Mercury 3 vs Grok 4.6: האחד הוחלף, האחר לא נמדד, ושניהם נמכרים על מהירות

העובדה השימושית הראשונה בהשוואה בין Mercury 3 ל-Grok 4.6 היא ש-Grok 4.6 אינו ה-Grok הנוכחי. SpaceXAI שחררה אותו ב-12 באוגוסט 2026 במחיר של $2.00 למיליון טוקני קלט ו-$6.00 למיליון טוקני פלט, ומאז הוציאה את Grok 4.7; Artificial Analysis מסמנת כעת את 4.6 כמיושן ומפנה קוראים למודל החדש יותר. Mercury 3, לעומת זאת, בן יומיים: Inception Labs שחררה אותו ב-19 באוקטובר 2026 במחיר של $0.20 ו-$0.70 למיליון, בחצי במסגרת חלון השקה ללא תאריך סיום מפורסם, ואיש ניטרלי לא מדד אותו כלל. לכן הניסוח ההוגן של הצימוד הזה אינו "איזה משני אלה כדאי לי להשתמש בו". אלא ששניהם נמכרים בעיקר על מספר מהירות, שני מספרי המהירות אינם אותו סוג של מספר, ואחד משני המוצרים בדרכו החוצה מהקטלוג בעוד שהשני עדיין לא נבחן על ידי מי שלא עובד בחברה שיצרה אותו.הכשלים המתועדים של בינה מלאכותית ותקריות סוכנים מאחורי שחרורים כמו זה נאספים בOrcaRouter AI Incident Archiveשבו לכל ערך יש מקורות משלו, חומרה, דרגת ביטחון וסימון מחלוקת.

זה הופך את זה להשוואה על מדידה, שבמקרה היא הדבר השימושי ביותר לדעת לפני שתמחרו כל אחד מהם. Mercury 3 הוא מודל שפה דיפוזי — הוא מסיר רעש מבלוק של עמדות ומקבע אותן יחד במקום לפלוט טוקן אחד בכל מעבר — ו-Inception מדווחת על 1,068 טוקנים לשנייה על חומרת NVIDIA, יותר מפי 40 ממספר הפרמטרים הכולל של Mercury 1, חלון הקשר שגדל מ-260,000 ל-1,000,000 טוקנים, ותקרת פלט של 131,072 טוקנים. Grok 4.6 הוא מודל חזיתי קונבנציונלי שנבנה עבור ריצות סוכניות ארוכות, עם חלון הקשר של 500,000 טוקנים, קלט טקסט, תמונה וקבצים, והנחת מטמון של 75% במחיר של 0.50 דולר למיליון קריאות.

מה שני מספרי המהירות מודדים בפועל

הנתון של Inception – 1,068 טוקנים לשנייה – הוא נתון של תפוקת פלט: כמה מהר טוקנים יוצאים מהמודל לאחר שהוא מתחיל להפיק אותם. Artificial Analysis מודדת את אותה כמות עבור Grok 4.6 ומקבלת 65.4 טוקנים לשנייה. כשקוראים את שני הנתונים זה לצד זה, Mercury 3 נראה מהיר פי שישה עשר. זהו הבדל אמיתי, והוא אינו ההבדל כולו, מפני שתפוקה היא רק אחד משלושת המספרים שמהם מורכב תקציב זמן השהיה.

השני הוא זמן עד לאסימון הראשון, וכאן התמונה פחות מחמיאה למסגור ויותר מעניינת. Artificial Analysis מתעדת חציון של 37.19 שניות עד לאסימון הראשון עבור Grok 4.6 בעומס העבודה שהיא בודקת, לעומת חציון של 3.75 שניות בקרב המודלים בלוח שלה. הטלמטריה שלנו ממגרש המשחקים, בת שבעת הימים, מציבה את ה-p50 של Grok 4.6 על 8.00 שניות ביום היחיד שעבורו יש דגימות. אף אחד מאלה אינו הבעיה של Mercury 3 או היתרון של Mercury 3 — Inception לא פרסמה כלל נתון של זמן עד לאסימון ראשון, ומספרי ההשהיה היחידים של צד שלישי בהכרזה שלה הם עדויות לקוחות: Octen דיווחה על זמן יצירה חציוני של 0.9 שניות ועל תגובת קצה-לקצה חציונית של 2.2 שניות, RevisionDojo דיווחה שתשובות חוזרות "בכשנייה בערך", ו-Lorikeet אמרה ש-Mercury 3 ניצח מודלים אחרים בהשהיה בעוד שהשיג ציון גבוה יותר בהערכות שלו. אלה אותות שימושיים, והם ציטוטי שיווק, על עומסי עבודה שאיש מחוץ לשלוש החברות האלה לא יכול לבדוק.

המספר השלישי הוא זה שקובע אם מודל מהיר שמיש, והוא שיעור השגיאות. בתשתית שלנו בשבעת הימים האחרונים, נתיב ההגשה של GPT-5.6 Sol רשם שיעור שגיאות של 0.05%. Grok 4.6, ביום היחיד שיש לגביו טלמטריה — 17 באוקטובר 2026 — רשם 86.7%. זהו יום אחד של דגימות על מודל שפעיל מאז אוגוסט, ולכן מדובר באזהרה לגבי נתיב הגשה ולא פסק דין על מודל, וזה בדיוק סוג המספר שלעולם לא מופיע בעמוד של ספק. עבור Mercury 3 אין שיעור שגיאות כלל, כי אין נתיב למדוד.

