Mercury 3 vs Step 5 Preview: El modelo medido es el que se volvió más caro

El 14 de octubre de 2026, StepFun duplicó el precio de entrada por acierto de caché de Step 5 Preview de 0,35 a 0,70 yuanes por millón de tokens, con una cláusula de derechos adquiridos para quienes ya habían usado el modelo. Cinco días después, Inception lanzó Mercury 3 a la mitad de su precio de lista y no dijo cuándo termina el descuento. Ponga esos dos hechos uno al lado del otro y tendrá la forma de esta comparación: el modelo con una puntuación de referencia independiente es aquel cuyo precio subió, y el modelo en oferta es el que nadie fuera de su laboratorio ha medido. Los fallos de IA y los incidentes con agentes documentados 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, gravedad, grado de confianza e indicador de disputa.

Esa inversión no es una coincidencia, y no es un argumento a favor de ninguna de las partes. Step 5 Preview es un modelo consolidado con un historial público creciente —un lanzamiento del proveedor el 20 de septiembre de 2026, una puntuación independiente de Intelligence Index, pesos oficiales en Hugging Face— y los proveedores cobran más por cosas que se sabe que funcionan. Mercury 3 tiene nueve días de vida, una velocidad declarada de 1.068 tokens por segundo y no tiene ninguna puntuación independiente de ningún tipo. El precio que pagas por el económico es que tú eres la medición.

Dos vistas previas que significan cosas diferentes

La palabra "preview" aparece en ambos nombres y cumple una función distinta en cada uno. En Step 5 Preview es la etiqueta propia de StepFun y forma parte del identificador de la API: la cadena que se envía es step-5-preview, no step-5 — y StepFun no ha publicado ninguna fecha de reemplazo, ningún aviso de obsolescencia ni ningún compromiso de estabilidad para esa cadena. En la práctica, el modelo lleva un mes en funcionamiento, tiene pesos en Hugging Face y cuenta con una lista de precios publicada, así que "preview" está haciendo menos de lo que parece.

En Mercury 3 no hay ninguna etiqueta de vista previa: se trata de un lanzamiento de disponibilidad general con un endpoint compatible con OpenAI, un ID de modelo mercury-3, y una prueba de 100 millones de tokens para cuentas nuevas. Lo que Mercury 3 tiene en su lugar es un descuento de lanzamiento, que es un tipo diferente de inestabilidad. Una etiqueta de vista previa te advierte que el modelo puede cambiar; un descuento de lanzamiento te advierte que el precio lo hará.

Las fechas merecen precisión antes que cualquier otra cosa. La fecha de lanzamiento del proveedor de Step 5 Preview es el 20 de septiembre de 2026, tomada de los propios materiales de anuncio de StepFun; Artificial Analysis indica que el modelo se lanzó en septiembre de 2026 y el texto de sus FAQ lo sitúa el 18 de septiembre. Ninguna de las partes explica la diferencia de dos días, y este texto utiliza la fecha de StepFun cuando necesita una. La fecha de Mercury 3 no es ambigua: el 19 de octubre de 2026, un día antes de que se escribiera esto.

La ficha técnica, con la fuente de cada línea

• Precio por millón de tokens — 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 Step 5 Preview: 7 yuan de entrada y 20 yuan de salida, con la entrada por acierto de caché a 0.70 yuan tras el cambio del 14 de octubre

• Las cifras en dólares del evaluador — Step 5 Preview: $1.00 de entrada y $2.70 de salida por millón, con un descuento de caché del 90 por ciento, según lo publicado por Artificial Analysis; estas son cifras propias del evaluador y no una conversión de moneda de la lista de precios de StepFun

• Ventana de contexto — Mercury 3 1,000,000 tokens frente a Step 5 Preview 1M tokens

• Salida máxima — Mercury 3 131.072 tokens frente a Step 5 Preview 64.000 tokens

• Modalidad de entrada — Mercury 3 solo texto frente a Step 5 Preview texto, imágenes y vídeo

• Modalidad de salida — texto en ambos

• Parámetros — Mercury 3 no divulgados, descritos únicamente como más de 40 veces Mercury 1 frente a Step 5 Preview no publicados en la documentación de la plataforma de StepFun ni en la página del modelo del evaluador, por lo que ninguno de los dos números puede citarse aquí

