Mercury 3 vs GPT-6 Astra : 28 fois le prix de sortie, un niveau d’effort acheté à la fois

Mercury 3 et GPT-6 Astra diffèrent d'un facteur 28 sur le prix de sortie — 0,35 $ par million pendant la fenêtre de lancement d'Inception, contre 50,00 $ chez O​penAI — et d'environ 18 fois sur le débit, dans le sens inverse. Ces deux chiffres sont faciles à citer et presque inutiles pris isolément, car Astra n'est pas un modèle unique à un prix unique. C'est une échelle de raisonnement : cinq niveaux d'effort, un score d'index qui grimpe de 46 tout en bas à 53 tout en haut, et une facture qui grimpe avec. Mercury 3 a lui aussi une échelle, en quelque sorte — quatre réglages d'effort et un réglage par défaut tout en bas — mais aucun score indépendant pour aucun d'entre eux. La vraie question, dans cette confrontation, n'est donc pas de savoir si Astra vaut 28 fois Mercury 3. C'est jusqu'où il faut réellement monter dans l'échelle d'Astra, et si le travail que vous accomplissez a besoin d'une échelle tout court. Les défaillances de l'IA et les incidents d'agents documentés qui se cachent derrière des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archiveoù chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.

Le nombre qui décide de cela, et ce n’est pas le prix

Artificial Analysis mesure GPT-6 Astra à 53 sur son Intelligence Index avec le réglage d’effort maximal du modèle, ce qui le classe septième parmi les 216 modèles de l’indice, pour environ 3,26 $ de calcul par tâche de l’indice. Si l’on exécute la même suite de tests avec le réglage d’effort le plus bas, le score est de 46. Les cinq échelons, dans l’ordre, sont 46, 50, 51, 52 et 53.

Lisez cette échelle deux fois. La première lecture, c’est que {{1}}l’échelon du haut n’est qu’à sept points au-dessus de celui du bas{{/1}}, dans une suite où sept points, c’est beaucoup — {{2}}les modèles sous Astra et les modèles au-dessus d’Astra sont séparés par des écarts plus petits que cela{{/2}}. La seconde lecture, c’est que {{3}}l’échelon quatre, à 52, est à un point du sommet{{/3}} et sans doute moins cher. Si votre tâche n’a pas besoin du dernier point, vous ne choisissez pas entre Mercury 3 et un modèle à 53 points ; vous choisissez entre Mercury 3 et un modèle à 52 points, et {{4}}le prix pour y arriver est un paramètre plutôt qu’un modèle différent{{/4}}.

Mercury 3 n’offre pas ce choix, car il n’y a rien vers quoi grimper. Il n’existe pas de score d’indice aux niveaux instantané, faible, moyen ou élevé. L’affirmation comparative d’Inception — selon laquelle Mercury 3 surpasse GPT-6 Luna et Claude Haiku 5.5 — porte sur le palier rapide, est formulée sans marges, et son unique résultat structuré de qualité est un achèvement de 50 % sur 50 tâches de navigation Mind2Web en direct dans son propre harnais d’agent. C’est un résultat réel et un petit échantillon, et cela ne vous dit pas où Mercury 3 se situerait sur un indice de 216 modèles s’il y était inscrit demain.

Ce que contient réellement un token de sortie à 50 $

GPT-6 Astra accepte du texte, des images et des fichiers, dispose d’une fenêtre de contexte de 1,05 M de tokens et renvoie jusqu’à 128 K tokens. Sa grille tarifaire standard est de 10,00 $ par million de tokens d’entrée et de 50,00 $ par million de tokens de sortie, avec l’entrée mise en cache à 1,00 $. Au-delà de 272 000 tokens d’entrée, il refacture l’ensemble de la requête à 20,00 $ et 75,00 $, l’entrée mise en cache à 2,00 $ — la frontière n’est pas un palier marginal, c’est un commutateur qui double la facture totale. Le traitement par lots et flex divise les tarifs par deux ; le mode rapide les double. Le raisonnement est toujours activé et va de faible à maximal.

