Mercury 3 vs Kimi K3 : un modèle que vous pouvez télécharger, un autre que vous ne pouvez que louer

La différence la plus utile entre Mercury 3 et Kimi K3 n’a rien à voir avec la vitesse ou le prix. Kimi K3, que Moonshot AI a publié le 16 juillet 2026 puis dont elle a publié les poids le 27 juillet sous licence MIT modifiée, est un mélange d’experts de 2,8 billions de paramètres que vous pouvez télécharger, inspecter, quantiser et héberger vous-même. Mercury 3, qu’Inception a publié le 19 octobre 2026, est un modèle de diffusion fermé que vous ne pouvez qu’appeler. Tout le reste dans cette comparaison — les fenêtres de 1 M de tokens qu’ils partagent, les milliers de tokens par seconde que l’un d’eux revendique, l’écart de prix de sortie qui va dans la direction opposée — découle de cette première différence quant à qui possède l’artefact. La même clé donne accès à l’ensemble du catalogue de plus de 200 modèles au prix catalogue, avec basculement entre fournisseurs. Les défaillances documentées de l’IA et les incidents d’agents derrière des versions comme celle-ci sont recensés dans l’Archive des incidents IA d’OrcaRouter où chaque entrée comporte ses propres sources, sa gravité, son niveau de confiance et son indicateur de contestation.

Ce cadrage n’a rien de théorique. Il détermine lequel de ces deux modèles peut survivre à la disparition d’un fournisseur, lequel peut être affiné sur vos données, lequel vous pouvez exécuter à trois heures du matin sans limite de débit, et lequel est une ligne budgétaire qui prend fin quand quelqu’un d’autre en décide ainsi. Il détermine aussi ce qu’est même une comparaison équitable : le prix par token de Kimi K3 est un coût d’hébergement, tandis que celui de Mercury 3 est une location.

Les spécifications, de part et d’autre de la ligne de propriété

• Paramètres — Kimi K3 : 2,8 billions au total, 104 milliards actifs par token, 16 experts sur 896, contre Mercury 3 non divulgué, décrit uniquement comme plus de 40× plus grand que Mercury 1

• Architecture — mélange d’experts sur Kimi Delta Attention vs un modèle de langage à diffusion qui affine des blocs de jetons en parallèle

• Fenêtre de contexte — 1 048 576 jetons contre 1 000 000 de jetons ; en pratique, une égalité

• Sortie maximale — Kimi K3 jusqu’à la fenêtre complète de 1 M dans une seule réponse, contre 131 072 tokens pour Mercury 3

• Modalité d'entrée — texte, image et vidéo vs texte uniquement

• Poids — publiés, MIT modifiée, sur Hugging Face vs fermés

• Prix d'entrée — 3,00 $ par 1M contre 0,20 $ par 1M au tarif catalogue, 0,10 $ au lancement

• Prix de sortie — 15,00 $ par 1 M contre 0,70 $ par 1 M au tarif catalogue, 0,35 $ au lancement

• Entrée mise en cache — 0,30 $ par 1 M contre 0,02 $ par 1 M

• Débit annoncé — non publié par Moonshot, contre 1 068 jetons par seconde selon le fournisseur

• Indice d’intelligence indépendant — 43,6, selon Artificial Analysis, contre aucune entrée à ce jour au 20 octobre 2026

Placez les deux colonnes de prix côte à côte et l’écart est de 15× en entrée et de 21× en sortie. Placez la ligne des modalités à côté et l’écart se resserre jusqu’à devenir plus étroit qu’une déroute : Kimi K3 accepte la vidéo et les images, Mercury 3 accepte le texte, et une charge de travail qui doit regarder un enregistrement d’écran ne choisit pas entre eux, à aucun prix. Placez la ligne des pondérations à côté et la comparaison change complètement de nature, car les deux prix ne mesurent pas la même chose.

