Mercury 3 vs Gemini 4 Pro: Uno de estos nombres no es un modelo

No existe G​emini 4 Pro. Existe G​emini 4 Argon, que G​oogle puso a disponibilidad general en su nivel de API de pago el 13 de octubre de 2026, y existe Mercury 3, que Inception Labs lanzó el 19 de octubre de 2026 — y muchísimas personas buscan una comparación entre Mercury 3 y un G​emini 4 Pro que G​oogle nunca ha anunciado, nunca ha asignado un identificador, nunca ha puesto precio y para el que nunca ha publicado una longitud de contexto. Este artículo se toma la consulta en serio de todos modos, porque la pregunta que subyace es real: ¿cómo se compara un modelo de difusión de 1.068 tokens por segundo de un laboratorio pequeño con el actual buque insignia de G​oogle en las cosas que realmente se pueden medir? La respuesta se contrasta con G​emini 4 Argon, el modelo que existe, y el primer hallazgo es que los dos no están en el mismo mercado en absoluto. Los fallos de IA y los incidentes con agentes documentados detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Cómo cuadra el nombre que falta

La ausencia no es una inferencia del silencio. Sobrevive a cinco comprobaciones independientes.

• La documentación del modelo de la API G​emini de G​oogle enumera exactamente un modelo bajo su encabezado G​emini 4 —gemini-4-argon— y la página se actualizó por última vez el 19 de octubre de 2026, un día antes de este artículo. No le ha seguido una segunda tarjeta de G​emini 4.

• La página de modelos de DeepMind incluye la tarjeta Argon y nada más de la línea Gemini 4.

• El propio blog de Google no tiene ningún anuncio de Gemini 4 Pro, y la entrada de lanzamiento de Argon describe a Argon como el buque insignia de la familia Gemini 4, no como miembro de una línea por niveles con un Pro por encima o por debajo.

• No hay ningún identificador de modelo Gemini 4 Pro en ninguna parte de la documentación de la API, ni tabla de tarifas, ni longitud de contexto, ni límite de salida, ni condiciones de licencia. Un modelo que carece de todas esas cosas no es un modelo que se haya lanzado discretamente; es un nombre que la gente ha dado por hecho que existirá.

• Tampoco está en nuestro catálogo. Los modelos de Google que OrcaRouter enruta son la línea 3.x —gemini-3.1-pro-preview, gemini-3.8-flash, gemini-3.6-flash, gemini-3.5-flash y las variantes lite— y nada de la línea 4. No estamos ocultando ninguna ruta; no hay ninguna ruta que ocultar.

Si un G​emini 4 Pro se lanza más adelante este año, la estructura de esta comparación probablemente se mantenga, porque el punto de precio que ocuparía ya lo ocupa Argon en lo más alto de la gama. Pero las cifras a continuación corresponden al G​emini 4 Argon, y así están etiquetadas.

Qué es G​emini 4 Argon, ya que es lo que se está comparando

G​emini 4 Argon se anunció el 30 de septiembre de 2026 y alcanzó la disponibilidad general en el nivel de pago el 13 de octubre de 2026. Es multimodal en ambos extremos de la llamada —texto, imágenes, video, audio y PDF de entrada, texto de salida—, con un contexto unificado de 1M de tokens y un límite de salida predeterminado de 65,536 tokens que se extiende a 1,048,576 tokens en modo de decodificación larga. El precio es introductorio: $2.00 por millón de tokens de entrada y $10.00 por millón de tokens de salida, y aumentará a $4.00 y $20.00 el 1 de diciembre de 2026, con la entrada en caché a $0.10, que se duplicará a $0.20 en la misma fecha. El almacenamiento en caché es solo implícito; no hay un nivel de caché explícito que comprar. No está en el nivel gratuito de G​oogle.

En el Intelligence Index de Artificial Analysis obtiene 52,6, con un coste de cómputo de aproximadamente 1,99 USD por tarea del índice. Las cifras publicadas por el propio Google incluyen 57,1% en Terminal-Bench 4.0, 61,8% en SciCode y 57,1% en Humanity's Last Exam —reportadas por el proveedor y etiquetadas como tales, pero al menos declaradas en un harness con nombre y tareas con nombre.

Así que el modelo al otro lado de esta comparación es un modelo insignia multimodal con una puntuación de índice independiente de 52,6 y un precio que se duplica en seis semanas. Mercury 3 es un modelo de difusión solo de texto, sin puntuación de índice y con un precio que se reduce a la mitad en el lanzamiento. Casi todas las dimensiones de la comparación son un contraste entre dos teorías distintas de para qué sirve un modelo de lenguaje.

El contraste de especificaciones, en las dimensiones que determinan los despliegues.

• Precio de salida — Mercury 3 a $0.35 por millón en el lanzamiento y $0.70 a precio de lista, frente a G​emini 4 Argon a $10.00 ahora y $20.00 desde el 1 de diciembre de 2026.

