in beiden Namen und erfüllt in jedem eine andere Funktion. Bei Step 5 Preview ist es StepFuns eigene Bezeichnung und Teil der API-Kennung — die Zeichenfolge, die Sie senden, ist step-5-preview, nicht step-5 — und StepFun hat für diese Zeichenfolge weder ein Ersetzungsdatum noch einen Deprecation-Hinweis noch eine Stabilitätszusage veröffentlicht. In der Praxis ist das Modell seit einem Monat live, hat Gewichte auf Hugging Face und eine veröffentlichte Preisliste, sodass „preview“ weniger leistet, als es den Anschein hat.

Bei Mercury 3 gibt es überhaupt kein Vorschau-Label: Dies ist ein GA-Launch mit einem OpenAI-kompatiblen Endpoint, einer Modell-ID mercury-3, sowie einer Testphase mit 100 Millionen Token für neue Konten. Was Mercury 3 stattdessen hat, ist ein Einführungsrabatt, eine andere Art von Instabilität. Ein Vorschau-Label warnt dich, dass sich das Modell ändern kann; ein Einführungsrabatt warnt dich, dass sich der Preis ändern wird.

Das vom Anbieter angegebene Veröffentlichungsdatum von Step 5 Preview ist der 20. September 2026, entnommen aus StepFuns eigenen Ankündigungsunterlagen; Artificial Analysis führt das Modell als im September 2026 veröffentlicht und datiert es in seinem FAQ-Text auf den 18. September. Die zweitägige Diskrepanz wird von keiner der beiden Parteien erklärt, und dieser Artikel verwendet StepFuns Datum, wo eines erforderlich ist. Mercury 3s Datum ist eindeutig: 19. Oktober 2026, einen Tag bevor dies geschrieben wurde.

Das Datenblatt, mit der Quelle jeder Zeile

• Preis pro Million Tokens — Mercury 3: 0,20 $ Eingabe und 0,70 $ Ausgabe zum Listenpreis, 0,10 $ und 0,35 $ während des Einführungsrabatts gegenüber Step 5 Preview mit 7 Yuan Eingabe und 20 Yuan Ausgabe, wobei die Eingabe bei Cache-Treffern nach der Änderung vom 14. Oktober 0,70 Yuan beträgt

• Dollarangaben des Bewerters — Step 5 Preview: $1.00 Eingabe und $2.70 Ausgabe pro Million bei einem Cache-Rabatt von 90 Prozent, wie von Artificial Analysis veröffentlicht; dies sind die eigenen Zahlen des Bewerters und keine Währungsumrechnung der Preisliste von StepFun

• Kontextfenster — Mercury 3 1.000.000 Token vs. Step 5 Preview 1 Mio. Token

• Maximale Ausgabe — Mercury 3 131.072 Token vs. Step 5 Preview 64.000 Token

• Eingabemodalität — Mercury 3 nur Text vs. Step 5 Preview Text, Bilder und Video

• Ausgabemodalität — Text auf beiden

• Parameter — Mercury 3 nicht offengelegt, lediglich beschrieben als mehr als 40-mal Mercury 1, gegenüber Step 5 Preview nicht veröffentlicht in StepFuns Plattformdokumentation oder auf der Modellseite des Evaluators, sodass hier keine der beiden Zahlen genannt werden kann

• Gewichte — Mercury 3 geschlossen vs. Step 5 Preview veröffentlicht auf Hugging Face unter der StepFun Model License 1.0, im Basis-Repository plus BF16- und NVFP4-Builds

• Reasoning-Steuerung — Mercury 3 mit vier Effort-Stufen von Instant bis High, standardmäßig Low, gegenüber Step 5 Preview, einem Reasoning-Modell ohne veröffentlichten Effort-Parameter

• Independent Intelligence Index — Mercury 3: kein Eintrag mit Stand 20. Oktober 2026 im Vergleich zu Step 5 Preview 44 bei Index-Revision 4.3.2

• Gemessene Ausgabegeschwindigkeit — Mercury 3 none vs. Step 5 Preview 92,2 Tokens pro Sekunde, gemessen von Artificial Analysis

• Prompt-Caching — Mercury 3 unterstützt zu 0,02 US-Dollar pro Million gecachter Token zum Listenpreis, gegenüber Step 5 Preview unterstützt zu 0,70 Yuan pro Million Cache-Treffer, erhöht von 0,35 am 14. Oktober

Eine Zeile in dieser Liste verdient einen zweiten Blick, denn sie ist der einzige Ort, an dem sich der Preis eines der beiden Modelle öffentlich bewegt hat. Die Cache-Trefferquote von Step 5 Preview verdoppelte sich zwölf Tage nach seinem Start. Der Input-Preis für Cache-Misses und der Output-Preis blieben unverändert, und Aufrufer, die das Modell vor diesem Zeitpunkt über die Pay-as-you-go-API genutzt hatten, behielten den alten Tarif im Rahmen einer Bestandsschutzklausel. Wenn Sie ein Kostenmodell auf Prompt-Caching aufbauen – und jede Agent-Workload tut das –, dann ist ein Tarif, der sich bereits einmal verdoppelt hat, ein Tarif, den man weiter im Auge behalten sollte.

