Mercury 3 לעומת Muse Wonder: שלושים ושתיים שניות עד לטוקן הראשון

יש מספר מדוד בהשוואה הזו שאמור לסיים את הוויכוח לפני שהוא מתחיל. Artificial Analysis מתעד את הזמן עד לטוקן הראשון של Muse Wonder כ-32.08 שניות. Mercury 3 טוען ל-1,068 טוקני פלט בשנייה ללא כל מדידה עצמאית. מודל אחד לוקח חצי דקה להתחיל לענות; האחר אומר שהוא כותב אלף מילים בזמן שנדרש כדי לקרוא את המשפט הזה. מבחינת השהיה הם אינם באותה קטגוריית מוצר, ושום יתרון בנצ'מרק לא סוגר פער של פי שלושים בזמן הופעת התו הראשון. הכשלים המתועדים בבינה מלאכותית ותקריות סוכנים שמאחורי מהדורות כמו זו מרוכזים בthe OrcaRouter AI Incident Archive שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות וסימון מחלוקת.

אבל זו הגרסה הקלה של הסיפור, והיא מטעה בהיבט חשוב אחד. Muse Wonder לא מנסה להיות מהיר. Meta השיקה את Muse Wonder ב-12 באוקטובר 2026 כמודל הסקה בחזית התחום, במחיר של $4.00 למיליון טוקני קלט ו-$20.00 למיליון טוקני פלט, ובמחיר הזה מה שנקנה הוא עומק — מודל שחושב שלושים שניות ומגיע לתשובה הנכונה בבעיה הקשה. Mercury 3, ששוחרר על ידי Inception ב-19 באוקטובר 2026, מתומחר פי עשרים עד חמישים נמוך יותר, מפני שהוא מוכר את העסקה ההפוכה. השאלה שבאמת ניצבת בפני בונה אינה איזה מהם טוב יותר. היא איזו עסקה המוצר שלך מבצע, והאם היית כן עם עצמך לגבי איזו עסקה זו.

שני המודלים, כל אחד בפסקה אחת

Mercury 3 הוא מודל שפה דיפוזי — המונח של Inception הוא dLLM — שמייצר טוקנים במקביל ולא אחד בכל פעם. יש לו חלון הקשר של מיליון טוקנים, פלט מקסימלי של 131,072 טוקנים, קלט טקסט בלבד, קריאה לכלים ופלטים מובנים בנקודת קצה תואמת OpenAI, וארבע הגדרות מאמץ חשיבה (instant, low, medium, high) כאשר ברירת המחדל היא low. מחיר המחירון הוא $0.20 למיליון טוקני קלט ו-$0.70 למיליון טוקני פלט, וכרגע הוא חצוי ל-$0.10 ו-$0.35 "בהשקה" ללא תאריך סיום מפורסם. טענת האיכות של Inception היא השוואתית וללא ציון: היא אומרת שהמודל שווה או טוב יותר מ"מודלי חזית מותאמי מהירות כמו GPT-6 Luna ו-Claude Haiku 5.5", ומדווחת על תוצאת משימה אחת מהארנס הסוכנים שלה — 50 אחוז השלמה ב-50 משימות Mind2Web חיות.

Muse Wonder הוא מודל ההסקה המוביל של Meta, המסופק כשני צ'קפוינטים: muse-wonder-1.0, שניתן להפעיל אותו דרך Meta Model API ובתוך Muse Code, וכן muse-wonder-full-1.0, תצורה עם ציון גבוה יותר ש-Meta אומרת שזמינה רק למנויי Muse Code. לשניהם חלון הקשר של 1M טוקנים ואותו מחירון של $4.00/$20.00, עם הנחת מטמון של 95 אחוז. ההסקה היא חובה — סולם המאמץ נע ממינימלי למקסימלי, עם ברירת מחדל בינונית, וטוקני הסקה מחויבים כפלט. הקלט הוא טקסט, תמונה, דיבור ווידאו; הפלט הוא טקסט.