• Precio de entrada — $0.10 de lanzamiento y $0.20 de lista, frente a $2.00 ahora y $4.00 después del 1 de diciembre.

• Entrada en caché — $0.01 de lanzamiento y $0.02 de lista en Mercury 3, frente a $0.10 ahora y $0.20 después del 1 de diciembre en Argon, solo con caché implícita.

• Contexto — 1.000.000 de tokens en ambos, aunque el de Argon está unificado entre modalidades y el de Mercury 3 solo abarca texto.

• Salida máxima: 131.072 tokens en Mercury 3, frente a 65.536 de forma predeterminada en Argon y hasta 1.048.576 en modo de decodificación larga.

• Modalidades de entrada: solo texto frente a texto, imagen, vídeo, audio y PDF.

• Rendimiento — 1.068 tokens por segundo reportados por el proveedor en Mercury 3, frente a ninguna cifra comparable de flujo único publicada para Argon.

• Puntuación de índice independiente: ninguna para Mercury 3, frente a 52,6 para Argon con aproximadamente $1,99 de cómputo por tarea de índice.

• Tendencia de precios — el descuento de Mercury 3 no tiene fecha de finalización publicada; el aumento de Argon está programado para el 1 de diciembre de 2026 y se aplica a toda la solicitud una vez que la entrada cruza el límite de contexto largo.

La línea de precios es la que decidirá la mayoría de los despliegues reales, y la fecha del 1 de diciembre la vuelve urgente de un modo en que el lanzamiento de Mercury no lo hace. Un equipo que construya un pipeline de documentos sobre Argon a $2.00/$10.00 y vuelva a ejecutar el modelo de costos en enero descubrirá que la tarifa de entrada se ha duplicado y que la tarifa de salida también se duplica. Eso no es un riesgo sutil; es una entrada en el calendario.

Donde la comparación de precios falla por completo

Gemini 4 Argon acepta PDFs, capturas de pantalla, audio y video. Mercury 3 acepta texto. Esa única línea elimina la comparación de precios para una gran parte de las cargas de trabajo en las que Argon se usa realmente: facturas, formularios escaneados, llamadas grabadas, grabaciones de pantalla, cualquier cosa en la que la entrada llegue como píxeles u ondas en lugar de caracteres.

Meter un PDF en Mercury 3 implica ejecutar primero OCR o un modelo de maquetación, y ese paso tiene su propio coste, su propia latencia y su propia tasa de error. Un contrato escaneado de 40 páginas no sale gratis porque el modelo que lee el texto extraído sea barato. En las cargas de trabajo en las que la multimodalidad de Argon es determinante, Mercury 3 no es una opción más barata: no es una opción, y la comparación honesta termina ahí.

Donde las modalidades sí coinciden —texto de entrada, texto de salida, y una gran parte del tráfico de producción es exactamente eso—, la diferencia de precio es de aproximadamente 14 veces con la tasa de salida actual de Argon y de 28 veces después del 1 de diciembre. Es lo bastante grande como para cambiar una arquitectura. Un pipeline de recuperación que actualmente envía veinte pasajes candidatos a un modelo insignia para reordenarlos podría enviar cien a Mercury 3 por el mismo dinero, y el contexto adicional bien podría valer más que la diferencia de calidad por token.

La asimetría de la evidencia, y por qué importa más aquí

G​emini 4 Argon cuenta con una medición independiente y una tabla de referencia del proveedor. Mercury 3 no tiene ninguna de las dos. Lo que Mercury 3 sí tiene es una cifra de rendimiento que Inception midió en hardware NVIDIA no especificado, una afirmación de más de 40 veces los parámetros de Mercury 1 y un resultado de calidad estructurado: 50 % de finalización en 50 tareas de navegación en vivo de Mind2Web dentro del propio arnés de agentes de Inception, que la empresa afirma que es «significativamente más que GPT-6.1-Sol» con el mismo volumen de tokens y número de pasos.

Ese es un resultado genuino —la navegación web en vivo es difícil de manipular—, pero no es comparable con un 52.6 en un índice neutral. Los dos números responden a preguntas distintas: uno dice "este modelo puede completar la mitad de cincuenta tareas reales de navegación"; el otro dice "este modelo obtiene 52.6 en un conjunto fijo y publicado al que también se han sometido todos los demás modelos del índice". Puedes clasificar el segundo frente a alternativas. Del primero solo puedes hacer una comprobación básica.

También hay un problema de calibración oculto en la comparación. Mercury 3 usa por defecto el más bajo de sus cuatro ajustes de esfuerzo cuando se omite el parámetro, así que cualquier evaluación que no fije el esfuerzo está midiendo el modelo en su ajuste menos capaz. Argon no tiene un control equivalente. Una ejecución de benchmark de ambos, hecha sin cuidado, haría que la brecha pareciera más grande de lo que es en cualquiera de las dos direcciones, y las propias afirmaciones comparativas de Inception no indican qué ajuste las produjo.

