Mercury 3 vs DeepSeek V4 Pro: uno se factura por tiempo, el otro por lanzamiento

Dos modelos pueden costar ambos "alrededor de un dólar por millón de tokens de salida" y aun así facturarte de forma muy distinta. Mercury 3 cobra 0,35 $ por millón de tokens de salida esta semana y 0,70 $ después de que termine el descuento de lanzamiento —un calendario con una fecha desconocida. DeepSeek V4 Pro cobra 1,98 $ por millón de tokens de salida fuera de las horas punta y 3,96 $ durante dos franjas cada día laborable, de 01:00 a 04:00 y de 06:00 a 10:00 UTC— un calendario con un reloj incorporado. Si tu tráfico es a ráfagas y cae en esas franjas, DeepSeek V4 Pro cuesta hasta 11 veces lo que cuesta Mercury 3 en el lanzamiento, y unas 5,7 veces al precio de lista de Mercury. Si tu tráfico se produce durante la noche y los fines de semana, la diferencia se reduce a 2,8 veces. Ninguna de las dos cifras es la que aparece en la comparación de titulares, y ese es precisamente el motivo de poner estos dos lado a lado. Los fallos documentados de IA y los incidentes con agentes que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, grado de severidad, calificación de confianza e indicador de disputa.

Los propios modelos también están más separados de lo que sugiere el precio. Mercury 3 es el modelo de lenguaje de difusión de Inception Labs, publicado el 19 de octubre de 2026: contexto de 1 M, 131.072 tokens de salida, solo texto, 1.068 tokens por segundo según la propia medición de Inception y sin puntuaciones numéricas de referencia publicadas. DeepSeek V4 Pro es el modelo insignia de mezcla de expertos de DeepSeek, publicado el 24 de abril de 2026 y actualizado como la versión 0813 en agosto: 1,6 billones de parámetros totales con aproximadamente 49.000 millones activos, contexto de 1.048.576, un límite de salida de 384.000 tokens, entrada solo de texto y un importante conjunto de mediciones de terceros que lo respaldan. Una es una apuesta por la velocidad con un techo no demostrado. La otra es una apuesta por la capacidad con un historial de resultados demostrado —y desigual—.

Las tarjetas de tarifas, incluidas las partes que son fáciles de pasar por alto

• Salida — Mercury 3 $0.35 por millón en el lanzamiento, $0.70 a precio de lista. DeepSeek V4 Pro $1.98 fuera de horas pico, $3.96 en horas pico.

• Entrada — Mercury 3 $0.10 en el lanzamiento, $0.20 a precio de lista. DeepSeek V4 Pro $0.66 fuera de horas punta, $1.32 en horas punta.

• Entrada en caché — Mercury 3 $0.01 en el lanzamiento, $0.02 a precio de lista, un descuento fijo del 90 %. DeepSeek V4 Pro $0.022 fuera de horas pico, $0.044 en horas pico, que es la misma proporción de 1/30 pero aplicada a una base más alta.

• Cuándo se aplica la tarifa pico — Las ventanas de tarifa pico de DeepSeek son de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes, excepto los días festivos públicos chinos. Todo lo demás, incluidas todas las horas de fin de semana, se factura a la tarifa más baja. El descuento de Mercury 3 no tiene fecha de finalización publicada.

• Límite de salida — DeepSeek V4 Pro 384.000 tokens, aproximadamente tres veces los 131.072 de Mercury 3.

• Contexto: ambos nominalmente 1M de tokens.

• Entradas — solo texto en ambos. Ninguno de los dos es un modelo multimodal, así que esta dimensión es un empate en lugar del diferenciador habitual.

• Rendimiento — Mercury 3 a 1.068 tok/s por Inception, sin reproducir. DeepSeek V4 Pro a 119,1 tok/s de salida medidos en el tráfico de nuestro propio playground durante siete días.

• Control de razonamiento: Mercury 3 ofrece esfuerzo instantáneo, bajo, medio y alto, y tiene bajo como valor predeterminado. DeepSeek V4 Pro se ejecuta en modo de pensamiento por defecto con un modo sin pensamiento disponible, y ambos modos tienen el mismo precio.