Die multimodale Linie ist diejenige, die manche Gespräche beendet.

Step 5 Preview akzeptiert Text, Bilder und Video und gibt Text zurück. Mercury 3 akzeptiert Text und gibt Text zurück. Inceptions Dokumentation ist in diesem Punkt nicht mehrdeutig: Das Modell ist als reines Textmodell aufgeführt, und das Launch-Material dreht sich um Geschwindigkeit und Kosten, nicht um Vision.

Für einen Workload, der Screenshots liest, Rechnungen scannt, Bildschirmaufzeichnungen ansieht oder ein Video in strukturierte Notizen parst, gibt es nichts zu vergleichen. Step 5 Preview ist das einzige der beiden, dem überhaupt Input gegeben werden kann, was die Preisdifferenz irrelevant und die Benchmark-Differenz irrelevant macht – bis genau zu dem Punkt, an dem Sie entscheiden, ob die Vision-Arbeit eine Rolle spielt. Diese Entscheidung wird normalerweise vom Produkt getroffen, nicht vom Modell.

Bei einer Workload, bei der Text rein und Text raus geht – Suche, Support, Code-Review, Zusammenfassung –, verschwindet die Modalitätsgrenze, und beim Vergleich geht es nur noch um Geschwindigkeit, Preis und Nachweise, in dieser Reihenfolge danach, wie leicht sich das jeweils überprüfen lässt.

Was die einzige unabhängige Bewertung in diesem Duell aussagt

Step 5 Preview erzielt 44 Punkte im Artificial Analysis Intelligence Index, Version 4.3.2 – Vierter von 121 Modellen in der eigenen Tabelle dieses Index, bei einem Median von 19. Dieselbe Auflistung verzeichnet eine gemessene Ausgabegeschwindigkeit von 92,2 Token pro Sekunde, eine Zeit bis zum ersten Token von 2,55 Sekunden und einen Verbositätswert von 160 Millionen Ausgabe-Token gegenüber einem Median von 140 Millionen, was der Evaluator als etwas wortreich beschreibt. Es bezeichnet das Modell als im Vergleich zu vergleichbaren Open-Weight-Modellen etwas teuer, was eine faire Interpretation von $1.00/$2.70 darstellt.

Lies die {{1}}44{{/1}} sorgfältig. Sie ist ein gewichteter zusammengesetzter Wert über eine Benchmark-Suite hinweg, keine Aussage über deine Arbeitslast, und sie bedeutet nicht, dass {{2}}Step 5 Preview{{/2}} das Modell schlägt, das bei deiner konkreten Aufgabe auf Platz 42 liegt. Die Seite des Evaluators selbst trägt außerdem {{3}}In Prüfung{{/3}}-Markierungen bei mehreren einzelnen Bewertungen. Aber es ist eine Zahl, die aus einer Methodik stammt, die jemand anderes prüfen kann, und sie ordnet das Modell über dem Median des Feldes ein.

Mercury 3 hat nichts Vergleichbares. Inceptions Qualitätsaussage ist vergleichend – „auf Augenhöhe mit oder besser als auf Geschwindigkeit optimierte Frontier-Modelle wie GPT-6 Luna und Claude Haiku 5.5“ – ohne Abstand, ohne Nennung von Tests und ohne Angabe, welche der vier Effort-Einstellungen den Vergleich erzeugt hat. Das einzige strukturierte Ergebnis ist Inceptions eigener Agententest: 50 Live-Navigationsaufgaben aus Mind2Web, 50 Prozent abgeschlossen, „signifikant mehr als GPT-6.1-Sol“, bei gleichem Tokenvolumen und gleicher Schrittanzahl und damit zu einem Bruchteil der Kosten pro Token. Fünfzig Aufgaben in der eigenen Testumgebung des Anbieters sind ein Signal, kein Messwert.

Die physische Nummer und was sie wert ist

1.068 Token pro Sekunde sind überhaupt der Grund, sich mit Mercury 3 zu befassen. Wenn das hält, wird eine Antwort mit 500 Token in unter einer halben Sekunde erzeugt – das ist der Unterschied zwischen einer Suchantwort, die sich sofort anfühlt, und einer, die sich wie ein Netzwerk-Roundtrip anfühlt. Step 5 Preview braucht bei gemessenen 92,2 Token pro Sekunde etwa 5,4 Sekunden für dieselbe Antwort, plus ungefähr 2,55 Sekunden bis zum ersten Token.

