Mercury 3 לעומת Grok 4.7: שני שעונים, לא שני מודלים

שאלו מה Mercury 3 וGrok 4.7חולקים והתשובה היא שעון. שניהם נמכרים על פי משך הזמן שנדרש למשימה, וכל אחד מהם מתכוון למשהו הפוך בכך. Mercury 3, שהושק על ידי Inception ב-19 באוקטובר 2026, בנוי להשיב בפחות משנייה: מודל דיפוזיה שמייצר 1,068 טוקנים בשנייה על מעבדי NVIDIA, חלון של מיליון טוקנים, וארבע הגדרות חשיבה שהשלב המהיר ביותר בהן נקרא "instant". Grok 4.7, שהושק על ידי SpaceXAI ב-21 בספטמבר 2026, בנוי להמשיך לעבוד: חלון של 500,000 טוקנים, סולם חשיבה שמגיע עד xhigh, ומדידה בלתי תלויה שמראה שהוא שרף כ-240 מיליון טוקני פלט כדי להשלים את מדד הבינה של Artificial Analysis בעלות של 3.74 דולר למשימה. מודל אחד מתייחס לזמן השהיה כאל המוצר. השני מתייחס למשך הזמן כאל המוצר. השוואה ביניהם לפי שורת ניקוד אחת מחמיצה את השאלה היחידה שחשובה — לפי איזה שעון עומס העבודה שלכם באמת פועל. שני הקצוות של מדיניות מפוצלת יכולים לשבת מאחורי מפתח אחד, כאשר מעבר אוטומטי בין שרתים תופס את המסלול האיטי. הכשלים המתועדים של AI ותקריות הסוכנים שמאחורי מהדורות כמו זו מרוכזים בארכיון התקריות של OrcaRouter AI שבו כל ערך נושא את המקורות שלו, חומרה, דירוג מהימנות ודגל מחלוקת.

שני השעונים, במחיר

התחל במה שכרטיסי התעריפים אומרים, כי ההבדל גדול מספיק כדי לשנות את מה שאתה יכול לבנות:

• קלט — Mercury 3 $0.20 לכל מיליון במחיר מחירון ($0.10 בהשקה) לעומת Grok 4.7 $2.00 לכל מיליון

• פלט — Mercury 3 $0.70 ל-1M במחיר מחירון ($0.35 בהשקה) לעומת Grok 4.7 $6.00 ל-1M

• קלט במטמון — Mercury 3 $0.02 ל-1M ($0.01 בהשקה) לעומת Grok 4.7 $0.50 ל-1M

• הקשר — 1,000,000 טוקנים לעומת 500,000

• פלט מרבי בתגובה אחת — 131,072 טוקנים לעומת ללא מגבלה שפורסמה מצד הספק; הכרטיס שלנו עבור grok-4.7 מפרט 450,000

• אופן הקלט — טקסט בלבד לעומת טקסט ותמונות

• הגדרות חשיבה — מיידי, נמוך, בינוני, גבוה לעומת נמוך, בינוני, גבוה, גבוה במיוחד

• תפוקה — 1,068 טוקנים לשנייה, לפי דיווח הספק לעומת ערך שלא פורסם על ידי הספק

• תמחור מחדש של בקשות ארוכות — לא פורסם דבר לעומת הכפלת כל תעריף מעל 200,000 אסימוני קלט, המיושמת על הבקשה כולה

• משקולות — סגור משני הצדדים

אם קוראים רק את שורת הפלט, Mercury 3 נראית כמו שגיאת עיגול לעומת Grok 4.7: $0.70 מול $6.00, או $0.35 במהלך חלון ההשקה. אם קוראים את שורת המטמון, הפער מתרחב ולא מצטמצם, כי $0.02 מול $0.50 הם פי עשרים וחמישה ללא קשר להנחה. השילוב הזה — פלט זול וקריאות מטמון כמעט בחינם — הוא מה שהופך לולאה בתדירות גבוהה למשתלמת, וזהו יעד התכנון שהמודל בבירור נבנה עבורו.