Deux pièges se cachent dans ce paragraphe. La frontière des 272 000 tokens signifie qu’une requête de 280 000 tokens coûte deux fois plus cher qu’une requête de 270 000 tokens, sans crédit partiel — l’élagage du contexte près de cette frontière mérite donc plus d’efforts d’ingénierie que la plupart des équipes n’y consacrent. Et ce qu’OpenAI commercialise sous le nom de « GPT-6 Astra Pro » n’est ni un modèle distinct ni une SKU distincte ; c’est le réglage pro du cadran de raisonnement, ce qui signifie qu’il est accessible depuis le même endpoint, aux mêmes tarifs, et qu’il ne faut pas de nouveau contrat pour l’utiliser.

Mercury 3, en revanche, est à 0,20 $ et 0,70 $ au tarif catalogue, divisés par deux pendant la période de lancement pour passer à 0,10 $ et 0,35 $, avec l’entrée mise en cache à 0,02 $ et 0,01 $. Une fenêtre de contexte de 1 M de tokens, une sortie maximale de 131 072, aucun palier, aucune limite, aucun multiplicateur par lot. La grille tarifaire tient en quatre lignes. Cette simplicité a une valeur en soi — un modèle de coût que l’on peut garder en tête ne dérive pas.

Le modèle de coût que personne n’applique : des jetons par tâche, pas un prix par jeton

Le prix par token d’Astra est le chiffre le moins intéressant concernant le coût d’Astra. Artificial Analysis rapporte qu’une exécution complète de l’Intelligence Index sur Astra consomme au total environ 60 millions de tokens de sortie, et qu’une tâche de l’index coûte environ 3,26 $. Divisez l’un par l’autre et vous obtenez le ratio qui compte : Astra dépense beaucoup pour réfléchir avant de dépenser quoi que ce soit pour répondre.

Mercury 3 est facturé quatorze fois moins cher qu’Astra au lancement, et 71 fois moins cher au tarif catalogue de Mercury face au tarif standard d’Astra. Mais la comparaison du prix par token suppose que les deux modèles émettent des nombres de tokens comparables pour une même tâche, et tout ce que l’on sait du décodage par diffusion indique que ce n’est pas le cas. Un modèle de diffusion résout un bloc de positions au terme d’un nombre fixe de passes de débruitage ; sa longueur de sortie est une propriété de la réponse, non celle d’un monologue interne qui se déroule avant la réponse. La longueur de sortie d’Astra est dominée par le monologue.

Cela joue dans les deux sens, et les deux facettes méritent d’être précisées. Sur une tâche à forte composante de raisonnement où Astra dépense 100 000 jetons de raisonnement pour trouver la bonne réponse, l’avantage de Mercury 3 est bien supérieur à 14x, car Mercury 3 ne paie pas du tout le monologue — même si la question ouverte est précisément de savoir s’il parvient à la même réponse sans monologue. Sur une tâche à réponse courte où Astra répond en trois cents jetons avec un faible effort, le monologue n’a jamais lieu, et la comparaison se réduit à la grille tarifaire : 14x au lancement, 71x au tarif catalogue de Mercury.

Soumettons-lui une charge de travail réelle. Dix millions de jetons d’entrée et deux millions de jetons de sortie par jour, un mélange de support et de synthèse. Sur Astra aux tarifs standard, cela représente 100 $ d’entrée et 100 $ de sortie — 200 $ par jour, soit environ 6 000 $ par mois. Sur Mercury 3 au tarif catalogue, c’est 2 $ et 1,40 $ — 3,40 $ par jour, soit environ 102 $ par mois. Aux tarifs de lancement, c’est encore la moitié de cela. Le même trafic, 59 fois la dépense, et la question de savoir si les réponses d’Astra sont 59 fois meilleures est une question à laquelle personne ne peut actuellement répondre avec un chiffre.