כמה כל אחד מהם עולה בפועל ברמת הבקשה

מחירי טוקן בודדים הם המספר הכי פחות שימושי בהשוואה כזו, כי שני המודלים צורכים כמויות טוקנים שונות מאוד כדי לבצע את אותה עבודה. מודל הסקה שברירת המחדל שלו היא מאמץ בינוני והוציא 130 מיליון טוקני פלט בהשלמת ריצת הערכה אינו מתומחר אותו דבר כמו מודל שממוטב לתשובות קצרות, עוד לפני שמחירון התעריפים מיושם. אז תמחרו את אותה עבודה בשתי הדרכים.

קח עוזר לסקירת מסמכים: קלט של 20,000 טוקנים של טקסט חוזה, פלט של סיכום מובנה ורשימת סיכונים של 500 טוקנים, 2,000 סקירות ביום.

• Mercury 3 לפי מחיר מחירון — 40 מיליון טוקני קלט ב-$0.20 שווים $8.00; מיליון טוקני פלט ב-$0.70 שווה $0.70. כ-$8.70 ליום.

• Mercury 3 בתעריף ההשקה — חצי מזה, כ-4.35 דולר ליום.

• Muse Wonder — 40 מיליון טוקני קלט ב-$4.00 הם $160; מיליון טוקני פלט ב-$20.00 הם $20. בנוסף טוקני חשיבה, שמחויבים כמו פלט ושאותם Meta לא מאפשרת לכבות. בהערכה שמרנית של 1,000 טוקני חשיבה לכל קריאה, שורת הפלט הופכת ל-3 מיליון טוקנים, או $60, בסך יומי של $220.

זהו פער של פי עשרים וחמישה בתעבורה זהה, וזו הגרסה המעט מיטיבה עבור Muse Wonder, משום שמודלי הסקה מוציאים באופן שגרתי הרבה יותר מאלף טוקני חשיבה על משימה שדורשת זהירות. הגדרת המאמץ היא המנוף היחיד, והיא מנוף הן על העלות והן על האיכות בו-זמנית — אי אפשר להנמיך את החשיבה בלי להוריד את התשובה.

הנה החלק שהופך את ההשוואה ליותר מאשר אריתמטיקה. Mercury 3 אינה מפרסמת מספר טוקנים בפלט עבור אף הערכה, כך שאיש אינו יודע אם היא תמציתית או מפורטת ביחס למשימת בסיס. אם יתברר שמדובר במודל פטפטן, העלות היומית תזוז בכפולות, לא באחוזים. הפער של פי עשרים וחמישה עשוי להיות פי חמישה עשר או פי ארבעים בייצור, ואין ראיה מפורסמת לכאן או לכאן.

טענת התפוקה, והמספר שמחליש אותה

הנתון המוביל של Inception הוא 1,068 טוקנים לשנייה על מעבדי NVIDIA, והוא מתואר כמהיר פי 4 עד 8 מהמודלים שאיתם הוא משווה את עצמו. החברה אינה נוקבת בשם החומרה, בגודל ה-batch, בהגדרת המאמץ או בשאלה אם הנתון הוא חד-זרמי או מצטבר — וארבע הבחירות הללו מזיזות את המספר פי כמה. נכון ל-20 באוקטובר 2026 אין מדידה עצמאית של Mercury 3 — Artificial Analysis עדיין מפרטת את Mercury 2.5 ואת Mercury 2, ואין לה עמוד עבור Mercury 3.

מה שכן קיים כמדידה בלתי־תלויה עבור הדור הקודם מלמד. Artificial Analysis מציבה את Mercury 2.5 בכ־706 טוקנים לשנייה במסגרת מערך הבדיקות שלה. זהו נתון צד־שלישי אמיתי וניתן לשחזור, והוא נמוך באופן משמעותי מן המספרים שפרסם הספק בעת ההשקה. הפער הזה הוא פער־ההנחה הרגיל בין נתוני ספק לנתונים בלתי־תלויים בקטגוריה הזו, ולא עדות לחוסר תום לב — אבל זהו הפער שכדאי להחיל באופן מנטלי על 1,068 עד שמישהו ישחזר אותו.