• Pesos — Mercury 3 cerrado frente a Step 5 Preview publicado en Hugging Face bajo la StepFun Model License 1.0, en el repositorio base además de las compilaciones BF16 y NVFP4

• Control del razonamiento — Mercury 3: cuatro ajustes de esfuerzo, de instantáneo a alto, con valor predeterminado en bajo, frente a Step 5 Preview, un modelo de razonamiento sin parámetro de esfuerzo publicado

• Independent Intelligence Index — Mercury 3 sin entrada a fecha de 20 de octubre de 2026 frente a Step 5 Preview 44 en la revisión 4.3.2 del índice

• Velocidad de salida medida — Mercury 3 ninguno frente a Step 5 Preview 92,2 tokens por segundo, medida por Artificial Analysis

• Caché de prompts — Mercury 3 disponible a $0,02 por millón de tokens en caché a precio de lista, frente a Step 5 Preview disponible a 0,70 yuanes por millón de aciertos de caché, un aumento desde 0,35 el 14 de octubre

Una línea de esa lista merece una segunda mirada, porque es el único punto en el que el precio de alguno de los dos modelos se ha movido en público. La tasa de aciertos de caché de Step 5 Preview se duplicó a los doce días de su lanzamiento. El precio de entrada por fallo de caché y el precio de salida quedaron intactos, y quienes habían usado el modelo a través de la API de pago por uso antes de ese momento conservaron la tarifa antigua gracias a una cláusula de derechos adquiridos. Si estás construyendo un modelo de costos basado en el almacenamiento en caché de prompts —y cualquier carga de trabajo de agentes lo está—, una tarifa que ya se ha duplicado una vez es una tarifa que conviene seguir revisando.

La línea multimodal es la que termina algunas conversaciones.

Step 5 Preview acepta texto, imágenes y vídeo y devuelve texto. Mercury 3 acepta texto y devuelve texto. La documentación de Inception no es ambigua al respecto: el modelo figura como solo texto, y el material de lanzamiento trata sobre velocidad y coste, no sobre visión.

Para una carga de trabajo que lee capturas de pantalla, escanea facturas, observa grabaciones de pantalla o analiza un vídeo para convertirlo en notas estructuradas, no hay nada que comparar. Step 5 Preview es el único de los dos al que siquiera se le puede proporcionar la entrada, lo que hace que la diferencia de precio sea irrelevante y que la diferencia en los benchmarks sea irrelevante justo hasta el momento en que decides si el trabajo de visión importa. Esa decisión normalmente la toma el producto, no el modelo.

Para una carga de trabajo en la que la entrada y la salida son texto —búsqueda, soporte, revisión de código, resumen—, la línea de la modalidad desaparece y la comparación pasa a centrarse en la velocidad, el precio y la evidencia, en ese orden según la facilidad con que se puede comprobar cada uno.

Qué dice la única puntuación independiente en este enfrentamiento

Step 5 Preview obtiene 44 en el Artificial Analysis Intelligence Index, versión 4.3.2 —cuarto de 121 modelos en la propia tabla de ese índice, frente a una mediana de 19. Ese mismo listado registra una velocidad de salida medida de 92,2 tokens por segundo, un tiempo hasta el primer token de 2,55 segundos y una cifra de verbosidad de 160 millones de tokens de salida frente a una mediana de 140 millones, que el evaluador describe como algo verboso. Califica al modelo como algo caro en relación con modelos comparables de pesos abiertos, lo que es una lectura justa de $1.00/$2.70.

Lea el 44 con atención. Es un compuesto ponderado de un conjunto de pruebas de referencia, no una afirmación sobre su carga de trabajo, y no significa que Step 5 Preview supere al modelo clasificado en el puesto 42 para su tarea específica. La propia página del evaluador también incluye marcas de «En revisión» junto a varias evaluaciones individuales. Pero es un número producido mediante una metodología que otra persona puede inspeccionar, y sitúa al modelo por encima de la mediana del campo.

Mercury 3 no tiene nada comparable. La afirmación de calidad de Inception es comparativa —"a la par o mejor que modelos frontera optimizados para velocidad como GPT-6 Luna y Claude Haiku 5.5"—, sin margen, sin nombres de pruebas y sin indicar cuál de sus cuatro ajustes de esfuerzo produjo la comparación. El único resultado estructurado es la propia prueba de agentes de Inception: 50 tareas de navegación en vivo de Mind2Web, 50 % 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 por token. Cincuenta tareas en el propio entorno de pruebas del proveedor son una señal, no una puntuación.

