Mercury 3 frente a GPT-5.6 Sol: 20 veces más barato por token, y los tokens son todo el argumento

Lo interesante de poner Mercury 3 junto a GPT-5.6 Sol es que Sol ya es el extremo barato de la frontera de OpenAI y Mercury 3 vuelve a ser más barato por un margen que hace que la palabra «barato» no sirva de nada. Inception Labs lanzó Mercury 3 el 19 de octubre de 2026 a 0,20 dólares por millón de tokens de entrada y 0,70 dólares por millón de salida, reducidos a la mitad a 0,10 y 0,35 dólares durante una ventana de lanzamiento sin fecha de finalización declarada. GPT-5.6 Sol, que OpenAI lanzó el 9 de julio de 2026, tiene un precio de lista de 4,00 y 20,00 dólares por debajo de 272.000 tokens y de 8,00 y 30,00 dólares por encima. En cuanto a la salida, eso es una diferencia de 57 veces con el precio de lanzamiento de Mercury y de 28 veces a precio de lista —y, a diferencia de la mayoría de esas diferencias, no se reduce cuando se mide por respuesta, porque la ventaja de Sol en las comparaciones anteriores con GPT-6 era la austeridad en el uso de tokens, y Sol no es austero como lo era GPT-6 Sol. Los fallos de IA y los incidentes con agentes documentados que hay 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.

Ambos modelos aceptan un millón de tokens de entrada en una sola llamada y ambos solo devuelven texto. Donde se diferencian es en lo que ocurre alrededor de los tokens: Mercury 3 es un modelo de lenguaje de difusión que fija bloques de posiciones de una vez y se ejecuta a 1.068 tokens por segundo medidos por el proveedor, mientras que GPT-5.6 Sol es un modelo frontera autorregresivo que acepta imágenes y archivos además de texto, y que Artificial Analysis midió en 87,7 tokens por segundo por 1,99 dólares por tarea del Intelligence Index. Por lo tanto, la comparación tiene menos que ver con qué modelo es mejor —algo que nadie ha medido para Mercury— y más con cuánto cuesta la misma carga de trabajo en cada uno una vez que se cuentan los reintentos y los tokens desperdiciados.

Dos tarifas, léalas con atención

La tarjeta de Sol tiene un límite que la de Mercury no tiene, y ese límite es la diferencia estructural más importante entre los dos productos. Todo hasta 272.000 tokens de entrada se factura a $4,00 y $20,00. Cualquier cosa por encima de eso vuelve a fijar el precio de toda la solicitud en $8,00 y $30,00; no los tokens excedentes, sino todo. Un prompt de 300.000 tokens cuesta $2,40 de entrada en Sol, lo cual es más que lo que costaría un prompt de 250.000 tokens a $4,00 por un factor de más de dos, para un 20 % más de texto.

• Precio — Mercury 3: $0.20 / $0.70 por millón, $0.10 / $0.35 en el lanzamiento, entrada en caché con un 90% de descuento sobre la tarifa de entrada. GPT-5.6 Sol: $4.00 / $20.00 por millón por debajo de 272,000 tokens, $8.00 / $30.00 por encima, entrada en caché a $0.40 con un coste de escritura de $5.00 por millón.

• Contexto y salida — Mercury 3: 1.000.000 de tokens de entrada, 131.072 de salida. GPT-5.6 Sol: 1.050.000 de entrada, 128.000 de salida.

• Modalidades — Mercury 3: solo texto. GPT-5.6 Sol: entrada de texto, imagen y archivo; salida de texto.

Velocidad — Mercury 3: 1.068 tokens por segundo, medido por Inception. GPT-5.6 Sol: 87,7 tokens por segundo en el entorno de pruebas de Artificial Analysis, con un tiempo hasta el primer token de 91,8 segundos en su carga de trabajo predeterminada de prompts largos.

• Puntuaciones independientes — Mercury 3: ninguna publicada; no existe una página de Artificial Analysis. GPT-5.6 Sol: 47 en el Intelligence Index, 77.4 en el índice de programación, 94.1 en GPQA Diamond, 49.5 en Humanity's Last Exam, 84.0 en recuperación de contexto largo.

• Lanzamiento — Mercury 3: 19 de octubre de 2026. GPT-5.6 Sol: 9 de julio de 2026.