{{1}}Muse Wonder{{/1}}, לעומת זאת, מציג קצב פלט מדוד של {{2}}161{{/2}} טוקנים לשנייה וזמן מדוד של {{3}}32.08 שניות{{/3}} עד לטוקן הראשון. שני הנתונים משקפים את המודל של {{4}}Meta{{/4}} פועל כמתוכנן: הטוקן הראשון מגיע לאחר תהליך חשיבה ארוך, ושאר התשובה נזרמת בקצב בינוני. עבור משימת אצווה זה חסר חשיבות. עבור כל מקרה שבו אדם ממתין, זו החוויה כולה.

פער האיכות הנמדד פועל בכיוון ההפוך. Muse Wonder מקבל 52 ב-Artificial Analysis Intelligence Index, מדורג תשיעי מבין 217 מודלים, בעלות מחשוב של $4.52 למשימת אינדקס. ל-Mercury 3 אין ציון אינדקס. Muse Wonder Full מקבל 56 ומדורג רביעי מבין 696, ללא מחיר מפורסם משום ש-Meta אינה מוכרת אותו לפי טוקן. לכן הניסוח הכנה הוא מודל חזית עם תקרה מדודה ובעיית השהיה מדודה, לעומת מודל תקציבי עם יתרון השהיה מוצהר וללא תקרה מדודה כלל.

הסקה היא החלטה מוצרית, לא הגדרה.

ההבדל העמוק ביותר בין הדגמים האלה אינו במחיר או במהירות. הוא אם מותר למודל לחשוב לזמן קצר.

כאשר פרמטר החשיבה מושמט, Mercury 3 מוגדר כברירת מחדל למאמץ נמוך, וארבע ההגדרות נעות מ״מיידי״ ועד ״גבוה״. ברירת המחדל הזו היא הפרט שהכי סביר שיוחמץ והכי סביר שיעוות כל השוואה: מודל שעונה במאמץ נמוך ייראה מהיר יותר ויקבל ציון נמוך יותר מאותו מודל בהגדרה גבוהה, והטענות ההשוואתיות של Inception עצמה אינן מציינות איזו הגדרה הניבה אותן. אם תערכו בנצ׳מרק ל-Mercury 3 בעצמכם, קבעו את רמת המאמץ במפורש, אחרת המספרים שלכם לא יהיו בני השוואה לאלה של אף אחד אחר — כולל אלה של Inception.

Muse Wonder הוא ההיפך מעצם הבנייה שלו. החשיבה היא חובה, ברירת המחדל היא בינונית, ואין מתג לכבות אותה. זוהי בחירת תכנון מכוונת עבור מודל שמכוון לעבודה מקצועית וסוכנית: התפיסה של Meta היא שהחשיבה היא המוצר. זה גם אומר שלמודל אין מסלול זול. כל קריאה משלמת את מס החשיבה, ובתעריף של $20 למיליון טוקני פלט, לופ סוכני ארוך שממלא את תקציב הפלט של 943,718 טוקנים הוא חשבונית רצינית.

עבור בונה, ההשלכה המעשית היא שאי אפשר להחליף בין שני המודלים האלה מאחורי תבנית פרומפט אחת ולהשוות ביניהם באופן הוגן. ביצוע אותה משימה היטב ב-Mercury 3 משמעו לבחור רמת מאמץ; ביצועה ב-Muse Wonder משמעו להשלים עם זמן החשיבה. ההשוואה הופכת משמעותית רק כאשר שניהם מוצמדים לאותו אופן התנהגות בפועל, ובמקרה של Mercury 3 ההתנהגות הזו אינה מתועדת.