El número físico, y lo que vale.

La cifra de 1.068 tokens por segundo es la razón por la que vale la pena leer sobre Mercury 3. Si se mantiene, una respuesta de 500 tokens se genera en menos de medio segundo, lo que marca la diferencia entre una respuesta de búsqueda que se siente instantánea y una que se siente como un viaje de ida y vuelta por la red. Step 5 Preview, con 92,2 tokens por segundo medidos, tarda unos 5,4 segundos para la misma respuesta, más aproximadamente 2,55 segundos hasta el primer token.

La afirmación no incluye hardware, ni tamaño de lote, ni configuración de esfuerzo, ni una declaración sobre si es de flujo único o agregado, y cada una de esas cuatro elecciones mueve una cifra de rendimiento por múltiplos. La diferencia entre proveedor e independiente en esta familia está documentada: Artificial Analysis mide Mercury 2.5 en alrededor de 706 tokens por segundo, por debajo de la cifra que Inception publicó en ese lanzamiento. Ese es el descuento que hay que aplicar a 1,068 hasta que alguien lo reproduzca. No hay página de Mercury 3 en Artificial Analysis a fecha de 20 de octubre.

La velocidad de Step 5 Preview, en cambio, es aburrida como son aburridas las cosas que se miden. Son 92,2 tokens por segundo, medidos, y eso lo sitúa en el puesto 32 de 78 modelos en la clasificación de velocidad del evaluador: más rápido de lo habitual, nada destacable. Nadie lo compra por su velocidad. Lo compran por la ventana de 1M tokens, la entrada multimodal y la puntuación.

Calcular el coste del mismo trabajo con ambas tarifas

Tomemos una pipeline de triaje de documentos: 8.000 páginas al día, 2.500 tokens de texto OCR por página y una salida de clasificación y extracción de 300 tokens por página. Eso supone 20 millones de tokens de entrada y 2,4 millones de tokens de salida al día, con el mismo bloque de instrucciones reenviado en cada llamada y, por tanto, cacheable.

• Mercury 3 a precio de lista — 20 × $0.20 más 2.4 × $0.70, o $5.68 al día

• Mercury 3 a la tarifa de lanzamiento — aproximadamente $2.84 al día

• Step 5 Preview, sin caché — 20 × 7 más 2,4 × 20 yuanes, o 188 yuanes al día; según las cifras en dólares del evaluador, 20 × $1,00 más 2,4 × $2,70, o $26,48

• Paso 5 Vista previa con el bloque de instrucciones en caché: la tarifa por acierto de caché es de 0,70 yuanes por millón frente a 7 yuanes por un fallo, así que el ahorro depende enteramente de cuánto de esos 20 millones corresponde al preámbulo repetido en lugar de a texto nuevo de la página.

Así que la diferencia de precio de etiqueta es de aproximadamente cuatro veces y media a favor de Mercury 3, y el descuento de lanzamiento la amplía hasta unas nueve. Ese es el argumento único más sólido a favor de Mercury 3 y es totalmente calculable. Lo que no es calculable es el coste por trabajo completado, porque Mercury 3 no tiene una tasa de finalización publicada ni un recuento de tokens de salida publicado. La verbosidad de Step 5 Preview al menos está medida —160 millones de tokens en el índice frente a una mediana de 140 millones, lo que el evaluador califica como algo verboso—, y eso te permite presupuestarla.

La única advertencia que vale la pena repetir: la cifra de Mercury 3 con la que hay que planificar es el precio de lista. El recorte del 50 por ciento se describe como "en el lanzamiento" sin fecha de finalización, y sus dos modelos predecesores ahora están cerrados a nuevos usuarios, y el acceso existente termina el 15 de noviembre de 2026. El comportamiento comercial de Inception sugiere que se debe modelar la tarifa que sobrevive a la promoción.