Un número en la ficha de Sol merece su propia frase, porque es el número del que está hecho un presupuesto de latencia. Artificial Analysis registra un tiempo medio hasta el primer token de 91,8 segundos para GPT-5.6 Sol en la configuración que prueba. No es una errata ni un arranque en frío; es lo que hace un modelo que prioriza el razonamiento cuando piensa antes de hablar ante un prompt largo. La cobertura del lanzamiento de Mercury 3 incluye informes de latencia de terceros —Octen midió un tiempo de generación medio de 0,9 segundos y una respuesta de extremo a extremo media de 2,2 segundos en su carga de trabajo—, pero esos son testimonios de clientes en el anuncio de un proveedor, no un banco de pruebas neutral, y además corresponden a cargas de trabajo distintas. La dirección no está en duda; la magnitud no puede resolverse sin una prueba común.

Por qué el recuento de tokens es decisivo en este caso y cómo comprobarlo para tu carga de trabajo

La diferencia por token es de 28 veces a precio de lista y de 57 veces en el lanzamiento, así que la única forma en que Sol la cierra es produciendo muchos menos tokens para el mismo trabajo. Eso es exactamente lo que ocurrió en la comparación con GPT-6 Sol, donde Sol gastó alrededor de 31.000 tokens de salida por tarea de índice frente a los 193.000 de Claude Sonnet 5.5 y terminó siendo más barato por tarea a pesar de una tasa de salida 20 veces mayor. Aquí no ocurre de forma evidente: GPT-5.6 Sol cuesta $1,99 por tarea de Intelligence Index, mientras que GPT-6 Sol costó alrededor de $1,05 en el mismo entorno de prueba, así que Sol es aproximadamente el doble de caro por respuesta que su sucesor y unas 40 veces más caro por respuesta de lo que sería una tarea de Mercury 3 de $0,05 si Mercury consumiera el mismo volumen de tokens.

Ese "si" está haciendo todo el trabajo, y vale la pena plantearlo como una prueba en lugar de una afirmación. Toma cien de tus propios prompts, pásalos por Sol y registra los tokens de salida por prompt y si la respuesta necesitó un reintento. Haz lo mismo con Mercury 3. Multiplica por las tarifas. El resultado es tu respuesta, y lleva una tarde en lugar de una discusión sobre benchmarks.

Tres formas de resultado son lo bastante comunes como para predecirlas de antemano.

• Trabajo de texto breve y de gran volumen: clasificación, extracción, enrutamiento, resúmenes breves, 150 tokens de salida por llamada. La frugalidad de tokens de Sol no tiene dónde aplicarse, así que la tarifa lo es todo: entre 28 y 57 veces más barato en Mercury 3, antes del descuento.

• Trabajo con un alto componente de razonamiento — un análisis de varios pasos en el que Sol consume 20.000 tokens de razonamiento. Si Mercury 3 necesita dos intentos para llegar a la misma respuesta, la brecha efectiva baja de 28 veces a 14 veces; si necesita cinco, baja a menos de seis veces. Sigue siendo un ahorro considerable, ya no un error de redondeo en la decisión.

• Cualquier cosa que involucre una imagen — una captura de pantalla, una página escaneada, un gráfico. Mercury 3 devuelve un error. La comparación no existe, y el precio de la entrada multimodal de Sol es lo que Sol cobre.

El descuento, y por qué el modelo de costes honesto utiliza la lista

La tarifa de salida de Mercury 3 de $0.35 es una promoción. Inception ha publicado el precio de lista y el descuento, pero no la fecha de finalización, lo que significa que un modelo de costos construido sobre $0.35 contiene un pasivo que nadie puede dimensionar. En la carga de trabajo de respuesta corta anterior, la diferencia entre el precio de lanzamiento y el de lista es de 2x — el mismo 2x que separa un buen trimestre de uno malo, llegando sin aviso.

La tarjeta de Sol tiene la propiedad opuesta. Es estable, tiene un límite documentado y una estructura de caché documentada: $0.40 por millón en lecturas, un coste de escritura de $5.00 por millón, que está un 25% por encima de la tarifa de entrada. Para una carga de trabajo que reenvía el mismo preámbulo de 30.000 tokens en cada paso de un bucle de agente, merece la pena calcular esa prima de escritura antes de descartarla —Sol paga un 25% más una vez y un 90% menos en cada lectura posterior, y con diez o más pasos por tarea el coste de entrada amortizado cae por debajo de $1.00 por millón.