Ce que les mesures de Kimi K3 disent vraiment

Kimi K3 est le seul modèle de cette série en cinq parties à disposer à la fois de poids publiés et d'un historique indépendant complet, ce qui en fait l'ancrage utile :

• Indice d’intelligence — 43,6, mesuré par Artificial Analysis

• Terminal-Bench 4.0 — 0,1263 ; Terminal-Bench 2.1 — 0,8502 selon l’exécution rapportée par le fournisseur lui-même

• SciCode — 0,5949, le score le plus élevé parmi les quatre adversaires de ce lot

• Humanity's Last Exam — 0.4690

• Raisonnement en contexte long AA-LCR — 0,8867, la meilleure lecture en contexte long de la série

• GDPval-AA — Elo 1532,59

• AA-Omniscience — 19,7

• GPQA Diamond — 0,9354

• Coût par tâche d’indexation — 2,00 $

Deux mises en garde concernant ce tableau. Les chiffres de Terminal-Bench sont extrêmement éloignés — 0,1263 sur la version 4.0 et 0,8502 sur la 2.1 — ce qui est un problème de version de benchmark plutôt qu’un problème de modèle, et quiconque en cite un sans l’autre choisit un camp. Et l’indice Artificial Analysis pour Kimi K3 affiche 43,6 aujourd’hui, alors que les documents de lancement du fournisseur lui-même revendiquaient 57 sous une révision antérieure de l’indice. L’indice a été reconstruit depuis ; le 57 est une lecture historique, pas actuelle.

Le profil qui résiste aux deux mises en garde est celui d’un modèle fort en raisonnement sur contexte long et en code scientifique, modéré en rappel de connaissances, et ordinaire pour le travail d’agent de style terminal. Ce n’est pas le profil d’un modèle que l’on télécharge pour remplacer intégralement une API de pointe. C’est le profil d’un modèle qui vaut la peine d’être possédé pour un segment précis de travail — ce qui est exactement l’argument en faveur des poids ouverts.

La mise en garde concernant le téléchargement et l’exécution, formulée clairement

Les poids publiés et les poids exécutables relèvent d’affirmations différentes, et les confondre est l’affirmation excessive la plus courante dans la couverture des grands modèles chinois. Un mélange d’experts de 2,8 billions de paramètres avec 104 milliards de paramètres actifs est un artefact de centre de données. Publier le checkpoint signifie que vous pouvez l’inspecter, l’affiner, le quantifier et le servir — pour des organisations disposant de dizaines d’accélérateurs et de l’équipe d’ingénieurs nécessaire pour les occuper. Cela ne signifie pas qu’il tourne sur une station de travail, et la vague de quantification qui suit chaque publication de ce type vise autant à rendre le modèle servable qu’à le rendre petit.

Ainsi, une lecture honnête de la licence de Kimi K3 est plus restrictive que « open » et reste néanmoins importante : c’est un modèle de pointe auditable, modifiable et auto-hébergeable. Pour une entreprise réglementée qui ne peut pas envoyer les données de ses clients à une API tierce, tout se joue là. Pour une start-up de trois ingénieurs avec une facture d’API de 400 $ par mois, c’est un passe-temps.

Mercury 3 ne propose pas une telle option, quel qu’en soit le prix. C’est une véritable limitation, et il vaut la peine de préciser explicitement qu’Inception n’a annoncé ni publication des poids ni date à cet effet. L’alternative entreprise qu’Inception propose est contractuelle plutôt que technique : capacité dédiée, mise à l’échelle automatique, contrôles de conformité et conservation des données configurable, le tout au sein de la plateforme d’Inception. Cela répond à la question de la résidence des données pour certains acheteurs. Cela ne répond pas à la question « et si le fournisseur disparaît ? » pour aucun d’entre eux.

Coût par tâche terminée, et non par token

L’écart de prix de production de 21× est le chiffre que l’on cite, et pris isolément, il est trompeur dans les deux sens.

Premièrement, le tarif de 3,00 $/15,00 $ de Kimi K3 correspond à un positionnement premium sur le marché chinois, et Moonshot l’a affirmé. Comparé aux 0,20 $/0,70 $ de Mercury 3, ce n’est pas un tarif premium, c’est une catégorie différente. Une équipe qui consomme 50 millions de jetons de sortie par mois paie 750 $ avec Kimi K3 et 35 $ avec Mercury 3 au tarif catalogue. Cet écart est suffisamment faible pour être sans importance pour certaines entreprises et suffisamment important pour financer une embauche pour d’autres.

Deuxièmement, les chiffres indépendants du coût par tâche inversent l’intuition. Kimi K3 coûte 2,00 $ par tâche d’indexation terminée ; Mercury 2.5, le membre mesuré le plus proche de la famille Mercury, coûte 0,1167 $ — mais a obtenu 12,3 contre 43,6 pour Kimi K3. Un coût faible par token et un coût faible par unité de travail sont des chiffres différents, et un seul des deux a sa place dans un plan de capacité. Mercury 3 n’a pas de chiffre de coût par tâche parce qu’il n’a pas de score d’indexation, ce qui signifie que la cellule la plus importante de cette comparaison est vide.

