Mercury 3 vs Reflection Beam: el modelo cerrado más rápido se encuentra con el abierto más rápido

Reflection Beam llegó con una cifra que se podía verificar, y Mercury 3 llegó con una cifra que no. Artificial Analysis le asigna a Beam 335,1 tokens de salida por segundo, con un tiempo hasta el primer token de 0,80 segundos y un Índice de Inteligencia de 30: el cuarto más rápido de 78 modelos medidos y el vigésimo de 121 en calidad. Mercury 3 afirma 1.068 tokens por segundo y no tiene ninguna puntuación independiente de ningún tipo, un día después de que Inception lo lanzara el 19 de octubre de 2026. Así que la forma justa de abrir esta comparación no es «cuál es más rápido», sino «qué ocurre con la diferencia cuando se mida el lado que no se ha medido». Los fallos documentados de IA y los incidentes de agentes 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 y marca de disputa.

La razón por la que este emparejamiento importa más allá de una hoja de especificaciones es que ambos modelos venden lo mismo. Mercury 3 es un modelo de lenguaje de difusión que refina bloques de tokens en paralelo; Reflection Beam es una mezcla dispersa de expertos con 501 mil millones de parámetros totales y solo 23 mil millones activos por token. Distintos trucos, misma apuesta: que el coste de la inferencia, no el techo de capacidad, es donde está la próxima batalla. Beam se anunció el 5 de octubre de 2026 y sus pesos llegaron bajo Apache 2.0 el 16 de octubre; Mercury 3 se lanzó nueve días después como una API cerrada. A uno de ellos puedes descargarlo y medirlo tú mismo. Al otro solo puedes llamarlo y confiar en él.

Lo que cada parte ha hecho realmente constar en acta

El registro de Beam está lo bastante detallado como para discutirlo. Un Intelligence Index de 30, clasificado en el puesto veinte de 121 modelos y por encima de la mediana de 19 que Artificial Analysis registra para modelos comparables de pesos abiertos. Una medición de 335,1 tokens de salida por segundo y 0,80 segundos hasta el primer token, ambos frente a una mediana de pares cercana a 77 tokens por segundo y 1,70 segundos. Una tarifa publicada de $0,70 por millón de tokens de entrada y $2,10 por millón de salida con un descuento de caché del 84 por ciento, lo que equivale a $0,57 de cómputo por tarea del índice. Y una cifra de verbosidad de 79 millones de tokens de salida para completar el índice, la décima más baja de 47 modelos evaluados, frente a una mediana de 140 millones. Ese último número es la afirmación de eficiencia que aparece por primera vez en el arnés de evaluación de otro, y es la cifra más interesante en la ficha de cualquiera de los dos modelos.

El historial de Mercury 3, en cambio, se reduce a tres afirmaciones y un pequeño experimento. Las afirmaciones: 1.068 tokens por segundo en GPU NVIDIA; más de 40 veces los parámetros de Mercury 1 con aproximadamente el triple de la inteligencia medida; y una calidad «a la par o mejor que modelos de frontera optimizados para velocidad como GPT-6 Luna y Claude Haiku 5.5». El experimento: 50 tareas de navegación Mind2Web en vivo en el propio arnés de agente web de Inception, 50 por ciento completadas, «significativamente más que GPT-6.1-Sol», con el mismo volumen de tokens y número de pasos y, por tanto, una fracción del coste. Nada de esto se ha reproducido de forma independiente, y Artificial Analysis no tiene ninguna página sobre Mercury 3 en absoluto.

Esa asimetría no es una crítica a la ingeniería de Inception. Es una afirmación sobre lo que puedes decidir hoy. Para Beam puedes calcular el costo por tarea completada, porque alguien midió la finalización y la verbosidad. Para Mercury 3 puedes calcular el costo por token y nada más.