Pesos, licencias y qué cambió en el último mes

La historia de los pesos abiertos de Step 5 Preview cambió después del lanzamiento. En el momento del lanzamiento, los pesos eran replicados por terceros en lugar de ser publicados por el proveedor; a partir de esta semana, la propia organización de StepFun en Hugging Face aloja el repositorio base además de las compilaciones BF16 y NVFP4, todas modificadas por última vez el 15 de octubre de 2026. La licencia es la StepFun Model License 1.0, que no es Apache ni MIT y requiere una lectura antes de lanzar — es una licencia de proveedor con condiciones en lugar de una permisiva.

Mercury 3 no tiene pesos ni licencia que leer. Es solo API, y las implementaciones empresariales añaden capacidad dedicada, escalado automático y retención de datos configurable en lugar de un artefacto que puedas tener en tus manos.

Para un equipo que decide si ajustar (fine-tune), cuantizar o ejecutar en su propio hardware, esa línea es decisiva y las demás líneas no importan. Para un equipo que llama a una API y nunca toca un checkpoint, solo importa como medida del coste de salida: si StepFun cambia su precio o retira el modelo, un despliegue de Step 5 Preview puede pasar a pesos autoalojados; un despliegue de Mercury 3 pasa a otro proveedor.

La cuestión del enrutamiento, respondida con honestidad

Ninguno de los dos modelos está en el catálogo de OrcaRouter. Nuestra API de modelos no devuelve nada para step-5-preview ni para ningún modelo de Inception, así que quien quiera llamar a cualquiera de los dos tendrá que acudir a la plataforma propia del proveedor o a uno de los hosts de terceros que cada proveedor enumera. Decirlo con claridad es más útil que insinuar una ruta que no tenemos.

Lo que la capa de enrutamiento sí te ofrece en esta situación es una forma de responder a la pregunta sin comprometerte. Más de 200 modelos están detrás de un único endpoint compatible con OpenAI, al precio de lista del proveedor y sin margen de beneficio, y los que más se acercan a estos dos en precio y capacidad —Qwen 3.8-Max a $2.00/$6.00 con una ventana de 1M de tokens, GLM 5.2 a $1.40/$4.40, Kimi K3 a $3.00/$15.00— se pueden medir contra tu propio tráfico esta misma tarde. Si ninguno de ellos supera el listón, el argumento para pagar a cualquiera de los dos proveedores se refuerza; si uno de ellos lo hace, te habrás ahorrado una integración. La conmutación por error automática también cubre el riesgo específico de esta combinación, que es que el modelo con descuento de lanzamiento y sin compromiso de estabilidad sea precisamente el que pondrías en la ruta de producción.

Un punto mecánico que importa más aquí de lo habitual: los precios de lista del proveedor se trasladan sin cambios, por lo que un cambio de tarifa del proveedor llega a la factura el mismo día en lugar de en la renovación. Dado que el precio de caché de Step 5 Preview ya ha cambiado una vez, eso no es una ventaja hipotética.

La pregunta que debes hacer antes de elegir

Ambos modelos son baratos. La diferencia en sus facturas, en un pipeline realista, es de unos pocos dólares al día, y el descuento de lanzamiento hace que Mercury 3 parezca más barato de lo que será cuando termine la promoción. Así que el costo no es donde reside esta decisión.

La cuestión se reduce a una pregunta más sencilla: ¿necesitas que la respuesta sea rápida o necesitas saber si es correcta? Step 5 Preview es el que puedes comprobar: una puntuación de índice independiente, velocidad medida, verbosidad medida, pesos publicados que puedes ejecutar en tu propio banco de pruebas. Mercury 3 es el que responderá en menos de un segundo y que actualmente nadie fuera de Inception puede comprobar.

Para un producto limitado por la latencia, con una persona en el circuito y un fallo recuperable, el segundo trade-off es razonable y la evaluación es barata. Para una canalización que se ejecuta sin supervisión y cuyos errores son costosos, un modelo con una puntuación medida en torno a los cuarenta y cinco vale varias veces el precio de un modelo sin ninguna puntuación, y eso, más que cualquier benchmark, es la razón por la que el que tiene medición puede permitirse aumentar su precio de caché.

Lo que hay que observar es poco glamoroso: la próxima lectura independiente de Mercury 3, cuandoquiera que aparezca, y si el precio de la caché de StepFun vuelve a moverse. Ambos son datos pequeños que cambiarían la aritmética más que cualquier publicación de lanzamiento.