Los dos modelos no están del mismo lado de un cambio de precio.

Ponga las dos tarjetas de tarifas una al lado de la otra y la dirección de la evolución es la opuesta. Mercury 3 se lanzó con un descuento del 50 % que no tiene fecha de finalización, lo que significa que un constructor no puede saber si la tarifa dentro de seis meses es $0.10/$0.35 o $0.20/$0.70. Argon se lanzó con una tarifa introductoria con una fecha de finalización firme, lo que significa que un constructor sabe exactamente cuál es la tarifa el 2 de diciembre: el doble.

La certeza sobre un número malo a menudo vale más que la incertidumbre sobre uno bueno, y este es un caso en el que los dos modelos te dan uno de cada uno. Si estás presupuestando un pipeline para un año, los $4.00/$20.00 de Argon son el número con el que modelar desde diciembre en adelante, y la lista de $0.20/$0.70 de Mercury 3 es el número con el que modelar porque el descuento no es una tarifa de catálogo. Incluso con esos dos números conservadores, la brecha es de 20 veces en la salida, lo que sigue siendo el dato único más importante de esta comparación.

Lo que ninguna lista de precios te dice es cuánto cuesta una tarea. La ejecución del índice de Argon cuesta alrededor de $1.99 de cómputo por tarea; Mercury 3 no tiene una medición equivalente, y su economía de tokens bajo decodificación por difusión no tiene la misma forma que la de un modelo autorregresivo. Cualquiera que en este momento cite un costo por tarea para Mercury 3 está extrapolando a partir de una tarifa por token y una suposición sobre la longitud de la salida.

Cómo sostener ambos sin comprometerse con ninguno

G​emini 4 Argon no está en el catálogo de OrcaRouter. Lo que enrutamos desde G​oogle es la línea 3.x: gemini-3.1-pro-preview a $2.00/$12.00, gemini-3.8-flash y gemini-3.6-flash a $0.75/$3.75, gemini-3.5-flash a $1.50/$9.00, y las variantes lite. Y Mercury 3 tampoco está en el catálogo, por la razón más sencilla: no trabajamos con ningún modelo de Inception. Así que, para este emparejamiento en concreto, nuestra postura honesta es que no somos la ruta adecuada para ninguna de las dos partes.

Donde un router sigue siendo útil es en la parte de la arquitectura que rodea la elección. Los modelos 3.x que sí ofrecemos pueden servir como respaldo para cualquiera de las dos opciones: dirigir la mayor parte del trabajo de texto a Gemini 3.1 Pro o Gemini 3.8 Flash a sus precios de lista sin añadir ningún margen por nuestra parte, y enviar solo las llamadas que realmente necesitan el modelo insignia o el modelo de difusión a sus respectivos proveedores. Eso mantiene un único endpoint, una única clave y un único conjunto de credenciales para la mayoría del tráfico, y limita los dos casos especiales a dos rutas de código estrechas, lo cual es un compromiso mucho menor que elegir uno de ellos como predeterminado para todo.

El precio de traspaso es importante específicamente para Argon. Cuando llegue el 1 de diciembre y Google duplique la tarifa, el precio de un modelo enrutado cambia el día en que el proveedor lo cambia, sin renegociación y sin una tarifa desactualizada en tu modelo de costos. Hoy no enrutamos Argon; si eso cambia, el aumento se aplica según el mismo calendario que publica Google en lugar del nuestro.

Qué hacer con una comparación con un modelo que no existe

El consejo práctico es poco interesante y vale la pena decirlo. Si un documento de adquisiciones, una propuesta interna o una presentación de proveedor que tengas delante cita G​emini 4 Pro, pide el identificador del modelo en la API. No el nombre comercial, no el nombre de la familia, no el nivel: la cadena que pondrías en el cuerpo de una solicitud. Si la respuesta es gemini-4-argon, estás ante Argon con otra etiqueta, y la tarifa es de $2.00/$10.00 ahora y de $4.00/$20.00 a partir del 1 de diciembre. Si no hay respuesta, el documento está citando un nombre y no un producto.

La misma prueba se aplica a Mercury 3 en la dirección opuesta. Su identificador es real, su lista de precios está publicada, su longitud de contexto está publicada y su cifra de rendimiento es una afirmación del proveedor. Entre un modelo con una hoja de especificaciones completa y ninguna puntuación independiente, y un modelo con una puntuación independiente cuyo nombre la gente sigue equivocando, el segundo sigue siendo la opción predeterminada más segura —no porque G​oogle sea un proveedor más seguro, sino porque un número que no tuviste que aceptar por fe vale más que un descuento que no puedes verificar. Hasta que el modelo de Inception tenga una página de índice, la elección entre estos dos es una elección entre evidencia y precio, y la mayoría de los equipos debería comprar la evidencia y alquilar el precio.