Mercury 3 vs Reflection Beam : le modèle fermé le plus rapide rencontre le modèle ouvert le plus rapide

Reflection Beam est arrivé avec un nombre vérifiable, et Mercury 3 est arrivé avec un nombre qui ne l'était pas. Beam est noté à 335,1 jetons de sortie par seconde par Artificial Analysis, avec un temps jusqu'au premier jeton de 0,80 seconde et un Intelligence Index de 30 — quatrième plus rapide sur 78 modèles mesurés, vingtième sur 121 pour la qualité. Mercury 3 revendique 1 068 jetons par seconde et ne dispose d'aucun score indépendant, quel qu'il soit, un jour après sa publication par Inception le 19 octobre 2026. Ainsi, la bonne façon d'ouvrir cette comparaison n'est pas « lequel est plus rapide », mais « qu'advient-il de l'écart lorsque le côté non mesuré est mesuré ». Les défaillances de l'IA et les incidents d'agents documentés qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.

La raison pour laquelle ce duo compte au-delà d’une fiche technique, c’est que les deux modèles vendent la même chose. Mercury 3 est un modèle de langage de diffusion qui affine des blocs de tokens en parallèle ; Reflection Beam est un mélange d’experts clairsemé comptant 501 milliards de paramètres au total et seulement 23 milliards activés par token. Des astuces différentes, un même pari : c’est le coût de l’inférence, et non le plafond de capacité, qui sera le prochain champ de bataille. Beam a été annoncé le 5 octobre 2026 et ses poids sont sortis sous Apache 2.0 le 16 octobre ; Mercury 3 est sorti neuf jours plus tard sous forme d’API fermée. L’un, vous pouvez le télécharger et le mesurer vous-même. L’autre, vous ne pouvez que l’appeler et faire confiance.

Ce que chaque partie a réellement consigné au dossier

Le bilan de Beam est suffisamment détaillé pour être discuté. Un Intelligence Index de 30, classé vingtième sur 121 modèles et au-dessus de la médiane de 19 qu’Artificial Analysis enregistre pour des modèles à poids ouverts comparables. Des mesures de 335,1 jetons de sortie par seconde et de 0,80 seconde jusqu’au premier jeton, toutes deux à comparer à une médiane des pairs proche de 77 jetons par seconde et de 1,70 seconde. Un tarif publié de 0,70 $ par million de jetons d’entrée et de 2,10 $ par million de jetons de sortie, avec une remise de 84 % sur le cache, soit 0,57 $ de calcul par tâche de l’indice. Et un indicateur de verbosité de 79 millions de jetons de sortie pour compléter l’indice, dixième plus concis sur 47 modèles évalués, contre une médiane de 140 millions. Ce dernier chiffre est l’affirmation d’efficacité qui apparaît pour la première fois dans le harnais de quelqu’un d’autre, et c’est le chiffre le plus intéressant dans le dossier de l’un comme de l’autre modèle.

En revanche, le bilan de Mercury 3 se limite à trois affirmations et une petite expérience. Les affirmations : 1 068 jetons par seconde sur GPU NVIDIA ; plus de 40 fois les paramètres de Mercury 1, avec une intelligence mesurée environ trois fois supérieure ; et une qualité « égale ou supérieure à celle des modèles de pointe optimisés pour la vitesse comme GPT-6 Luna et Claude Haiku 5.5 ». L’expérience : 50 tâches de navigation Mind2Web en conditions réelles dans le propre harnais d’agent web d’Inception, 50 % achevées, « nettement plus que GPT-6.1-Sol », avec le même volume de jetons et le même nombre d’étapes, et donc une fraction du coût. Aucun de ces éléments n’a été reproduit indépendamment, et Artificial Analysis n’a aucune page consacrée à Mercury 3.

Cette asymétrie n’est pas une critique de l’ingénierie d’Inception. C’est un constat sur ce que vous pouvez décider aujourd’hui. Pour Beam, vous pouvez calculer le coût par tâche terminée, parce que quelqu’un a mesuré l’achèvement et la verbosité. Pour Mercury 3, vous pouvez calculer le coût par token et rien d’autre.

La fiche technique, avec les sources associées à chaque ligne.