Die Behauptung kommt ohne Hardware, ohne Batch-Größe, ohne Effort-Einstellung und ohne Aussage darüber, ob es sich um Single-Stream oder aggregiert handelt, und alle vier dieser Entscheidungen verändern eine Durchsatzzahl um ein Vielfaches. Die Spanne zwischen Hersteller- und unabhängigen Messungen ist in dieser Familie dokumentiert: Artificial Analysis misst Mercury 2.5 mit etwa 706 Tokens pro Sekunde – niedriger als der Wert, den Inception zu jenem Launch veröffentlichte. Das ist der Abschlag, der auf 1.068 anzuwenden ist, bis jemand das reproduziert. Stand 20. Oktober gibt es keine Mercury-3-Seite bei Artificial Analysis.

Die Geschwindigkeit von Step 5 Preview ist dagegen langweilig auf die Art, wie gemessene Dinge langweilig sind. Sie liegt bei gemessenen 92,2 Token pro Sekunde und damit auf Platz 32 von 78 Modellen im Geschwindigkeitsranking des Evaluators – schneller als üblich, nicht bemerkenswert. Niemand kauft es wegen der Geschwindigkeit. Sie kaufen es für das 1M-Token-Fenster, die multimodale Eingabe und das Ergebnis.

Denselben Auftrag mit beiden Tarifkarten kalkulieren

Betrachten Sie eine Dokumenten-Triage-Pipeline: 8.000 Seiten pro Tag, 2.500 Tokens OCR-Text pro Seite, eine Ausgabe von 300 Tokens für Klassifikation und Extraktion pro Seite. Das sind 20 Millionen Eingabe-Tokens und 2,4 Millionen Ausgabe-Tokens täglich, wobei derselbe Anweisungsblock bei jedem Aufruf erneut übermittelt wird und daher cachebar ist.

• Mercury 3 zum Listenpreis — 20 × $0,20 plus 2,4 × $0,70, oder $5,68 pro Tag

• Mercury 3 zum Einführungspreis — etwa 2,84 $ pro Tag

• Schritt 5 Vorschau, nicht im Cache — 20 × 7 plus 2,4 × 20 Yuan oder 188 Yuan pro Tag; nach den Dollar-Angaben des Bewerters 20 × 1,00 $ plus 2,4 × 2,70 $ oder 26,48 $

• Schritt 5: Vorschau mit zwischengespeichertem Anweisungsblock – die Cache-Treffer-Zeile liegt bei 0,70 Yuan pro Million gegenüber 7 Yuan bei einem Miss, sodass die Ersparnis vollständig davon abhängt, wie viel dieser 20 Millionen die wiederholte Präambel statt neuer Seitentext ist

Die Lücke beim Listenpreis beträgt also rund das Viereinhalbfache zugunsten von Mercury 3, und der Einführungsrabatt vergrößert sie auf etwa das Neunfache. Das ist das stärkste einzelne Argument für Mercury 3, und es ist vollständig berechenbar. Nicht berechenbar sind die Kosten pro abgeschlossener Aufgabe, denn für Mercury 3 gibt es weder eine veröffentlichte Abschlussrate noch eine veröffentlichte Anzahl an Output-Tokens. Die Ausführlichkeit von Step 5 Preview ist zumindest gemessen – 160 Millionen Tokens im Index gegenüber einem Median von 140 Millionen, was der Evaluator als etwas wortreich bezeichnet –, und damit lässt sich das in der Kalkulation berücksichtigen.

Die eine Warnung, die es wert ist, wiederholt zu werden: Der Mercury-3-Wert, mit dem Sie planen sollten, ist der Listenpreis. Die 50-prozentige Senkung wird als „zum Marktstart“ beschrieben, ohne Enddatum, und die beiden Vorgängermodelle sind inzwischen für neue Nutzer geschlossen, wobei der bestehende Zugang am 15. November 2026 endet. Das Geschäftsgebaren von Inception legt nahe, dass Sie mit dem Tarif planen sollten, der die Aktion überlebt.

Gewichte, Lizenzen und was sich im letzten Monat geändert hat

Die Open-Weight-Geschichte von Step 5 Preview hat sich nach dem Launch geändert. Zum Release wurden die Gewichte von Dritten gespiegelt statt vom Anbieter veröffentlicht; seit dieser Woche führt StepFuns eigene Hugging-Face-Organisation das Basis-Repository sowie BF16- und NVFP4-Builds, alle zuletzt am 15. Oktober 2026 geändert. Die Lizenz ist die StepFun Model License 1.0, die weder Apache noch MIT ist und vor dem Ausliefern gelesen werden muss — sie ist eine Anbieterlizenz mit Bedingungen statt einer permissiven.