על לוח התוצאות של מטא עצמה, ולמה הוא לא המילה האחרונה

Meta פרסמה עם ההשקה טבלת בנצ'מרקים המכסה את שני הצ'קפוינטים לצד Claude Fable 5.1, ‏GPT-6 Astra ו-Claude Opus 5.5 ברמת חשיבה מרבית. כל מספר מדווח על ידי הספק, הופק בהרנס של Meta, ואף אחד מהם לא שוחזר באופן עצמאי. שתי שורות בכל זאת ראויות להיכלל בהשוואה הזו, משום שהן מראות שהמודל עושה את מה שהוא נמכר כדי לעשות.

• JobBench, משימות מקצועיות לטווח ארוך — Muse Wonder Full 75.3, Muse Wonder 30.8, Claude Fable 5.1 27.6, GPT-6 Astra 34.2, Claude Opus 5.5 30.6

• Vals Finance Agent V2 — Muse Wonder Full 59.1, Muse Wonder 10.0, Claude Fable 5.1 6.4, GPT-6 Astra 8.6, Claude Opus 5.5 4.2

• OSWorld V2.1, שימוש במחשב — Muse Wonder Full 78.4, Muse Wonder 72.6, Claude Fable 5.1 73.1, GPT-6 Astra 66.1, Claude Opus 5.5 75.4

כאשר מטא והמעריך העצמאי חלוקים, המספר העצמאי הוא זה שלפיו יש לתכנן. הטבלה של מטא מציינת את Muse Wonder Full ב-59.0 במדד Artificial Analysis; בעוד ש-Artificial Analysis עצמה מפרסמת 56. שלוש נקודות באותו מדד אינן שערורייה, אך הן קובעות לאיזה נתון יש מתודולוגיה מאחוריו.

ל-Mercury 3 אין טבלה מקבילה שאפשר להתווכח איתה. תוצאת האיכות המובנית היחידה שלו היא מבחן הסוכן Mind2Web: 50 משימות ניווט חיות בסביבת ההרצה הייצורית של Inception עצמה, 50 אחוז הושלמו, "באופן משמעותי יותר מ-GPT-6.1-Sol", תוך שימוש באותו נפח טוקנים ובאותו מספר שלבי סוכן ולכן בשבריר מהעלות לכל טוקן. חמישים משימות הן מדגם קטן, ההארנס הוא של Inception, ומודל ההשוואה מוזכר בלי ציון. זהו אות אמיתי לכך שהמודל יכול להפעיל דפדפן בשבריר מהעלות של מודל חזיתי שעושה את אותו הדבר. זה אינו בנצ'מרק.

איזה משני אלה אתה צריך בעצם להעריך

ההחלטה בדרך כלל תלויה בשאלה אחת: האם אדם ממתין לפלט הזה, או שתור צורך אותו?

אם בן אדם ממתין, Muse Wonder כמעט נפסל על פי המדידות של עצמו. שלושים ושתיים שניות לטוקן הראשון אינן השהיה שאפשר להציג ללקוח, ואיש לא בוחר בו כממשק צ'אט. Mercury 3 נבנה בדיוק למקרה הזה, והמחיר שלו הופך את הניסוי לזול. גם אם התפוקה תעמוד על מחצית מהטענה תחת רתמת בדיקה ניטרלית, היא עדיין מהירה פי כמה מכל דבר בדרג החזית.

אם תור צורך את זה — עיבוד מסמכים בלילה, ריצות סוכניות שמפיקות דוח, זרימות עבודה במשרד אחורי שבהן אף אחד לא צופה — אז האסימון הראשון של 32 השניות מפסיק להיות חשוב, ופער האיכות הנמדד מתחיל להיות חשוב. Muse Wonder עם 52 במדד, עם רקורד עצמאי מלא, הוא גורם מוכר. Mercury 3 עם ציון מדד לא ידוע, בעומס עבודה שבו תשובה שגויה היא יקרה ולא מנוטרת, הוא הימור.