La hoja de especificaciones, con la procedencia adjunta a cada línea

• Precio por millón — Mercury 3: $0.20 de entrada y $0.70 de salida a precio de lista, $0.10 y $0.35 durante el descuento de lanzamiento, frente a Beam: $0.70 de entrada y $2.10 de salida

• Entrada en caché — Mercury 3: $0.02 por millón a precio de lista frente a Beam, un descuento del 84 % sobre la tarifa de entrada, o aproximadamente $0.11 por millón

• Rendimiento: Mercury 3, 1.068 tokens por segundo, según el fabricante, hardware no especificado, frente a Beam, 335,1 tokens por segundo, medido por Artificial Analysis

• Tiempo hasta el primer token — Mercury 3 no publicado frente a Beam 0,80 segundos, medido

• Índice de inteligencia — Mercury 3 sin registro al 20 de octubre de 2026 frente a Beam 30, clasificado en el puesto 20 de 121

• Coste por tarea de indexación — Mercury 3 no se puede calcular sin una puntuación frente a Beam 0,57 $

• Verbosidad de salida en el índice — Mercury 3 sin publicar frente a Beam, 79 millones de tokens, 10.º más conciso de 47

• Ventana de contexto — Mercury 3: 1.000.000 de tokens con un máximo de salida de 131.072 vs. Beam: 1.048.576 tokens con un máximo de salida de 131.072

• Parámetros — Mercury 3 no revelados, descritos solo como más de 40 veces Mercury 1 frente a Beam 501B en total, 23B activos por token

• Modalidad de entrada: solo texto en ambos casos

• Control del razonamiento — Mercury 3: cuatro ajustes, de instantáneo a alto, con bajo por defecto, frente a Beam: un esfuerzo de razonamiento obligatorio con cinco niveles; y la documentación de Reflection indica que el valor predeterminado es máximo

• Pesos — Mercury 3 cerrado frente a Beam Apache 2.0, en BF16, FP8 y una versión NVFP4 de 273 GiB

• Autoalojamiento — Mercury 3 solo capacidad dedicada empresarial frente a Beam, un despliegue de referencia de cuatro GPU NVIDIA B300 en NVLink, con soporte desde el primer día para vLLM, SGLang, Transformers y Dynamo

Una advertencia sobre la línea de precios. El descuento de Mercury 3 no tiene fecha de finalización publicada, por lo que la cifra que prevalece en la planificación es $0.20/$0.70, no $0.10/$0.35. El $0.70/$2.10 de Beam es una tarifa vigente publicada por el evaluador y por la propia plataforma de Reflection.

La diferencia que importa es de 335 frente a 1.068

Si la cifra de Inception se mantiene bajo un arnés neutral, Mercury 3 es aproximadamente tres veces más rápido que el modelo de pesos abiertos más rápido medido en el campo, y lo hace con un tercio del precio de entrada de Beam y un tercio de su precio de salida. Esa combinación —más rápido y más barato— es el argumento a favor de Mercury 3 en una sola frase, y es una frase contundente.

El problema es que la frase se sustenta enteramente en una cifra sin una metodología declarada. Inception no indica qué GPU, qué tamaño de lote, qué ajuste de esfuerzo de razonamiento, ni si la medición es de flujo único o agregada. Las cuatro decisiones pueden mover una cifra de rendimiento por múltiplos. El descuento que hay que aplicar no es hipotético: cuando se lanzó Mercury 2.5, la cifra de rendimiento del proveedor era materialmente superior a los 706 tokens por segundo que Artificial Analysis midió posteriormente con su propio banco de pruebas. Esa es la dispersión normal entre proveedor e independiente en esta categoría, no mala fe, pero es la dispersión que hay que asumir.

Aplica un recorte de tres a uno y Mercury 3 se sitúa cerca de 350 tokens por segundo: a la par de la cifra medida de Beam, a un tercio del precio y con una puntuación de calidad desconocida. Aplica un recorte de dos a uno y es cómodamente el modelo más rápido que cualquiera de los dos laboratorios ha lanzado a este precio. En cualquier caso, la comparación cambia de «tres veces más rápido» a «en algún punto entre tan rápido como Beam y tres veces más rápido, y más barato que Beam en cualquier caso».

Hay una segunda asimetría oculta en el mismo par de números. El tiempo de 0,80 segundos hasta el primer token de Beam se mide en un modelo de razonamiento que usa por defecto su ajuste de esfuerzo máximo, lo que significa que el modelo está pensando de verdad antes de emitir nada y, aun así, devuelve el primer token en menos de un segundo. Ese es un resultado de ingeniería más impresionante que la cifra bruta de rendimiento, y es el tipo de cosa que solo encuentra un arnés independiente.

Los veintitrés mil millones de parámetros activos son la verdadera historia del lado de Beam.