דף המפרט, עם המקור המצורף לכל שורה

• מחיר — Mercury 3:‏ $0.20 / $0.70 למיליון, $0.10 / $0.35 בהשקה, לא פורסם תאריך סיום, קלט במטמון בהנחה של 90%. Grok 4.6:‏ $2.00 / $6.00 למיליון עד 200,000 טוקנים, $4.00 / $12.00 עבור הבקשה כולה מעל לכך, קריאות ממטמון $0.50.

• הקשר ופלט — Mercury 3: 1,000,000 קלט, 131,072 פלט. Grok 4.6: 500,000 קלט, ללא תקרת פלט שפורסמה בעמוד המודל שלנו עבורו.

• מודאליות — Mercury 3: טקסט בלבד. Grok 4.6: טקסט, תמונה וקובץ כקלט, טקסט כפלט.

• תפוקה — Mercury 3: 1,068 אסימונים לשנייה, במדידה של Inception. Grok 4.6: 65.4 אסימונים לשנייה לפי Artificial Analysis; 256 אסימונים לשנייה בפליי-גראונד שלנו ביום שהיו לו דגימות.

• ציונים עצמאיים — Mercury 3: אין, לא קיים דף של Artificial Analysis. Grok 4.6: 44 במדד האינטליגנציה של Artificial Analysis, במקום ה-37 מתוך 217 מודלים, ו-76.8 במדד הקידוד שלו, במקום ה-5 מתוך 138.

• סטטוס — Mercury 3: בן יומיים, לא נמדד. Grok 4.6: הוכרז כמיושן בלוח של Artificial Analysis, והוחלף על ידי Grok 4.7.

השוואת ההקשר היא זו שהופכת את הסדר הרגיל. Mercury 3 מציע חלון כפול מזה של Grok 4.6 — מיליון טוקנים לעומת חצי מיליון — וזאת בעשירית ממחיר הקלט. על הנייר, זה לא מאבק צמוד לעבודה עם מסמכים ארוכים. בפועל, חלון של 500,000 טוקנים כבר גדול כמעט מכל מסמך בודד שמישהו מעבד, והשאלה המעניינת לגבי חלון של מיליון טוקנים במודל שלא נמדד אינה אם הוא קיים, אלא אם האיכות נשמרת לאורכו. Artificial Analysis מודדת במפורש את זכירות ההקשר הארוך, ו-Grok 4.6 מקבל שם 80.3. ל-Mercury 3 אין נתון מקביל, מה שאומר שחלון של מיליון טוקנים עם עקומת זכירות לא ידועה הוא הצהרת קיבולת ולא הצהרת יכולת.

מה בעצם קונה המחיר של Grok 4.6

Grok 4.6 עולה פי עשרה מ-Mercury 3 בקלט ופי תשעה בערך בפלט במחיר המחירון, והתשובה הכנה לשאלה מה זה נותן היא: מיקום מדוד על הרנס ניטרלי, קלט מולטימודלי, ועלות מפורסמת לכל תשובה. האחרון הוא השימושי ביותר. Artificial Analysis מציבה את Grok 4.6 ב-1.48 דולר למשימת Intelligence Index — נתון שכבר כולל כל מספר טוקנים שהמודל צריך כדי לסיים את החבילה, וזהו מספר העלות היחיד לכל תשובה בכל ההשוואה הזו שקיים עבור מי משני המודלים.

לעומת זאת, תעריף הפלט של Mercury 3, $0.70, הוא נתון לכל טוקן בלי מקבילה לכל תשובה. אם משימת Mercury 3 צורכת אותו נפח פלט כמו משימת Grok 4.6, העלות שלה היא כעשירית. אם היא צורכת פי שלושה נפח — סביר עבור מודל שברירת המחדל שלו היא מאמץ חשיבה נמוך בעבודה שGrok עושה במאמץ גבוה יותר — היא עולה כשליש, והטיעון האסטרטגי נחלש מ"סדר גודל" ל"הנחה משמעותית על מודל לא מוכח". איש עדיין לא יכול לומר איזה מהם נכון. זו אינה הסתייגות רטורית; זהו המדד הספציפי שחסר.

המספרים של Grok 4.6 עצמו, ככל שהם שווים משהו, חזקים במקומות שבהם ריצה סוכנית ארוכה זקוקה להם: 94.9 ב-GPQA Diamond, 42.9 ב-Humanity's Last Exam, 80.3 בשליפת הקשר ארוך, ומדד קידוד של 76.8 שמציב אותו חמישי מבין 138 מודלים. אלה ריצות של Artificial Analysis, לא של SpaceXAI, וזו הסיבה שאפשר בכלל להשוות אותן ל-Mercury 3 — ואילו Mercury 3, בהיעדר ריצות כאלה, אינו בר-השוואה.