אבל כרטיס התעריפים הוא רק חצי מהעלות. הנחת התכנון של Grok 4.7 עצמו היא שבעיה קשה ראויה לסבב היסק ארוך, והלוח העצמאי מראה מה זה עולה כשהבעיה קשה מספיק: $3.74 למשימת אינדקס שהושלמה, לעומת $0.72 עבור GPT-6.1 Sol, ובאותו לוח, אין כלל רשומה של Mercury 3. Grok 4.7 מוציא טוקנים כדי לחשוב. Mercury 3 מוציא כמעט כלום לכל טוקן ומבטיח לחשוב מהר. אלה לא טענות מתחרות; אלה תקציבים מתחרים.

מה שבאמת מניב מעבר הסקה ארוך

Grok 4.7 אינו מודל מהיר שהאט. זהו הימור מכוון שעבודה של שעות רבות — לולאות קידוד אג'נטיות, ניתוח עתיר מסמכים, תוצרים מקצועיים — מתגמלת מודל שממשיך לפעול, והתוצאות הבלתי תלויות מראות שההימור הזה משתלם במקומות ספציפיים ולא באופן גורף.

• GDPval-AA, עבודת ידע בעלת ערך כלכלי — Grok 4.7 Elo 1711.07, השני בגובהו מבין המודלים המושווים כאן, ומקדים את 1593.85 של GPT-6.1 Sol

• SciCode — 0.5741, גבוה יותר גם מ-GPT-6.1 Sol (0.5417) וגם מ-Qwen3.8 Max (0.5208)

• HLE — 0.4314

• AA-LCR הסקה בהקשר ארוך — 0.7667

• Terminal-Bench 4.0 — 0.2576, המספר החלש ביותר בעמודה שלו

• AutomationBench — 0.6556, החזק מבין ארבעת המודלים בסדרה הזו

• מדד האינטליגנציה — 46.4 ב-xhigh, לפי Artificial Analysis

• עלות לכל משימת אינדוקס — $3.74

הפרופיל הזה — חזק בעבודת ידע ובאוטומציה, חלש בקידוד בסגנון טרמינל — אינו הפרופיל של דגם דגל לשימוש כללי, ויש יותר תועלת בלדעת אותו מאשר בדירוג. צוות שמריץ מפגשי קידוד אוטונומיים ארוכים ובוחר ב-Grok 4.7 עבורם, בוחר בו בניגוד למדידות של עצמו.

ל-Mercury 3 אין עמודה ניתנת להשוואה. הראיות שפרסמה Inception שונות במהותן: מבחן ניווט Mind2Web בן 50 משימות בהרנס שלה עצמה, שבו השלימה 50% מהמשימות, ובנוסף עדויות שותפים מ-TinyFish AI, RevisionDojo, Octen AI ו-Lorikeet. אין לה רשומה ב-Artificial Analysis נכון ל-20 באוקטובר 2026, מה שאומר שכל טענת יכולת במאמר הזה בנוגע ל-Mercury 3 מעבר למהירות ולמחיר היא דיווח של הספק ואינה משוכפלת. זו אינה סיבה לפסול אותה — מודל בן תשעה ימים ללא ציון עצמאי הוא מצב נורמלי, וסיקור מוקדם הוא בדיוק מה שהבלוג הזה נועד לפרסם. זו סיבה לשמור על תיוג שונה לשתי העמודות.

שלושה עומסי עבודה, שלוש תשובות

תור תמיכה או סוכן קולי. כל אלפית שנייה היא לקוח שממתין, והמודל חייב להיות זול מספיק כדי לרוץ על כל הודעה. Mercury 3 מנצח בנתונים כפי שפורסמו: 1,068 טוקנים לשנייה, $0.70 פלט במחיר מחירון, $0.02 קלט במטמון, שלב "instant" שמדלג לגמרי על חשיבה. Grok 4.7 יכול לעשות את העבודה הזו, אבל ב-$6.00 פלט עם מעבר חשיבה כברירת מחדל הוא משלם על התדיינות שהשיחה לא צריכה. זה המקרה שלשמו Inception בנתה את המודל, וכל ציטוטי השותפים מגיעים ממוצר מהסוג הזה.