La cifra de 501B en la ficha de Beam, en su mayor parte, no funciona. Con 23 mil millones activos por token, el modelo activa aproximadamente el 4,6 % de sí mismo para cualquier token dado, una ratio de activación agresiva incluso según los estándares actuales de pesos abiertos. Las notas de arquitectura mencionan atención local y global entrelazada, expertos enrutados de grano fino, SandwichNorm y compilaciones de servicio FP8/FP4, pero la consecuencia práctica es más sencilla: Beam cabe en un único nodo de cuatro GPU. Eso es un perfil de servicio, no una curiosidad de investigación.

También explica el resultado de verbosidad. Un modelo que gasta 79 millones de tokens de salida completando un índice frente a una mediana de 140 millones está haciendo el mismo trabajo en aproximadamente la mitad de tokens de salida, y los tokens de salida son donde vive la factura. El propio argumento de Reflection es la eficiencia en el momento de la inferencia en lugar de la paridad en la frontera, y la empresa lo dice en su material de lanzamiento: cede terreno a Kimi K3 y G​LM en capacidad bruta. Los datos independientes respaldan la concesión y la afirmación de eficiencia al mismo tiempo.

El argumento de eficiencia de Mercury 3 es de otra índole. No se trata de gastar menos tokens, sino de producirlos más rápido, y la historia de escalado de Inception —40 veces los parámetros de su primer modelo, tres veces la inteligencia medida, la misma velocidad— es una afirmación de que el paralelismo de la difusión aporta un rendimiento que los modelos autorregresivos no pueden igualar. Es un argumento plausible e interesante. También es enteramente autoinformado, y no dice nada sobre si el modelo gasta más tokens que un modelo autorregresivo comparable para llegar a la misma respuesta. Nadie ha publicado una cifra de verbosidad de Mercury 3, porque no hay ninguna evaluación de Mercury 3 de la que tomarla.

Costo por trabajo completado, desarrollado paso a paso

Considera una tarea de codificación agéntica: un contexto de repositorio de 200.000 tokens, un parche y una explicación de 4.000 tokens como salida, y 5.000 ejecuciones al día en todo un equipo.

• Mercury 3 a precio de lista: 1.000 millones de tokens de entrada a $0,20 son $200; 20 millones de salida a $0,70 son $14. Unos $214 al día.

• Mercury 3 a la tarifa de lanzamiento — aproximadamente $107 al día.

• Beam a su tarifa publicada: 1.000 millones de entrada a $0.70 son $700; 20 millones de salida a $2.10 son $42. Unos $742 al día, antes del descuento de caché del 84 por ciento, que aquí importa muchísimo porque el contexto del repositorio es exactamente el tipo de preámbulo que se almacena en caché. Con una tasa realista de aciertos de caché sobre el contexto, la línea de entrada se reduce hacia $112 y el total diario queda cerca de $154.

Esa aritmética es la razón por la que existen ambos modelos. En una carga de trabajo agéntica bien cacheada, los dos quedan con una diferencia de hasta el 40 por ciento entre sí —Beam es algo más barato en un buen escenario de caché y Mercury 3 es más barato en uno malo—, y ambos son una fracción de lo que cobraría un modelo de frontera por el mismo tráfico. El argumento del costo no los separa. Lo que los separa es que la cifra de Beam es reproducible y la de Mercury 3 es un precio de lista frente a una tasa de finalización desconocida.

La cuestión de las licencias, que no está cerca

Los pesos de Beam se pueden descargar bajo Apache 2.0 en tres precisiones, además de un borrador de decodificación especulativa de 1.93B, y Reflection declara que no restringe la destilación, el ajuste fino, la cuantización ni la fusión. Hay una herramienta de conformidad — beam-verifier — que ejecuta una suite de pruebas contra cualquier endpoint de Beam en producción y luego lo evalúa en los principales benchmarks, lo que significa que un comprador puede comprobar las cifras de un proveedor en lugar de confiar en ellas. El autoalojamiento elimina por completo la cuestión del coste por token y la convierte en una cuestión de horas de GPU.

Mercury 3 no ofrece nada de eso. Es cerrado, funciona únicamente mediante API y su nivel empresarial añade capacidad dedicada y retención de datos configurable en lugar de pesos. Para una carga de trabajo en la que el modelo es un componente de un producto que vendes, eso es una dependencia en lugar de una cadena de suministro.