Troisièmement, et c'est ce que les gens oublient : Kimi K3 est disponible sur OrcaRouter au tarif catalogue de Moonshot, avec 0 % de marge, et c'est aussi le cas du reste du catalogue de plus de 200 modèles, sur un seul point de terminaison compatible OpenAI avec bascule automatique. Mercury 3, lui, ne l'est pas : il est servi via l'API propre à Inception et plusieurs plateformes tierces. Cette asymétrie change la forme d'un essai raisonnable : vous pouvez comparer Kimi K3 à votre solution actuelle sans rien signer de nouveau, alors que vous ne pouvez pas faire de même pour Mercury 3 sans une seconde intégration.

Pour une charge de travail qui enchaîne de longues sessions d'agents, il reste un levier de coût à vérifier avant de se fier à l'une ou l'autre des grilles tarifaires. Le contexte de 1 M de Kimi K3 ne prévoit aucun supplément publié pour les requêtes longues, et celui de Mercury 3 non plus. C'est inhabituel, et c'est la principale raison pour laquelle les deux modèles sont crédibles pour des transcriptions qui déclencheraient ailleurs un changement de palier tarifaire.

Lequel choisir, selon la situation plutôt que selon le score

Choisissez Kimi K3 lorsque le travail nécessite des images ou de la vidéo, lorsque le raisonnement sur un long contexte est la tâche centrale — son 0,8867 sur AA-LCR est le meilleur résultat de ce lot — lorsque vous devez effectuer un fine-tuning sur des données propriétaires, lorsque les données ne peuvent pas quitter votre infrastructure, ou lorsque vous voulez un plancher de capacité mesuré avant d'engager du trafic. Les poids sont l'atout stratégique ; la licence est réellement permissive ; le prix est le coût de ne pas l'exécuter vous-même.

Choisissez Mercury 3 lorsque la charge de travail est uniquement textuelle, contrainte par la latence et à fort volume : réponses au support, réponses de recherche, tours de tutorat, tâches proches de la classification où une réponse en moins d’une seconde constitue le produit lui-même. À 0,70 $ en sortie et 0,02 $ en entrée mise en cache, c’est assez bon marché pour que l’économie par requête cesse d’être une contrainte de conception, et la fenêtre de 1 M signifie que vous résumez rarement. Ce à quoi vous renoncez, c’est la modalité, un niveau minimal de capacités publié et toute voie vers l’auto-hébergement.

Choisissez les deux lorsque la répartition se fait par voie plutôt que par modèle. Les deux systèmes sont architecturalement opposés — l’un est un MoE autorégressif massif et creux, l’autre un générateur de diffusion parallèle —, ce qui signifie qu’ils échouent différemment, et une politique qui envoie la vision et le raisonnement à long contexte à Kimi K3 et les tours de texte instantanés à Mercury 3 est cohérente sur le fond plutôt que sur le seul prix. Le hic, c’est l’intégration : un seul des deux est un ajout à clé unique.

Qu’est-ce qui changerait la réponse ?

Trois développements, dont aucun n’est spéculatif :

• Premier score indépendant de Mercury 3. Le seul membre mesuré de la famille Mercury se situe à 12,3 sur l’Intelligence Index, contre 43,6 pour Kimi K3. Si Mercury 3 atteint un niveau proche de Kimi K3 tout en coûtant quinze fois moins cher, l’argument de la propriété devient le seul argument qu’il reste à Kimi K3. S’il se situe près de 12,3, l’écart de prix n’a aucune importance

• Une publication des poids de Mercury 3. Inception n’a rien dit à ce sujet. Des poids ouverts feraient disparaître du jour au lendemain la différence centrale de cet article.

• Un hébergeur moins cher pour Kimi K3. Le tarif $3/$15 est celui de Moonshot ; la licence ouverte signifie que des hébergeurs tiers peuvent proposer moins cher, et un MoE 2.8T hébergé à moitié prix change le calcul du coût par tâche sans changer le modèle

D’ici à ce que l’une de ces options se concrétise, la comparaison oppose un modèle texte très rapide, louable et non mesuré, à un modèle premium que l’on peut posséder, mesuré et capable de lire la vidéo. Ce ne sont pas des substituts. La seule réponse vraiment fausse consiste à en choisir un parce qu’il l’emporte dans une colonne où l’autre n’a jamais été évalué.