Où un routeur est réellement utile dans ce matchup

GPT-6 Astra figure au catalogue d'OrcaRouter. Il est accessible depuis le même point de terminaison compatible OpenAI que le reste des modèles que nous routons, aux tarifs catalogue d'OpenAI, sans aucun supplément de notre côté — 10,00 $ en entrée, 50,00 $ en sortie, 1,00 $ pour le cache, et le palier de contexte long à 20,00 $ et 75,00 $ au-delà de la limite de 272 000 tokens — avec les chat completions et l'API Responses disponibles, selon le format que votre code parle déjà.

Mercury 3 ne figure pas au catalogue. Notre API de modèles ne renvoie rien pour aucun modèle Inception ; y faire appel implique donc de passer par la plateforme propre à Inception, où les nouveaux comptes reçoivent actuellement 100 millions de jetons gratuits, ou par l’une des plateformes d’inférence répertoriées par Inception. Nous préférons le dire plutôt que de laisser un article comparatif sous-entendre une voie dont nous ne disposons pas.

Ce que la couche de routage vous apporte ici, c'est un second réglage d'une autre nature que les niveaux d'effort d'Astra. Les cinq niveaux d'effort sont le réglage propre à Astra, et le gravir coûte de l'argent à chaque échelon. Le routage vous permet de choisir la rareté avec laquelle vous payez Astra tout court : envoyez l'essentiel du trafic vers un modèle du palier rapide que nous routons bel et bien — GPT-6 Luna à 0,10 $ et 0,50 $, ou Claude Haiku 5.5 à 1,00 $ et 5,00 $ — et réservez Astra au niveau high ou max pour la fraction de requêtes qui sont réellement difficiles, avec un basculement automatique en cas de dégradation d'un fournisseur et le DSL de routage pour exprimer la répartition sous forme de règle plutôt que de branche de code. L'économie ne vient pas du tarif d'Astra ; elle vient de la fréquence à laquelle vous l'évitez.

C'est aussi, d'ailleurs, la façon honnête d'évaluer Mercury 3. Placez-le sur la voie du niveau rapide aux côtés de Luna et Haiku 5.5, là où la propre comparaison d'Inception le situe, et voyez s'il l'emporte sur vos tâches. Le comparer directement à Astra revient à comparer un modèle sans score d'index à un modèle au septième échelon d'un index de 216 modèles, et le résultat vous en dira plus sur l'inadéquation que sur l'un ou l'autre des modèles.

Un détail qu’une couche de routage ne devrait pas arrondir, et nous ne le faisons pas : la grille tarifaire d’Astra comporte une limite à 272 000 tokens d’entrée qui modifie le prix de l’ensemble de la requête, et un mode batch qui le réduit de moitié. Ce ne sont pas des ajustements marginaux, et une répercussion au prix catalogue ne vaut la peine que si elle répercute aussi les aspects délicats.

La comparaison qui permettrait de trancher

Ce qui permettrait de trancher entre Mercury 3 et GPT-6 Astra n’est ni un billet de lancement ni cet article. C’est un seul chiffre : la position de Mercury 3 sur le même indice que celui sur lequel figure Astra, à un réglage d’effort déclaré, sur la même suite d’évaluations, mesurée par quelqu’un qui n’est pas Inception. Tant que cela n’existe pas, toute comparaison entre ces deux modèles est une comparaison entre un modèle mesuré et un modèle non mesuré, et c’est au modèle mesuré que le bénéfice du doute devrait revenir par défaut — non par déférence envers OpenAI, mais parce qu’un score que l’on peut vérifier vaut mieux qu’un chiffre de débit que l’on ne peut pas vérifier.

La position utile, en attendant, est celle que suggère l’échelle propre à Astra. La plupart des travaux n’ont pas besoin du barreau supérieur de quoi que ce soit. Dirigez l’essentiel de votre trafic vers le modèle le moins cher qui atteint votre seuil de qualité, réservez l’échelon coûteux aux requêtes qui n’y satisfont pas, et considérez Mercury 3 comme un candidat pour la voie bon marché plutôt que comme une alternative à la voie coûteuse. S’il s’avère qu’il atteint le seuil pour un quatorzième du prix, vous le découvrirez sur vos propres tâches, qui sont la seule suite dont vous pouvez réellement exploiter les résultats.