Mercury 3 vs Grok 4.7 : deux horloges, pas deux modèles

Demandez ce que Mercury 3 et Grok 4.7 ont en commun, et la réponse est une horloge. Tous deux sont vendus sur le temps que prend une tâche, et ils entendent par là des choses opposées. Mercury 3, publié par Inception le 19 octobre 2026, est conçu pour répondre en moins d’une seconde : un modèle de diffusion générant 1 068 tokens par seconde sur des GPU NVIDIA, une fenêtre de 1 M de tokens et quatre réglages de raisonnement dont l’échelon le plus rapide s’appelle « instant ». Grok 4.7, publié par SpaceXAI le 21 septembre 2026, est conçu pour continuer à travailler : une fenêtre de 500 000 tokens, une échelle de raisonnement qui plafonne à xhigh, et une mesure indépendante montrant qu’il a consommé environ 240 millions de tokens de sortie pour terminer l’Artificial Analysis Intelligence Index, à un coût de 3,74 $ par tâche. L’un fait de la latence le produit. L’autre fait de la durée le produit. Les comparer sur une seule ligne de score passe à côté de la seule question qui compte — quelle horloge régit réellement votre charge de travail. Les deux extrémités d’une politique répartie peuvent se trouver derrière une seule clé, avec un basculement automatique qui rattrape la voie lente. Les défaillances d’IA et incidents d’agents documentés derrière des sorties comme celle-ci sont recueillis dans l’OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et son indicateur de contestation.

Les deux horloges, tarifées

Commencez par ce que disent les grilles tarifaires, car l'écart est suffisamment important pour changer ce que vous pouvez construire :

• Entrée — Mercury 3 0,20 $ par million au tarif catalogue (0,10 $ au lancement) contre Grok 4.7 2,00 $ par million

• Sortie — Mercury 3 à 0,70 $ par million au tarif catalogue (0,35 $ au lancement) contre Grok 4.7 à 6,00 $ par million

• Entrée mise en cache — Mercury 3 0,02 $ par million (0,01 $ au lancement) vs Grok 4.7 0,50 $ par million

• Contexte — 1 000 000 de tokens vs 500 000

• Sortie maximale en une seule réponse — 131 072 jetons contre aucune limite publiée par le fournisseur ; notre propre fiche pour grok-4.7 indique 450 000

• Modalité d'entrée — texte uniquement vs texte et images

• Paramètres de raisonnement — instantané, faible, moyen, élevé vs faible, moyen, élevé, xhigh

• Débit — 1,068 jetons par seconde, déclaré par le fournisseur vs non publié par le fournisseur

• Nouvelle tarification des requêtes longues — aucun tarif publié, contre chaque tarif doublé au-delà de 200 000 jetons d’entrée, appliqué à l’ensemble de la requête

• Poids — fermés des deux côtés

À ne considérer que la ligne des sorties, Mercury 3 ressemble à une erreur d’arrondi à côté de Grok 4.7 : 0,70 $ contre 6,00 $, ou 0,35 $ pendant la fenêtre de lancement. Si l’on regarde la ligne du cache, l’écart se creuse au lieu de se resserrer, car 0,02 $ contre 0,50 $ représente un facteur vingt-cinq, indépendamment de la remise. Cette combinaison — une sortie bon marché et des lectures de cache quasi gratuites — est ce qui rend abordable une boucle à haute fréquence, et c’est la cible de conception pour laquelle le modèle a manifestement été conçu.

Mais la grille tarifaire ne représente que la moitié d’un coût. Le postulat de conception de Grok 4.7 est qu’un problème difficile mérite une longue passe de raisonnement, et le classement indépendant montre ce que cela coûte lorsque le problème est suffisamment difficile : 3,74 $ par tâche d’index complétée, contre 0,72 $ pour GPT-6.1 Sol et, dans le même classement, aucune entrée pour Mercury 3. Grok 4.7 dépense des tokens pour réfléchir. Mercury 3 ne dépense presque rien par token et promet de réfléchir vite. Ce ne sont pas des affirmations concurrentes ; ce sont des budgets concurrents.

Ce que rapporte réellement une longue passe de raisonnement

Grok 4.7 n’est pas un modèle rapide qui est devenu plus lent. C’est un pari délibéré : le travail de plusieurs heures — boucles de codage agentiques, analyses denses en documents, livrables professionnels — récompense un modèle qui tient la distance, et les résultats indépendants montrent que ce pari porte ses fruits à des endroits précis plutôt que sur tous les fronts.

• GDPval-AA, travail intellectuel à valeur économique — Grok 4.7 Elo 1 711,07, le deuxième plus élevé des modèles comparés ici et devant les 1 593,85 de GPT-6.1 Sol

• SciCode — 0,5741, devant à la fois GPT-6.1 Sol (0,5417) et Qwen3.8 Max (0,5208)

• HLE — 0,4314

• AA-LCR : raisonnement sur contexte long — 0.7667

• Terminal-Bench 4.0 — 0,2576, le chiffre le plus faible de sa propre colonne

• AutomationBench — 0,6556, le plus performant des quatre modèles de cette série

• Indice d’intelligence — 46,4 à xhigh, selon Artificial Analysis

• Coût par tâche d’indexation — 3,74 $

Ce profil — solide sur le travail intellectuel et l’automatisation, faible sur le codage en terminal — n’est pas celui d’un modèle phare polyvalent, et il est plus utile de le savoir que de connaître un rang. Une équipe qui mène de longues sessions de codage autonome et choisit Grok 4.7 pour celles-ci le choisit à l’encontre de ses propres mesures.