La tarifa en caché de Mercury 3 es de $0.02 por millón a precio de lista, $0.01 durante la ventana de lanzamiento, sin prima de escritura publicada. Esa es la cifra más fuerte a su favor para exactamente esa carga de trabajo: un bucle de agente de veinte pasos con un preámbulo de 30,000 tokens cuesta $0.60 de entrada en caché en Mercury a precio de lista, frente a lecturas por valor de aproximadamente $0.40 por millón en Sol tras la escritura —comparable en términos absolutos, y la comparación solo sigue siendo comparable porque el almacenamiento en caché de Sol es excepcionalmente bueno. Si se elimina la caché de ambos, la diferencia vuelve a ser de 20 veces.

Qué hace la capa de enrutamiento con una diferencia de 20 veces y sin puntuación neutra

GPT-5.6 Sol está en el catálogo de OrcaRouter con las propias tarifas de OpenAI: 4,00 y 20,00 $ por millón, 8,00 y 30,00 $ por encima del límite de 272.000 tokens, 0,40 $ por lecturas en caché, detrás del mismo endpoint compatible con OpenAI que todo lo demás que enrutamos, sin ningún recargo añadido. Mercury 3 no está en el catálogo; nuestra API de modelos no devuelve nada para ningún modelo de Inception, así que quien lo llame acudirá a la propia plataforma de Inception, donde las cuentas nuevas reciben 100 millones de tokens gratis, o a una de las varias plataformas de terceros que lo alojan.

La brecha es lo bastante grande como para que el movimiento tentador sea cambiar toda la carga de trabajo y ver qué se rompe. La razón para no hacerlo no es la cautela por la cautela misma; es que Mercury 3 tiene un resultado de calidad, producido dentro del propio arnés de agentes de Inception en 50 tareas en vivo de Mind2Web, donde completó el 50 % y, según se informa, lo hizo con el mismo volumen de tokens y número de pasos que un modelo de frontera. Ese es un resultado genuinamente interesante —sitios en vivo, no una instantánea— y también es no falsable desde fuera, porque el arnés y la puntuación pertenecen al vendedor.

Lo que una regla de enrutamiento aporta en esa situación es un experimento acotado. Enviar una porción definida del tráfico a Mercury 3, mantener Sol detrás como ruta de respaldo y dejar que la conmutación automática por error cubra el caso en que el nuevo modelo agote el tiempo de espera o dé error. La porción es un número en un archivo de configuración, no una ruta de código; ampliarla del 10 % al 100 %, o reducirla a cero cuando finalice el descuento, es un cambio en ese número.

También hay una tercera opción que la página de ninguno de los dos proveedores te contará, y es la que la mayoría de los equipos acaba eligiendo cuando hace los números: GPT-6 Sol. Tiene la misma lista de precios de $4.00 y $20.00 que GPT-5.6 Sol, está un nivel por debajo del buque insignia GPT-6 y cuesta alrededor de $1.05 por tarea del Intelligence Index frente a los $1.99 de Sol. Si el motivo por el que estás considerando Mercury 3 es que Sol es demasiado caro por respuesta, la respuesta más barata a ese problema puede ser un modelo más nuevo al mismo precio en lugar de uno sin medir a una vigésima parte de ese precio.

Donde esto acaba

Para trabajo solo de texto y de gran volumen, los números no dejan lugar a dudas y no dependen de nada sin verificar: con precios de lista, Mercury 3 es 20 veces más barato en entrada y 28 veces más barato en salida que GPT-5.6 Sol, con una ventana de contexto del mismo tamaño y sin ningún límite que cruzar. Si tu carga de trabajo es de un millón de llamadas cortas al mes, esa es la decisión, y el riesgo es medible en un día de tráfico.

Para trabajos que razonan durante veinte mil tokens, leen una captura de pantalla o se ejecutan de forma desatendida durante horas con herramientas en el bucle, Sol es el modelo con un comportamiento documentado y un precio estable, y los 91,8 segundos hasta el primer token son una cifra real con la que se puede planificar en lugar de una afirmación que haya que poner a prueba. Eso no es algo menor por lo que estar pagando.

La única medición que zanjaría la discusión es el costo por tarea de Intelligence Index de Mercury 3 en el arnés que produjo los $1.99 de Sol. No existe, no se ha dado ninguna fecha para ella y, hasta que exista, cada cifra por respuesta de Mercury 3 en este artículo es una suposición con una lista de precios adjunta. La lista de precios, al menos, es real —y, con un factor de 20, es lo bastante amplia como para merecer una prueba antes de merecer credibilidad.