סוכן קידוד או מחקר רב-שעתי. המשימה פועלת ללא השגחה, התמלול גדל מעבר לכמה מאות אלפי טוקנים, והמודל צריך להחזיק תוכנית לאורך שלבים רבים. כאן חלון ה-500K של Grok 4.7, חשיבת xhigh וחוזק עבודת הידע הנמדד הם התכונות הרלוונטיות, וחלון ה-1M של Mercury 3 הוא הטיעון הנגדי הרלוונטי: יותר מקום, זול בהרבה לכל טוקן, אך אין עדיין ראיות שהוא מחזיק תוכנית לאורך אופק ארוך. שימו לב גם ש-Grok 4.7 מכפיל כל תעריף מעל 200,000 טוקני קלט עבור הבקשה כולה, בעוד Mercury 3 אינו מפרסם תוספת תשלום עבור בקשות ארוכות. בתמלול ארוך באמת, פער הפלט הנומינלי של פי 8.6 יכול להצטמצם לפחות מפי 5 — וזהו המצב שבו היעדר בנצ'מרק אצל Mercury 3 מתחיל להזיק, משום שיתרון העלות מגיע בדיוק במקום שבו היכולת שלו היא הכי פחות מוכחת.

כל דבר שצריך לקרוא תמונה. Grok 4.7 מקבל תמונות. התיעוד של Mercury 3 מפרט טקסט כפורמט הנתמך היחיד שלו. זו אינה שאלת תמחור, וכל כמות של טוקנים לשנייה לא תענה עליה.

הסיבה להריץ את שניהם במקום לבחור

הפיצול נקי באופן יוצא דופן משום ששני המודלים נכשלים בכיוונים שונים: Mercury 3 זול ובלתי מדוד, Grok 4.7 יקר ומדוד, וטווחי המודאליות וההיסק שלהם בקושי חופפים. זהו צורתה של בעיית ניתוב ולא של החלטת רכש.

Grok 4.7 נמצא ב-OrcaRouter במחיר המחירון של SpaceXAI עם 0% תוספת, כולל התעריף המוכפל מעל 200K, כך שעלות ניסוי של מדיניות זהה לעלות קריאה ישירה לספק. Mercury 3 אינו נמצא בנתב; הוא מוגש דרך ה-API של Inception עצמה וכמה פלטפורמות צד שלישי, והוא בן תשעה ימים. DSL לניתוב מצדיק את עצמו כאן באופן נדיר: שלח בקשות במסלול מיידי — הנחיות קצרות, תקציבי השהיה קפדניים, ללא תמונות — ל-Mercury 3, השאר כל מה שדורש ראייה או הסקת xhigh על Grok 4.7, ותן ל-failover אוטומטי לתפוס את המקרה שבו התור של המודל החדש מתמלא. המדיניות ניתנת לביטוי; הראיות עבורה יסופקו על ידי תעבורת החודש הבא.

למה לשים לב לפני שמעבירים תקציב

שני אותות היו משנים את ההשוואה הזו, ושניהם ספציפיים.

• רשומה של Mercury 3 ב-Artificial Analysis. ציון אחד של Intelligence Index ונתון אחד של עלות למשימה היו אומרים לך אם המודל הזול והמהיר קרוב מספיק ל-Grok 4.7 בעבודת ידע כדי להצדיק ניתוב תעבורה אמיתית. בלי זה, 1,068 טוקנים לשנייה הם עובדת תפוקה ולא טענת יכולת

• צריכת הטוקנים של Grok 4.7 בעומסי העבודה שלכם. הרצת האינדוקס של 240 מיליון טוקנים היא בנצ'מרק סינתטי; תור תמיכה וסוכן קידוד צורכים נפחים שונים מאוד. מדדו טוקני פלט לכל משימה שהושלמה במשך שבוע מייצג אחד לפני שאתם מניחים שתעריף $6.00 קובע את החשבון שלכם

מה שיש להתעלם ממנו, בינתיים, הוא כל השוואה שמעמידה את שני המודלים באותה עמודה בטבלת דירוג בלי לציין שאחד מהם מעולם לא היה בטבלה. העובדה המעניינת לגבי Mercury 3 אינה שהוא מהיר — Inception מספקת מודלי דיפוזיה מהירים כבר שנה — אלא שהוא מהיר עם חלון של 1M במחיר שהופך את הכלכלה של כל בקשה לזניחה. העובדה המעניינת לגבי Grok 4.7 אינה שהוא עומד בראש טבלה, כי הוא לא; היא שהוא המודל החזק ביותר באוטומציה בקבוצה הזו, והוא משלם על כך בטוקנים. אלה מוצרים שונים, והמספר הנכון שלהם להריץ הוא כנראה לא אחד.