Mercury 3 n’a pas de colonne comparable. Les preuves publiées par Inception sont de nature différente : un test de navigation Mind2Web de 50 tâches dans son propre harnais, où il a accompli 50 % des tâches, ainsi que des témoignages de partenaires de TinyFish AI, RevisionDojo, Octen AI et Lorikeet. Il n’a aucune entrée dans Artificial Analysis au 20 octobre 2026, ce qui signifie que toute affirmation de capacité dans cet article concernant Mercury 3 au-delà de la vitesse et du prix est rapportée par le fournisseur et non reproduite. Ce n’est pas une raison de le rejeter — un modèle âgé de neuf jours et sans score indépendant est dans un état normal, et une couverture précoce est précisément ce que ce blog a pour vocation de publier. C’est une raison de conserver des libellés différents pour les deux colonnes.

Trois charges de travail, trois réponses

Une file d’attente du support ou un agent vocal. Chaque milliseconde, c’est un client qui attend, et le modèle doit être assez bon marché pour tourner sur chaque message. Mercury 3 l’emporte sur ce point selon les chiffres publiés : 1 068 tokens par seconde, 0,70 $ en sortie au tarif catalogue, 0,02 $ en entrée mise en cache, un palier « instantané » qui saute entièrement le raisonnement. Grok 4.7 peut faire ce travail, mais à 6,00 $ en sortie avec une passe de raisonnement par défaut, il paie pour une délibération dont la conversation n’a pas besoin. C’est le cas pour lequel Inception a conçu le modèle, et les citations des partenaires proviennent toutes de ce type de produit.

Un agent de codage ou de recherche fonctionnant pendant plusieurs heures. La tâche s’exécute sans surveillance, la transcription dépasse quelques centaines de milliers de tokens et le modèle doit maintenir un plan sur de nombreuses étapes. Ici, la fenêtre de 500K de Grok 4.7, le raisonnement xhigh et sa solidité mesurée sur le travail de connaissance sont les caractéristiques pertinentes, tandis que la fenêtre de 1M de Mercury 3 constitue le contre-argument pertinent : plus d’espace, bien moins cher par token, mais aucune preuve à ce jour qu’il maintienne un plan sur un long horizon. À noter également que Grok 4.7 double tous les tarifs au-delà de 200 000 tokens d’entrée pour l’ensemble de la requête, alors que Mercury 3 ne publie aucun supplément pour requête longue. Sur une transcription réellement longue, l’écart nominal de 8,6× sur les sorties peut se réduire à moins de 5× — et c’est précisément dans ce régime que l’absence de benchmark de Mercury 3 commence à peser, car l’avantage de coût arrive exactement là où sa capacité est la moins prouvée.

Tout ce qui doit lire une image. Grok 4.7 accepte les images. La documentation de Mercury 3 indique que le texte est son seul format pris en charge. Ce n'est pas une question de prix, et aucun nombre de tokens par seconde ne répond à cela.

La raison de lancer les deux plutôt que d'en choisir un

La séparation est inhabituellement nette parce que les deux modèles échouent dans des directions différentes : Mercury 3 est bon marché et non mesuré, Grok 4.7 est coûteux et mesuré, et leurs gammes de modalités et de raisonnement se chevauchent à peine. C’est la forme d’un problème de routage plutôt que d’une décision d’approvisionnement.

Grok 4.7 est disponible sur OrcaRouter au prix catalogue de SpaceXAI, avec 0 % de marge, y compris le tarif doublé au-delà de 200K, de sorte que le coût d'essayer une politique est le même que celui d'appeler directement le fournisseur. Mercury 3 n'est pas sur le routeur ; il est servi via l'API propre à Inception et plusieurs plateformes tierces, et il n'a que neuf jours. Un DSL de routage justifie ici son utilité d'une manière rare : envoyer les requêtes de la voie instantanée — invites courtes, budgets de latence stricts, aucune image — à Mercury 3, garder tout ce qui nécessite la vision ou un raisonnement xhigh sur Grok 4.7, et laisser le basculement automatique couvrir le cas où la file d'attente du nouveau modèle s'engorge. La politique est exprimable ; les preuves à son appui seront fournies par le trafic du mois prochain.

Ce qu’il faut surveiller avant de déplacer votre budget

Deux signaux changeraient cette comparaison, et tous deux sont précis.

• Une entrée Mercury 3 sur Artificial Analysis. Un score à l’Intelligence Index et un chiffre de coût par tâche vous diraient si le modèle rapide et peu coûteux est suffisamment proche de Grok 4.7 sur le travail intellectuel pour justifier d’y router du trafic réel. Sans cela, les 1,068 jetons par seconde sont un constat de débit et non une affirmation sur les capacités.

• La consommation de tokens de Grok 4.7 sur vos propres charges de travail. L’exécution d’indexation de 240 millions de tokens est un benchmark synthétique ; une file d’attente de support et un agent de codage consomment des volumes très différents. Mesurez les tokens de sortie par tâche terminée sur une semaine représentative avant de supposer que le tarif de 6,00 $ détermine votre facture

Ce qu'il faut ignorer, en revanche, c'est toute comparaison qui place les deux modèles dans une même colonne d'un classement sans préciser que l'un d'eux n'a jamais figuré au classement. Le fait intéressant concernant Mercury 3 n'est pas qu'il est rapide — Inception livre des modèles de diffusion rapides depuis un an — mais qu'il est rapide avec une fenêtre de 1 M à un prix qui rend l'économie par requête triviale. Le fait intéressant concernant Grok 4.7 n'est pas qu'il domine un graphique, car ce n'est pas le cas ; c'est qu'il est le modèle le plus solide en automatisation de cet ensemble et qu'il le paie en tokens. Ce sont des produits différents, et le bon nombre d'entre eux à exécuter n'est probablement pas un.