La regla de la ventana pico merece más atención de la que suele recibir, porque hace que un modelo de costos que supone una tarifa única sea erróneo por un factor de dos durante aproximadamente siete horas de cada día laborable, y esas siete horas abarcan la mañana europea y el inicio de la jornada laboral estadounidense. Una carga de trabajo que en una hoja de cálculo parece de 1,98 $ por millón puede ser de 2,97 $ por millón en términos combinados sin que nadie cambie una sola línea de código.

Lo que los propios números de D​eepSeek dicen al respecto

DeepSeek V4 Pro es medible de una forma en la que Mercury 3 actualmente no lo es, y las mediciones no resultan uniformemente halagadoras. Artificial Analysis le asigna un Índice de Inteligencia de 36,0 y una puntuación AA Coding de 68,8. Su resultado en GPQA Diamond es del 92,8%, en Humanity's Last Exam del 41%, en SciCode del 51% y en recuerdo de contexto largo del 80,3%. En τ²-Bench, el benchmark de uso agéntico de herramientas, obtiene 96,2, y nuestra propia ficha de catálogo abre precisamente con esa cifra, lo que da una idea de aquello en lo que el modelo es realmente bueno.

La cifra que debería hacer que un agente de programación se detuviera a pensar es la de Terminal-Bench 4.0: 14,1 %. No es una errata y no es un benchmark distinto de aquel en el que Claude Opus 5.5 obtiene un 59,6 %. Terminal-Bench 4.0 es una suite de tareas de terminal de horizonte largo, y un modelo que puntúa en la franja baja de los teens no es un modelo al que le encargas una tarea de ingeniería de varios pasos y te desentiendes. En contraste, el 96,2 de τ²-Bench: DeepSeek V4 Pro es excelente en llamadas estructuradas a herramientas contra funciones bien definidas y débil en trabajo de shell abierto. Son productos distintos, y las dos puntuaciones juntas describen el límite.

Mercury 3 no tiene una tabla equivalente. Su única afirmación estructurada sobre calidad es una ejecución de agente en 50 tareas de navegación en vivo de Mind2Web en las que completó el 50 %, lo que, según Inception, es «significativamente más que GPT-6.1-Sol» y utilizó el mismo volumen de tokens y el mismo número de pasos. Por lo tanto, la comparación que un comprador realmente quiere —cómo se comportan estos dos en la misma tarea de agente— no la ha ejecutado nadie en público. Lo que se puede decir es que están diseñados para distintos modos de fallo: DeepSeek tiene una competencia profunda en llamadas a herramientas y un amplio presupuesto de salida; Mercury tiene velocidad y una base de evidencia mucho más limitada.

Costo, en un reloj real

Tomemos una carga de trabajo de procesamiento de documentos: 60 millones de tokens de entrada y 15 millones de tokens de salida al día, lo que es un flujo de trabajo plausible para la revisión de contratos o expedientes en un despacho de tamaño medio. En Mercury 3 a la tarifa de lanzamiento, eso es $6.00 de entrada y $5.25 de salida, o $11.25 al día. En DeepSeek V4 Pro a la tarifa fuera de horas punta, son $39.60 y $29.70, o $69.30 al día.

Ahora mueve la mitad de ese tráfico a las ventanas de hora punta de DeepSeek. Treinta millones de tokens de entrada en horario valle cuestan $19.80 y treinta millones en hora punta cuestan $39.60; la salida se divide en $14.85 y $29.70. El total diario pasa a ser $103.95. Los mismos tokens, el mismo modelo, y la factura pasó de $69.30 a $103.95. La factura de Mercury 3 no cambia con el reloj en absoluto.

Donde DeepSeek recupera eso es en capacidad. El límite de salida de 384.000 tokens significa que una sola llamada puede producir una extracción estructurada sobre un documento muy largo sin fragmentarlo, lo cual, para un pipeline legal o financiero, no es una comodidad sino una propiedad de corrección, porque es en la fragmentación donde se pierden las referencias cruzadas. El límite de 131.072 tokens de Mercury 3 cubrirá la mayoría de esas tareas, pero no todas. Si tu tarea produce habitualmente salidas de más de 130K tokens, la comparación de precios es irrelevante: el modelo más barato no puede hacer el trabajo.