שלושה מקרים ניצבים מחוץ לשניהם:

• וידאו, תמונות או אודיו בפרומפט — Muse Wonder מקבל את כל השלושה, Mercury 3 לא מקבל אף אחד מהם. אין כאן שום פשרה.

• כל דבר שמצריך את הצ'ק-פוינט בעל הניקוד הגבוה ביותר — Muse Wonder Full אינו מוצר API. מדובר במנוי חודשי של 50 עד 200 דולר ל-Muse Code, ו-Meta לא הודיעה שהיא תפתח אותו.

• כל מקרה שבו עליך לתכנן לפי מחיר יציב — להנחת ההשקה של Mercury 3 אין תאריך סיום, והדגמים שקדמו לה מופסקים עבור משתמשים חדשים. ל-Muse Wonder אין שינוי מוכרז במחיר $4/$20.

מה OrcaRouter עושה ומה הוא לא עושה כאן

לא Muse Wonder ולא Mercury 3 נמצאים בקטלוג שלנו. בדיקה של API הדגמים שלנו לא מחזירה דבר עבור meta/muse-wonder ולא עבור שום דגם של Inception, ולא נתאר מסלול שאין לנו. מה שיש לנו ממעבדת Meta הוא קו Muse Spark — Muse Spark 1.2 ו-Muse Spark 1.1, שניהם עם חלון הקשר של מיליון טוקנים במחיר $1.25 לקלט ו-$4.25 לפלט למיליון טוקנים.

זה חשוב יותר להתמודדות הספציפית הזו ממה שזה נשמע. הסיבה להריץ את Muse Wonder היא עומק, והסיבה להריץ את Mercury 3 היא מהירות. אפשר לבחון את שניהם מול מודל שאתה כבר יכול לפנות אליו: Muse Spark 1.2 נותן לך משפחת מודלי חשיבה של Meta עם כרטיס תעריפים מפורסם אצלנו, ויותר מ-200 המודלים שנגישים דרך מפתח אחד תואם OpenAI נותנים לך השוואת השהיה בלי חוזה נוסף. אם תעריף ה-$4/$20 של Muse Wonder אמור להיות מוצדק עבור עומס העבודה שלך, הוא חייב לנצח משהו — והמשהו הזה צריך להיות מודל שאתה יכול למדוד היום אחר הצהריים.

היתרון המכני שראוי לציין הוא העברת מחירים. מחירי המחירון של הספקים מגיעים לחשבונך ללא שינוי, כך שהפחתת מחיר מצד ספק — כמו הנחת ההשקה של 50 אחוז של Inception או הפחתה היפותטית של Meta — פעילה אצלנו ביום שבו היא מוכרזת, ולא בחידוש הבא. זה דבר קטן עד ליום שבו הוא כבר לא.

מה יפתור את זה?

שתי מדידות יעשו את רוב העבודה. הראשונה היא נתון תפוקה עצמאי של Mercury 3 תחת הרנס מוצהר, רמת מאמץ וגודל אצווה; השנייה היא ציון איכות עצמאי כלשהו של Mercury 3, בכלל. עד ששניהם יהיו קיימים, המודל המהיר ביותר בהשוואה הזו הוא גם זה שידוע לך עליו הכי מעט, והמסוגל ביותר הוא זה שאליו תוכל לפנות רק באמצעות מנוי או במחיר שקשה להצדיק בלי תרחיש שימוש שסובל חצי דקה של שתיקה.

מה שהופך את זה להחלטה קלה ולא קשה הוא ששני המודלים אינם מתחרים על אותה משבצת. הסיכון האמיתי היחיד הוא לבחור את המשבצת הלא נכונה — לפרוס מודל של שלושים שניות לתוך חלון צ׳אט מפני שהבנצ׳מרק שלו טוב יותר, או לפרוס מודל שלא נמדד לתוך פייפליין לא מנוטר מפני שהמחיר שלו טוב יותר. שתי אלה הן החלטות לגבי המוצר שלך, לא לגבי המודלים, ואף אחת מהן לא מוכרעת על ידי מספר בלוח דירוג.