También está la señal del historial del proveedor. La propia nota de migración de Inception dice que Mercury 2 y Mercury 2.5 están cerrados a nuevos usuarios, y que los clientes existentes perderán el acceso el 15 de noviembre de 2026 — menos de un mes después del lanzamiento de Mercury 3. Una empresa que retira dos generaciones tan rápido te está diciendo cómo espera que se consuman sus modelos: como servicios alquilados de corta vida. Reflection, por ahora, ha hecho lo contrario y ha entregado el artefacto.

Dónde encaja un router, dado que ninguno de los dos modelos está en nuestro catálogo

OrcaRouter no ofrece ni Mercury 3 ni Reflection Beam. Una consulta a nuestra API de modelos no devuelve nada para ninguno de los dos, y no vamos a describir una ruta que no tenemos. Lo que sí ofrecemos es la capa que los rodea: más de 200 modelos detrás de un único endpoint compatible con OpenAI, al precio de lista del proveedor y sin ningún recargo, con conmutación automática por error y un DSL de enrutamiento para componer modelos en una sola llamada.

Para este par en concreto, esa capa cumple dos funciones. La primera es la comparación. Si quieres saber si un modelo de pesos abiertos de 300 tokens por segundo es lo bastante rápido para tu producto antes de comprometerte con todo esto, la prueba honesta es ejecutar la carga de trabajo contra modelos que ya puedes llamar —Kimi K3 a $3.00/$15.00 con 1,048,576 tokens de contexto, GLM 5.2 a $1.40/$4.40, Qwen 3.8-Max a $2.00/$6.00— y medir lo que tus usuarios perciben realmente. La segunda es el respaldo. Un despliegue de Beam autoalojado y un Mercury 3 alojado por un proveedor son dos modos de fallo distintos; colocar la ruta de producción detrás de un enrutador con conmutación por error hace que la degradación de un punto de conexión se convierta en un evento registrado en lugar de una caída. Como los precios de lista de los proveedores se trasladan sin cambios, un recorte de precios de Reflection o un descuento de Inception llega a tu factura el día en que se anuncia.

La decisión, por restricción más que por puntuación

• Si necesitas que el modelo sea un activo —auditable, ajustable con fine-tuning, ejecutable en tu propio hardware y que sobreviva al proveedor— Beam es la única opción aquí. Apache 2.0, una compilación de 273 GiB que cabe en un solo nodo y un verificador para comprobar cualquier proveedor contra las cifras de Reflection. Esa es una respuesta completa a una pregunta que Mercury 3 no puede responder en absoluto.

• Si necesitas la menor latencia posible en una API cerrada y hay una persona esperando, Mercury 3 es la apuesta más interesante, y su precio hace que la evaluación sea barata. Fija explícitamente el ajuste de esfuerzo cuando lo pruebes, porque el valor predeterminado es bajo y las afirmaciones de Inception no indican qué ajuste las produjo.

• Si necesitas saber la calidad antes de comprometerte, Beam tiene una cifra y Mercury 3 no. Un 30 en un índice de 121 modelos es mediocre —no es una puntuación de frontera y Reflection no afirma que lo sea—, pero es un mínimo sobre el que puedes diseñar.

• Si tu carga de trabajo es agéntica y de larga duración, el razonamiento obligatorio de Beam con un valor predeterminado de esfuerzo máximo resulta caro por llamada, mientras que el valor predeterminado de bajo esfuerzo de Mercury 3 es barato por llamada. Cuál de los dos resulta más barato por trabajo completado depende de una tasa de finalización que nadie ha medido para Mercury 3.

Lo más útil que podría pasar en esta comparación es una medición independiente de Mercury 3. Si llega cerca de 1,068 con una puntuación de calidad competitiva, Inception ha lanzado el modelo barato más rápido del sector y la historia de eficiencia de Beam se convierte en una historia sobre apertura en lugar de velocidad bruta. Si llega cerca de los 335 de Beam con una puntuación de mitad de tabla, entonces el modelo de pesos abiertos más rápido y el cerrado más rápido tienen la misma velocidad, y las preguntas decisivas pasan a ser el precio, la licencia y si quieres poseer el artefacto: tres preguntas para las que Beam tiene actualmente mejores respuestas.