La diferencia de los pesos abiertos que nadie menciona en una tabla de precios

DeepSeek publica los pesos. DeepSeek-V4-Pro-0813 está en Hugging Face bajo la organización deepseek-ai, con fecha del 13 de agosto de 2026, junto con la línea V4.1-Flash, que ha seguido publicándose hasta octubre. Eso significa que puedes autoalojar, ajustar, cuantizar o ejecutar el modelo en un entorno aislado, y ningún proveedor puede retirártelo. Inception no ha publicado los pesos de Mercury 3, y el anuncio no se compromete a hacerlo. Si tu postura de cumplimiento exige que el modelo resida dentro de tu perímetro, la comparación tiene exactamente una respuesta viable.

La contrapartida es que autoalojar un modelo de mezcla de expertos de 1,6 billones de parámetros no es un proyecto de fin de semana, y el precio del alojamiento gestionado es lo bastante bajo como para que la mayoría de los equipos no debería intentarlo. Lo relevante es la opcionalidad, no la economía.

Colocando ambos detrás de una misma tecla

DeepSeek V4 Pro está en nuestro catálogo como deepseek/deepseek-v4-pro, facturado a la tarifa propia de DeepSeek con 0% de recargo — incluido el multiplicador de hora punta, que se traslada sin cambios en lugar de suavizarse en una cifra fija. Esto importa aquí más de lo habitual: un proveedor cuyo precio varía según la hora es justo el caso en el que un enrutador debería mostrarte el calendario real en lugar de un promedio. Mercury 3 no está en nuestro catálogo; nuestra API de modelos no tiene ningún modelo de Inception, así que la vía para acceder a él es la propia plataforma de Inception.

El patrón que tiene sentido para un equipo que evalúa ambos es una división según la forma de la tarea en lugar de una división por precio. Envía la extracción de salidas largas y las llamadas estructuradas a herramientas a DeepSeek V4 Pro, donde el techo de 384K y la puntuación de τ²-Bench hacen un trabajo real; envía el nivel de salida corta y crítico en latencia a Mercury 3 mediante la clave de Inception. Un único endpoint compatible con OpenAI cubre el lado de DeepSeek y más de 200 modelos adicionales, con conmutación por error automática si un proveedor se degrada, y el DSL de enrutamiento puede contener la regla según la forma de la tarea para que se configure una vez en lugar de reimplementarse en cada servicio. Conservas la ruta rápida y económica donde la velocidad es el producto, y la capacidad demostrada donde lo que importa es la corrección.

¿Cuál elegir?

Elige DeepSeek V4 Pro cuando el trabajo sea una salida estructurada larga, un flujo de trabajo de llamadas a herramientas contra funciones definidas, o cualquier cosa que tenga que ejecutarse dentro de tu propia infraestructura. Acepta que estás pagando entre 2,8 y 5,7 veces el precio de lanzamiento de Mercury 3, que la factura cambia según la hora y que Terminal-Bench 4.0 dice que este no es tu agente de programación autónomo.

Elige Mercury 3 cuando la tarea sea breve, solo de texto, crítica en latencia y barata de reintentar —turnos de voz, sugerencias, resúmenes de búsqueda, borradores de soporte— y cuando estés dispuesto a realizar la evaluación tú mismo, porque nadie ha publicado una. El descuento de lanzamiento hace que la prueba sea casi gratuita; la ausencia de una fecha de finalización lo convierte en una base poco sólida para un modelo de costes a cinco años.

Lo único que no hay que hacer es elegir entre ellos basándose en el precio por token que aparece en los titulares. El reloj de DeepSeek y la ventana de lanzamiento de Mercury son, a su manera, temporales, y la cifra que debería guiar la decisión —el coste por tarea completada, incluidos los reintentos y la revisión humana— es la cifra que ninguno de los dos proveedores publica.