• Prix par million — Mercury 3 : 0,20 $ en entrée et 0,70 $ en sortie au tarif catalogue, 0,10 $ et 0,35 $ pendant la remise de lancement, contre Beam : 0,70 $ en entrée et 2,10 $ en sortie

• Entrée mise en cache — Mercury 3 à 0,02 $ par million au tarif catalogue, contre Beam avec une remise de 84 % sur le tarif d’entrée, soit environ 0,11 $ par million

• Débit — Mercury 3 : 1 068 jetons par seconde, chiffre annoncé par le fournisseur, matériel non précisé, contre Beam : 335,1 jetons par seconde, mesuré par Artificial Analysis

• Temps jusqu'au premier token — Mercury 3 non publié contre Beam 0,80 seconde, mesuré

• Intelligence Index — Mercury 3 : aucune entrée au 20 octobre 2026, contre Beam 30, classé 20e sur 121

• Coût par tâche d'indexation — Mercury 3 ne peut pas être calculé sans un score, contrairement à Beam à $0.57

• Verbosité de sortie sur l’indice — Mercury 3 non publié vs Beam, 79 millions de jetons, 10e plus économe sur 47

• Fenêtre de contexte — Mercury 3 : 1 000 000 de tokens avec 131 072 de sortie maximale, contre Beam : 1 048 576 de tokens avec 131 072 de sortie maximale

• Paramètres — Mercury 3 non divulgués, décrits uniquement comme plus de 40 fois Mercury 1 contre Beam 501B au total, 23B actifs par token

• Modalité d’entrée — les deux : texte uniquement

• Contrôle du raisonnement — Mercury 3 propose quatre réglages, de instantané à élevé, avec faible par défaut, tandis que Beam impose un effort de raisonnement obligatoire à cinq niveaux, et la documentation de Reflection indique le maximum par défaut

• Poids — Mercury 3 fermé vs Beam Apache 2.0, en BF16, FP8 et une version NVFP4 de 273 GiB

• Auto-hébergement — Mercury 3 uniquement en capacité dédiée d’entreprise, contre Beam, un déploiement de référence de quatre GPU NVIDIA B300 sur NVLink, avec prise en charge dès le jour zéro de vLLM, SGLang, Transformers et Dynamo

Une mise en garde concernant la ligne tarifaire. La remise de Mercury 3 n’a pas de date de fin publiée, donc le chiffre qui subsiste dans la planification est $0.20/$0.70, et non $0.10/$0.35. Le $0.70/$2.10 de Beam est une grille tarifaire en vigueur publiée par l’évaluateur et par la propre plateforme de Reflection.

L’écart qui compte est de 335 contre 1 068.

Si le chiffre d'Inception se vérifie sous un harnais neutre, Mercury 3 est environ trois fois plus rapide que le modèle à poids ouverts le plus rapide mesuré dans le domaine, et il y parvient à un tiers du prix d'entrée de Beam et à un tiers de son prix de sortie. Cette combinaison — plus rapide et moins cher — résume l'argument en faveur de Mercury 3 en une seule phrase, et c'est une phrase forte.

Le problème est que la phrase repose entièrement sur un chiffre sans méthodologie précisée. Inception n’indique ni quel GPU, ni quelle taille de lot, ni quel réglage d’effort de raisonnement, ni si la mesure est en flux unique ou agrégée. Ces quatre choix font varier un chiffre de débit dans des proportions multiplicatrices. La décote à appliquer n’est pas hypothétique : lors du lancement de Mercury 2.5, le chiffre de débit annoncé par le fournisseur était nettement supérieur aux 706 jetons par seconde qu’Artificial Analysis a ensuite mesurés avec son propre banc d’essai. C’est l’écart normal entre fournisseur et évaluation indépendante dans cette catégorie, pas de la mauvaise foi — mais c’est l’écart qu’il faut présumer.

Appliquez une réduction de trois pour un et Mercury 3 atteint près de 350 tokens par seconde : au niveau du chiffre mesuré de Beam, pour un tiers du prix, avec un score de qualité inconnu. Appliquez une réduction de deux pour un et il est nettement le modèle le plus rapide que l’un ou l’autre laboratoire ait commercialisé à ce prix. Dans les deux cas, la comparaison passe de « trois fois plus rapide » à « entre aussi rapide que Beam et trois fois plus rapide, et moins cher que Beam dans les deux cas ».

Une seconde asymétrie se cache dans la même paire de nombres. Le temps de 0,80 seconde jusqu’au premier token de Beam est mesuré sur un modèle de raisonnement qui utilise par défaut son réglage d’effort maximal — ce qui signifie que le modèle réfléchit réellement avant d’émettre quoi que ce soit, et renvoie tout de même le premier token en moins d’une seconde. C’est un résultat d’ingénierie plus impressionnant que le chiffre brut de débit, et c’est le genre de chose que seul un banc de test indépendant permet de découvrir.