Mercury 3 hat keine Gewichte und keine Lizenz zur Einsicht. Es ist ausschließlich über eine API verfügbar; Enterprise-Deployments bieten dedizierte Kapazität, Autoscaling und konfigurierbare Datenaufbewahrung statt eines Artefakts, das man in Händen halten kann.

Für ein Team, das entscheidet, ob es feinabstimmen, quantisieren oder auf eigener Hardware betreiben soll, ist diese Zeile ausschlaggebend, und die übrigen Zeilen spielen keine Rolle. Für ein Team, das eine API aufruft und nie einen Checkpoint anfasst, zählt sie nur als Maßstab für Ausstiegskosten: Wenn StepFun seinen Preis ändert oder das Modell einstellt, kann eine Step 5 Preview-Bereitstellung auf selbst gehostete Gewichte umziehen; eine Mercury 3-Bereitstellung wechselt zu einem anderen Anbieter.

Die Routing-Frage, ehrlich beantwortet

Keines der beiden Modelle ist im OrcaRouter-Katalog. Unsere Modell-API liefert nichts für step-5-preview oder für irgendein Inception-Modell, wer also eines der beiden aufrufen möchte, wendet sich an die eigene Plattform des Anbieters oder an einen der von jedem Anbieter aufgeführten Drittanbieter-Hosts. Das klar zu sagen ist nützlicher, als eine Route anzudeuten, die wir nicht haben.

Was die Routing-Ebene Ihnen in dieser Situation tatsächlich bietet, ist eine Möglichkeit, die Frage zu beantworten, ohne sich festzulegen. Mehr als 200 Modelle stehen hinter einem einzigen OpenAI-kompatiblen Endpunkt zum Listenpreis des Anbieters ohne Aufschlag, und diejenigen, die diesen beiden bei Preis und Leistung am nächsten kommen – Qwen 3.8-Max zu 2,00 $/6,00 $ mit einem Kontextfenster von 1 Mio. Token, GLM 5.2 zu 1,40 $/4,40 $, Kimi K3 zu 3,00 $/15,00 $ – lassen sich noch heute Nachmittag an Ihrem eigenen Traffic messen. Wenn keines von ihnen die Messlatte überspringt, wird das Argument für die Zahlung an einen der beiden Anbieter stärker; wenn eines es schafft, haben Sie sich eine Integration erspart. Automatisches Failover deckt zudem das spezifische Risiko in diesem Duell ab, nämlich dass ausgerechnet das Modell mit Einführungsrabatt ohne Stabilitätszusage dasjenige ist, das Sie in den Produktionspfad bringen würden.

Ein mechanischer Punkt, der hier mehr als üblich zählt: Die Listenpreise der Anbieter werden unverändert durchgereicht, sodass eine Preisänderung eines Anbieters noch am selben Tag auf der Rechnung ankommt und nicht erst bei der Verlängerung. Da sich der Cache-Preis von Step 5 Preview bereits einmal geändert hat, ist das kein hypothetischer Vorteil.

Die Frage, die man sich vor der Auswahl stellen sollte

Beide dieser Modelle sind günstig. Der Unterschied bei ihren Kosten liegt bei einer realistischen Pipeline bei ein paar Dollar pro Tag, und der Einführungsrabatt lässt Mercury 3 günstiger erscheinen, als es nach Ende der Aktion sein wird. Bei dieser Entscheidung geht es also nicht um die Kosten.

Es läuft auf eine einfachere Frage hinaus: Brauchen Sie die Antwort schnell, oder müssen Sie wissen, ob sie richtig ist? Step 5 Preview ist derjenige, den Sie überprüfen können – ein unabhängiger Index-Score, gemessene Geschwindigkeit, gemessene Ausführlichkeit, veröffentlichte Gewichte, die Sie in Ihrem eigenen Harness ausführen können. Mercury 3 ist derjenige, der in unter einer Sekunde antwortet und derzeit von niemandem außerhalb von Inception überprüft werden kann.

Für ein latenzgebundenes Produkt mit einem Menschen im Regelkreis und einem behebbaren Fehler ist der zweite Kompromiss vernünftig, und die Evaluierung ist kostengünstig. Für eine Pipeline, die unbeaufsichtigt läuft und deren Fehler teuer sind, ist ein Modell mit einer gemessenen Punktzahl im mittleren Vierzigern mehr als das Mehrfache des Preises eines Modells ganz ohne Punktzahl wert – und das, nicht irgendein Benchmark, ist der Grund, warum sich das gemessene Modell eine Erhöhung seines Cache-Preises leisten kann.

Das Entscheidende ist wenig glamourös: die nächste unabhängige Mercury-3-Messung, wann immer sie erscheint, und ob sich der Cache-Preis von StepFun erneut bewegt. Beides sind kleine Fakten, die die Rechnung stärker verändern würden als jeder Launch-Post.