Mercury 3 vs GPT-6 Astra: 28 veces el precio de salida, comprando un nivel de esfuerzo a la vez

Mercury 3 y GPT-6 Astra difieren en 28 veces en el precio de salida — $0.35 por millón durante la ventana de lanzamiento de Inception frente a $50.00 de O​penAI — y en aproximadamente 18 veces en rendimiento en la dirección opuesta. Esos dos números son fáciles de citar y casi inútiles por sí solos, porque Astra no es un solo modelo a un solo precio. Es una escalera de razonamiento: cinco niveles de esfuerzo, una puntuación de índice que sube de 46 en la base a 53 en la cima, y una factura que sube con ella. Mercury 3 también tiene una escalera, en cierto modo — cuatro ajustes de esfuerzo y un valor predeterminado en la base — pero ninguna puntuación independiente en ninguno de ellos. Así que la verdadera pregunta en este enfrentamiento no es si Astra vale 28 veces Mercury 3. Es hasta dónde necesitas subir por la escalera de Astra, y si el trabajo que haces necesita una escalera siquiera. Los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, su gravedad, su calificación de confianza y su indicador de disputa.

El número que decide esto, y no es el precio

Artificial Analysis mide GPT-6 Astra en 53 en su Intelligence Index con la configuración de esfuerzo máximo del modelo, lo que lo sitúa en séptimo lugar entre los 216 modelos del índice, con aproximadamente $3,26 de cómputo por tarea del índice. Al ejecutar la misma suite con la configuración de esfuerzo más baja, la puntuación es 46. Los cinco niveles, en orden, son 46, 50, 51, 52 y 53.

Lee esa escalera dos veces. La primera lectura es que el peldaño superior está solo siete puntos por encima del inferior, en una suite donde siete puntos es mucho — los modelos por debajo de Astra y los modelos por encima de ella están separados por márgenes más pequeños que eso. La segunda lectura es que el cuarto peldaño, con 52, está a menos de un punto de la cima y, presumiblemente, es más barato. Si tu tarea no necesita el último punto, no estás eligiendo entre Mercury 3 y un modelo de 53 puntos; estás eligiendo entre Mercury 3 y uno de 52 puntos, y el precio de llegar hasta ahí es un parámetro en lugar de un modelo diferente.

Mercury 3 no ofrece esa elección, porque no hay nada hacia lo que escalar. No hay una puntuación del índice en instantáneo, bajo, medio o alto. La propia afirmación comparativa de Inception —que Mercury 3 supera a GPT-6 Luna y Claude Haiku 5.5— es una afirmación sobre el nivel rápido, hecha sin márgenes, y su único resultado de calidad estructurado es un 50 % de finalización en 50 tareas de navegación Mind2Web en vivo dentro de su propio arnés de agente. Es un resultado real y una muestra pequeña, y no te dice dónde quedaría Mercury 3 en un índice de 216 modelos si se introdujera mañana.

Lo que realmente contiene un token de salida de $50

GPT-6 Astra acepta texto, imágenes y archivos, mantiene una ventana de contexto de 1,05 M de tokens y devuelve hasta 128 K tokens. Su lista de precios estándar es de $10.00 por millón de tokens de entrada y $50.00 por millón de salida, con la entrada en caché a $1.00. Por encima de 272.000 tokens de entrada, vuelve a fijar el precio de toda la solicitud en $20.00 y $75.00, con la entrada en caché a $2.00; el límite no es un tramo marginal, sino un interruptor que duplica toda la factura. El procesamiento por lotes y flex reduce las tarifas a la mitad; el modo rápido las duplica. El razonamiento siempre está activado y va de bajo a máximo.

En ese párrafo hay dos trampas. El límite de 272.000 tokens hace que una solicitud de 280.000 tokens cueste el doble que una de 270.000 tokens, sin crédito parcial, por lo que recortar el contexto cerca del límite merece más esfuerzo de ingeniería del que la mayoría de los equipos le dedica. Y lo que OpenAI comercializa como «GPT-6 Astra Pro» no es un modelo separado ni una SKU separada; es el ajuste pro del dial de razonamiento, lo que significa que es accesible desde el mismo endpoint y con las mismas tarifas, y no es algo para lo que necesites un contrato nuevo.

Mercury 3, por contraste, cuesta $0.20 y $0.70 a precio de lista, reducido a la mitad durante el periodo de lanzamiento a $0.10 y $0.35, con entrada en caché a $0.02 y $0.01. Una sola ventana de contexto de 1M de tokens, una salida máxima de 131,072, sin niveles, sin umbrales, sin multiplicador por lotes. La lista de precios tiene cuatro líneas. Esa simplicidad vale algo por sí sola: un modelo de costos que puedes llevar en la cabeza no se desvía.

El modelo de costes que nadie aplica: tokens por tarea, no precio por token.

El precio por token de Astra es la cifra menos interesante de su coste. Artificial Analysis informa de que una ejecución completa del Intelligence Index en Astra consume en total unos 60 millones de tokens de salida, y de que una sola tarea del índice cuesta aproximadamente $3.26. Divide una cifra entre la otra y obtienes la proporción que importa: Astra gasta muchísimo en pensar antes de gastar nada en responder.