Vingt-trois milliards de paramètres actifs, voilà le vrai enjeu du côté de Beam.

Le chiffre 501B sur la fiche de Beam ne tient en grande partie pas. Avec 23 milliards de paramètres actifs par token, le modèle n’active qu’environ 4,6 % de lui-même pour un token donné, un ratio d’activation agressif, même selon les standards actuels des modèles à poids ouverts. Les notes d’architecture mentionnent une attention locale et globale entrelacée, des experts routés à granularité fine, SandwichNorm et des builds de service FP8/FP4, mais la conséquence pratique est plus simple : Beam tient sur un seul nœud à quatre GPU. C’est un profil de service, pas une curiosité de recherche.

Cela explique aussi le résultat de verbosité. Un modèle qui dépense 79 millions de tokens de sortie pour compléter un index face à une médiane de 140 millions effectue le même travail en environ la moitié des tokens de sortie, et c’est sur les tokens de sortie que se joue la facture. L’argument de Reflection lui-même porte sur l’efficacité au moment de l’inférence plutôt que sur la parité à la frontière, et l’entreprise le dit dans ses supports de lancement — elle concède du terrain à Kimi K3 et G​LM sur les capacités brutes. Les données indépendantes étayent à la fois cette concession et l’affirmation d’efficacité.

L’argument d’efficacité de Mercury 3 est de nature différente. Il ne s’agit pas de dépenser moins de tokens, mais de les produire plus vite, et le récit de mise à l’échelle d’Inception — 40 fois les paramètres de son premier modèle, trois fois l’intelligence mesurée, même vitesse — est l’affirmation que le parallélisme de la diffusion achète un débit que les modèles autorégressifs ne peuvent égaler. C’est un argument plausible et intéressant. Il est aussi entièrement auto-déclaré, et il ne dit rien sur la question de savoir si le modèle dépense plus de tokens qu’un modèle autorégressif comparable pour arriver à la même réponse. Personne n’a publié de chiffre de verbosité pour Mercury 3, car il n’existe aucune évaluation de Mercury 3 dont l’extraire.

Coût par travail terminé, calculé en détail

Prenons une tâche de codage agentique : un contexte de dépôt de 200 000 tokens, un patch de 4 000 tokens et une explication en sortie, et 5 000 exécutions par jour au sein d’une équipe.

• Mercury 3 au tarif catalogue — 1 000 millions de tokens d’entrée à 0,20 $ font 200 $ ; 20 millions de tokens de sortie à 0,70 $ font 14 $. Environ 214 $ par jour.

• Mercury 3 au tarif de lancement — environ 107 $ par jour.

• Beam à son tarif publié — 1 000 millions d’entrée à 0,70 $ font 700 $ ; 20 millions de sortie à 2,10 $ font 42 $. Environ 742 $ par jour, avant la remise de 84 pour cent sur le cache, ce qui compte énormément ici car le contexte du dépôt est exactement le genre de préambule qui est mis en cache. Avec un taux de réussite réaliste du cache sur le contexte, la ligne d’entrée chute vers 112 $ et le total quotidien s’établit près de 154 $.

C’est cette arithmétique qui justifie l’existence de ces deux modèles. Sur une charge de travail agentique bien mise en cache, les deux se tiennent à 40 % près — Beam légèrement moins cher dans un bon scénario de cache, Mercury 3 moins cher dans un mauvais — et tous deux ne représentent qu’une fraction de ce qu’un modèle de frontière facturerait pour le même trafic. L’argument du coût ne permet pas de les départager. Ce qui les départage, c’est que le chiffre de Beam est reproductible, tandis que celui de Mercury 3 est un prix catalogue face à un taux d’achèvement inconnu.

La question des licences, qui est loin d’être réglée

Les poids de Beam sont téléchargeables sous Apache 2.0 en trois précisions, ainsi qu'un drafter de décodage spéculatif de 1,93 Md de paramètres, et Reflection déclare ne pas restreindre la distillation, le fine-tuning, la quantification ni la fusion. Il existe un outil de conformité — beam-verifier — qui exécute une suite de tests contre tout point de terminaison Beam en ligne, puis l'évalue sur les principaux benchmarks, ce qui signifie qu'un acheteur peut vérifier les chiffres d'un fournisseur plutôt que de leur faire confiance. L'auto-hébergement élimine entièrement la question du coût par token et la transforme en une question d'heures de GPU.

Mercury 3 n’offre rien de tout cela. Il est fermé, uniquement accessible via API, et son offre entreprise ajoute une capacité dédiée et une rétention des données configurable plutôt que des poids. Pour une charge de travail où le modèle est un composant d’un produit que vous vendez, il s’agit d’une dépendance plutôt que d’une chaîne d’approvisionnement.