בעיית המודל שהוחלף, שהיא ההחלטה האמיתית

בחירה ב-Grok 4.6 היום משמעה בחירה במודל שהספק שלו כבר החליף. Grok 4.7 נמצא בקטלוג שלנו, והעמוד של 4.6 ב-Artificial Analysis מפנה באופן מפורש קוראים אליו. עבור עומס עבודה שאתם עומדים לבנות עליו, התחלה עם מודל שהוצא משימוש היא החלטה לבצע מהגר מאוחר יותר; השאלה היחידה היא מתי, והתשובה היא בדרך כלל "במהלך תקלה".

זה לא הופך את Mercury 3 לבחירה הבטוחה. מודל לא מדוד בן יומיים ומודל מיושן בן תשעה שבועות הם סוגים שונים של סיכון, ואף אחד מהם אינו אפשרות הסיכון הנמוך בצימוד הזה. מה שההשוואה למעשה מבססת הוא צר יותר ושימושי יותר: אם אתם רוצים מודל מדוד עם עלות מתועדת לכל תשובה וקלט רב-מודלי, Grok 4.7 הוא הגרסה הנוכחית של זה ו-4.6 הוא קודמו באותו מחיר. אם אתם רוצים את הטוקנים הזולים ביותר לטקסט בלבד הזמינים בכל מקום עם חלון של מיליון טוקנים, Mercury 3 הוא זה, עם הסתייגות שהמספר הזול ביותר בכרטיס שלו הוא מבצע ללא תאריך סיום.

Grok 4.7 נמצא בקטלוג של OrcaRouter בתעריפים של SpaceXAI עצמה, מאחורי אותה נקודת קצה תואמת OpenAI כמו כל דבר אחר שאנו מנתבים דרכו, ללא תוספת מחיר על גבי התעריף ומעבר אוטומטי בין ספקים כאשר נתיב אחד מגיע למגבלת קצב — מה שבהתחשב בשיעור השגיאות שהטלמטריה שלנו תיעדה בנתיב ההגשה של 4.6 ב-17 באוקטובר, אינו יתרון תיאורטי. Mercury 3 לא נמצא בקטלוג: ה-API של המודלים שלנו לא מחזיר דבר עבור אף מודל של Inception, ולכן כל מי שקורא לו פונה לפלטפורמה של Inception, שבה חשבונות חדשים מקבלים 100 מיליון טוקנים בחינם, או לאחת מכמה פלטפורמות צד שלישי שמארחות אותו.

תבנית הניתוב שמתאימה לצמד הזה אינה פיצול לפי מחיר. זהו פיצול לפי מה שאתם מוכנים שייכשל. העבירו את התעבורה של המודל שהוצא משימוש למודל הנוכחי, שימו פרוסה מוגבלת של העבודה הטקסטואלית בלבד על Mercury 3, השאירו מודל שנמדד כמסלול הגיבוי, ותנו למעבר האוטומטי לגיבוי לטפל במקרה שבו למסלול החדש יש יום רע. הפרוסה היא ערך תצורה; הגיבוי הוא כלל ניתוב; ההחלטה להרחיב או לצמצם אותה מתקבלת לפי שיעורי השגיאה שלכם בתוך שבוע.

מה לעשות ביום שני

אם העבודה היא טקסט ארוך, הנפח גבוה, והתשובות ניתנות לבדיקה, המחירון של Mercury 3 שווה ניסוי מוגבל השבוע — 100 מיליון הטוקנים החינמיים בפלטפורמה של Inception מכסים את הבדיקה, וחלון מיליון הטוקנים אומר שאפשר לשלוח את המסמך כולו במקום ניחוש מקוטע לגביו. שימו לב לשני דברים: אם ספירות טוקני הפלט לכל משימה בורחות מקו הבסיס שלכם של Sol או Grok, ואם האיכות יורדת לקראת סוף הקשר ארוך. את שניהם אפשר למדוד בתוך יום, ואף אחד מהם לא דורש בנצ'מרק של אף אחד.

אם העבודה כוללת תמונות, נמשכת שעות עם כלים בלופ, או חייבת להיות נכונה בניסיון הראשון, התשובה בזיווג הזה היא לא Grok 4.6. היא Grok 4.7, או אחד מדגמי החזית הנמדדים, והסיבה הכנה היא ש-4.6 הוצא משימוש ו-Mercury 3 אינו נמדד — בחירה בין שני דגמים שלא היית מציב מול לקוח בלי גיבוי מאחוריהם.

המספר שישנה את כל זה הוא עלות ניטרלית לכל משימה שהושלמה עבור Mercury 3. נתון אחד, על גבי ההרנס שהפיק את ה-$1.48 של Grok, יהפוך את אי-הוודאות המרכזית של המאמר הזה ליחס. עד שהוא יהיה קיים, העמדה הניתנת להגנה היא המשעממת: הטוקנים הזולים אמיתיים, טענת המהירות סבירה ומבוססת על מקור יחיד, והדבר היחיד שאתה יכול לאמת בעצמך הוא שיעור השגיאות שלך בתעבורה שלך.