Mercury 3 tiene un precio catorce veces inferior al de Astra en el lanzamiento y 71 veces inferior en la tarifa de lista de Mercury frente a la tarifa estándar de Astra. Pero la comparación del precio por token supone que los dos modelos emiten cantidades de tokens comparables para la misma tarea, y todo lo que se sabe sobre la decodificación por difusión indica que no es así. Un modelo de difusión resuelve un bloque de posiciones a lo largo de un número fijo de pasadas de eliminación de ruido; su longitud de salida es una propiedad de la respuesta, no de un monólogo interno que se despliega antes de la respuesta. La longitud de salida de Astra está dominada por el monólogo.

Eso corta en ambos sentidos, y ambos cortes merecen mencionarse. En una tarea con mucha carga de razonamiento en la que Astra gasta 100.000 tokens de razonamiento para llegar a la respuesta correcta, la ventaja de Mercury 3 es mucho mayor que 14x, porque Mercury 3 no paga en absoluto por el monólogo; aunque si llega a la misma respuesta sin uno es precisamente la pregunta abierta. En una tarea de respuesta corta en la que Astra responde en trescientos tokens con bajo esfuerzo, el monólogo nunca ocurre, y la comparación se reduce a la tabla de tarifas: 14x en el lanzamiento, 71x en la lista de Mercury.

Ponle una carga de trabajo real. Diez millones de tokens de entrada y dos millones de tokens de salida al día, una mezcla de soporte y resúmenes. En Astra, con tarifas estándar, eso son $100 de entrada y $100 de salida: $200 al día, unos $6.000 al mes. En Mercury 3, a precio de lista, son $2 y $1,40: $3,40 al día, unos $102 al mes. Con tarifas de lanzamiento, es la mitad de eso. El mismo tráfico, 59 veces el gasto, y la pregunta de si las respuestas de Astra son 59 veces mejores es una que hoy nadie puede responder con una cifra.

Dónde un router realmente ayuda en este enfrentamiento

GPT-6 Astra está en el catálogo de OrcaRouter. Es accesible desde el mismo endpoint compatible con OpenAI que el resto de los modelos que enrutamos, a las tarifas de lista de OpenAI sin ningún cargo adicional por nuestra parte — 10,00 USD de entrada, 50,00 USD de salida, 1,00 USD en caché, y el nivel de contexto largo a 20,00 USD y 75,00 USD por encima del límite de 272.000 tokens — con chat completions y la API de Responses disponibles, según el formato que tu código ya utilice.

Mercury 3 no está en el catálogo. Nuestra API de modelos no devuelve nada para ningún modelo de Inception, así que llamarlo implica acudir a la propia plataforma de Inception, donde las cuentas nuevas reciben actualmente 100 millones de tokens gratis, o a una de las plataformas de inferencia que Inception enumera. Preferimos decir eso antes que dejar que un artículo comparativo dé a entender una ruta que no tenemos.

Lo que la capa de enrutamiento te aporta aquí es un segundo control de un tipo distinto al de los niveles de esfuerzo de Astra. Los cinco niveles de esfuerzo son el control propio de Astra, y subir por ellos cuesta dinero en cada peldaño. El enrutamiento te permite elegir con qué poca frecuencia le pagas a Astra siquiera: envía el grueso del tráfico a un modelo del nivel rápido que sí enrutamos —GPT-6 Luna a $0.10 y $0.50, o Claude Haiku 5.5 a $1.00 y $5.00— y reserva Astra en alto o máximo para la fracción de solicitudes que son realmente difíciles, con conmutación por error automática si un proveedor se degrada y el DSL de enrutamiento para expresar la división como una regla en lugar de una rama de código. El ahorro no está en la tarifa de Astra; está en la frecuencia con la que lo evitas.

Eso es también, dicho sea de paso, la forma honesta de evaluar Mercury 3. Ponlo en la ruta de nivel rápido junto a Luna y Haiku 5.5, donde la propia comparación de Inception lo sitúa, y comprueba si gana en tus tareas. Compararlo directamente con Astra es comparar un modelo sin puntuación de índice con un modelo en el séptimo peldaño de un índice de 216 modelos, y el resultado te dirá más sobre el desajuste que sobre cualquiera de los dos modelos.

Un detalle que una capa de enrutamiento no debería redondear, y nosotros no lo hacemos: la tarifa de Astra tiene un límite en 272.000 tokens de entrada que vuelve a fijar el precio de toda la solicitud, y un modo por lotes que lo reduce a la mitad. No son ajustes marginales, y un traspaso a precio de lista solo merece la pena si también traspasa las partes incómodas.

La comparación que lo resolvería

Lo que zanjaría Mercury 3 vs GPT-6 Astra no es una publicación de lanzamiento ni este artículo. Es un número: la posición de Mercury 3 en el mismo índice en el que está Astra, con un ajuste de esfuerzo declarado, en el mismo conjunto de pruebas, medido por alguien que no sea Inception. Hasta que eso exista, toda comparación entre estos dos es una comparación entre un modelo medido y uno no medido, y el medido debería recibir el beneficio de la duda por defecto —no por deferencia a O​penAI, sino porque una puntuación que puedes verificar vale más que una cifra de rendimiento que no puedes.

La postura útil mientras tanto es la que sugiere la propia escalera de Astra. La mayor parte del trabajo no necesita el escalón superior de nada. Dirige la mayor parte de tu tráfico al modelo más barato que supere tu umbral de calidad, reserva el escalón caro para las solicitudes que no lo superen y considera Mercury 3 como candidato para la vía barata en lugar de como alternativa a la cara. Si resulta que supera el umbral a una decimocuarta parte del precio, lo descubrirás con tus propias tareas, que es la única suite cuyos resultados puedes usar realmente para actuar.