Il existe aussi le signal de l'historique du fournisseur. La note de migration d'Inception elle-même indique que Mercury 2 et Mercury 2.5 sont fermés aux nouveaux utilisateurs, les clients existants perdant l'accès le 15 novembre 2026 — moins d'un mois après la sortie de Mercury 3. Une entreprise qui retire deux générations aussi rapidement vous dit comment elle s'attend à ce que ses modèles soient consommés : comme des services loués à durée de vie courte. Reflection, pour l'instant, a fait l'inverse et a remis l'artefact.

Où un routeur trouve sa place, étant donné qu’aucun des deux modèles ne figure dans notre catalogue

Ni Mercury 3 ni Reflection Beam ne sont proposés par OrcaRouter. Une vérification de notre API de modèles ne renvoie rien pour aucun des deux, et nous ne décrirons pas une route que nous n'avons pas. Ce que nous proposons, c'est la couche qui les entoure : plus de 200 modèles derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur, sans marge, avec basculement automatique et un DSL de routage pour composer des modèles en un seul appel.

Pour cette paire spécifique, cette couche remplit deux fonctions. La première est la comparaison. Si vous voulez savoir si un modèle à poids ouverts de 300 jetons par seconde est assez rapide pour votre produit avant de vous engager dans tout cela, le test honnête consiste à exécuter la charge de travail sur des modèles que vous pouvez déjà appeler — Kimi K3 à 3,00 $/15,00 $ avec 1 048 576 jetons de contexte, GLM 5.2 à 1,40 $/4,40 $, Qwen 3.8-Max à 2,00 $/6,00 $ — et à mesurer ce que vos utilisateurs remarquent réellement. La seconde est le repli. Un déploiement Beam auto-hébergé et un Mercury 3 hébergé par un fournisseur sont deux modes de défaillance différents ; placer le chemin de production derrière un routeur avec basculement signifie qu’une dégradation d’un point de terminaison devient un événement journalisé plutôt qu’une panne. Parce que les prix catalogue des fournisseurs sont répercutés sans modification, une baisse de prix Reflection ou une remise Inception apparaît sur votre facture le jour de son annonce.

La décision, par contrainte plutôt que par score

• Si vous avez besoin que le modèle soit un atout — auditable, ajustable finement, exécutable sur votre propre matériel, qui survit au fournisseur — Beam est la seule option ici. Apache 2.0, une version de 273 GiB qui tient sur un seul nœud, et un vérificateur pour contrôler n’importe quel fournisseur par rapport aux chiffres de Reflection. C’est une réponse complète à une question à laquelle Mercury 3 ne peut pas répondre du tout.

• Si vous avez besoin de la latence la plus faible possible sur une API fermée et qu’un humain attend, Mercury 3 est le pari le plus intéressant, et son prix rend l’évaluation peu coûteuse. Fixez explicitement le réglage d’effort lorsque vous le testez, car la valeur par défaut est faible et les affirmations d’Inception ne précisent pas quel réglage les a produites.

• Si vous devez connaître la qualité avant de vous engager, Beam dispose d’un chiffre et Mercury 3 n’en a pas. Un 30 sur un indice de 121 modèles est médiocre — ce n’est pas un score de frontière et Reflection ne prétend pas qu’il l’est — mais c’est un plancher sur lequel vous pouvez vous appuyer pour concevoir.

• Si votre charge de travail est agentique et de longue durée, le raisonnement obligatoire de Beam, avec un effort maximal par défaut, coûte cher par appel, tandis que le réglage par défaut à faible effort de Mercury 3 est peu coûteux par appel. Lequel revient le moins cher par tâche terminée dépend d’un taux d’achèvement que personne n’a mesuré pour Mercury 3.

La chose la plus utile qui puisse arriver à cette comparaison est une mesure indépendante de Mercury 3. Si elle arrive près de 1 068 avec un score de qualité compétitif, Inception a livré le modèle bon marché le plus rapide du domaine et l’histoire d’efficacité de Beam devient une histoire d’ouverture plutôt que de vitesse brute. Si elle arrive près de 335 de Beam avec un score de milieu de tableau, alors le modèle ouvert le plus rapide et le modèle fermé le plus rapide ont la même vitesse, et les questions décisives deviennent le prix, la licence et le fait de savoir si vous voulez posséder l’artefact — trois questions auxquelles Beam a actuellement de meilleures réponses.