Mercury 3 vs DeepSeek V4 Pro: Satu Ditagih Berdasarkan Waktu, Satu Ditagih Berdasarkan Peluncuran

Dua model bisa sama-sama berbiaya "sekitar satu dolar per juta token keluaran" dan tetap menagih Anda dengan cara yang sangat berbeda. Mercury 3 menagih $0,35 per juta token keluaran minggu ini dan $0,70 setelah diskon peluncuran berakhir — jadwal dengan satu tanggal yang belum diketahui. DeepSeek V4 Pro menagih $1,98 per juta token keluaran di luar jam sibuk dan $3,96 selama dua jendela waktu setiap hari kerja, 01:00–04:00 dan 06:00–10:00 UTC — jadwal dengan jam yang terpasang. Jika lalu lintas Anda bersifat meledak-ledak dan jatuh pada jendela waktu tersebut, DeepSeek V4 Pro berbiaya hingga 11 kali lipat dari biaya Mercury 3 saat peluncuran, dan sekitar 5,7 kali lipat pada harga daftar Mercury. Jika lalu lintas Anda berjalan sepanjang malam dan pada akhir pekan, selisihnya menyempit menjadi 2,8 kali lipat. Tak satu pun dari angka-angka itu adalah angka yang ada dalam perbandingan di judul, dan itulah inti dari menempatkan keduanya berdampingan. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan di the OrcaRouter AI Incident Archive di mana setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda status diperdebatkan.

Model-modelnya sendiri juga jauh lebih berbeda daripada yang tampak dari harganya. Mercury 3 adalah model bahasa difusi milik Inception Labs, dirilis 19 Oktober 2026: konteks 1M, 131.072 token keluaran, hanya teks, 1.068 token per detik menurut pengukuran Inception sendiri, dan tidak ada skor benchmark numerik yang dipublikasikan. DeepSeek V4 Pro adalah model mixture-of-experts andalan DeepSeek, dirilis 24 April 2026 dan diperbarui sebagai build 0813 pada Agustus: total 1,6 triliun parameter dengan sekitar 49 miliar yang aktif, konteks 1.048.576, batas keluaran 384.000 token, input hanya teks, dan banyak pengukuran pihak ketiga yang mendukungnya. Yang satu adalah strategi kecepatan dengan batas atas yang belum terbukti. Yang lain adalah strategi kapasitas dengan rapor yang terbukti — dan tidak merata.

Kartu tarif, termasuk bagian-bagian yang mudah terlewat

• Keluaran — Mercury 3 $0.35 per juta saat peluncuran, $0.70 pada harga daftar. DeepSeek V4 Pro $1.98 di luar jam sibuk, $3.96 pada jam sibuk.

• Input — Mercury 3 $0.10 saat peluncuran, $0.20 pada harga daftar. DeepSeek V4 Pro $0.66 di luar jam sibuk, $1.32 pada jam sibuk.

• Input yang di-cache — Mercury 3 $0.01 saat peluncuran, $0.02 pada harga daftar, diskon tetap 90%. DeepSeek V4 Pro $0.022 di luar jam sibuk, $0.044 pada jam sibuk, yang merupakan rasio 1/30 yang sama tetapi diterapkan pada basis yang lebih tinggi.

• Saat tarif puncak berlaku — jendela puncak DeepSeek adalah 01:00–04:00 dan 06:00–10:00 UTC, Senin hingga Jumat, kecuali hari libur umum Tiongkok. Semua waktu lainnya, termasuk seluruh jam akhir pekan, ditagih dengan tarif lebih rendah. Diskon Mercury 3 tidak memiliki tanggal berakhir yang dipublikasikan.

• Batas keluaran — DeepSeek V4 Pro 384.000 token, sekitar tiga kali lipat dari 131.072 milik Mercury 3.

• Konteks — keduanya secara nominal 1M token.

• Input — hanya teks pada keduanya. Keduanya bukan model multimodal, jadi dimensi ini imbang, bukan pembeda seperti biasanya.

• Throughput — Mercury 3 pada 1.068 tok/s per Inception, tidak tereproduksi. DeepSeek V4 Pro pada 119,1 tok/s output yang diukur di seluruh lalu lintas playground kami sendiri selama tujuh hari.

• Kontrol penalaran — Mercury 3 menawarkan tingkat upaya instan, rendah, sedang, dan tinggi, dengan default rendah. DeepSeek V4 Pro berjalan dalam mode berpikir secara default dengan mode non-berpikir tersedia, dan kedua mode memiliki harga yang sama.

Aturan jendela puncak lebih layak mendapat perhatian daripada yang biasanya diberikan, karena aturan ini membuat model biaya yang mengasumsikan tarif tunggal menjadi salah sebesar faktor dua selama sekitar tujuh jam setiap hari kerja — dan tujuh jam tersebut mencakup pagi hari Eropa serta awal hari kerja AS. Beban kerja yang di spreadsheet terlihat seperti $1,98 per juta bisa menjadi $2,97 per juta secara campuran tanpa ada yang mengubah satu baris kode pun.

Apa yang dikatakan angka DeepSeek sendiri tentangnya

DeepSeek V4 Pro dapat diukur dengan cara yang saat ini belum bisa dilakukan pada Mercury 3, dan hasil pengukurannya tidak semuanya membanggakan. Artificial Analysis menempatkannya pada Intelligence Index 36.0 dan skor AA Coding 68.8. Skor GPQA Diamond-nya 92.8%, Humanity's Last Exam 41%, SciCode 51%, daya ingat konteks panjang 80.3%. Pada τ²-Bench, tolok ukur penggunaan alat agentik, skornya 96.2 — dan kartu katalog kami sendiri mengedepankan angka itu, yang memberi tahu Anda apa yang sebenarnya menjadi keunggulan model ini.

Angka yang seharusnya membuat agen coding berhenti sejenak adalah Terminal-Bench 4.0: 14.1%. Itu bukan salah ketik dan bukan benchmark yang berbeda dari yang memperoleh skor 59.6% untuk Claude Opus 5.5. Terminal-Bench 4.0 adalah rangkaian tugas terminal berhorizon panjang, dan model yang skornya di belasan rendah bukanlah model yang Anda beri tugas rekayasa multi-langkah lalu tinggalkan. Bandingkan dengan 96.2 pada τ²-Bench: DeepSeek V4 Pro sangat baik dalam panggilan alat terstruktur terhadap fungsi yang terdefinisi dengan baik dan lemah dalam pekerjaan shell terbuka. Itu produk yang berbeda, dan kedua skor tersebut bersama-sama menggambarkan batasnya.

Mercury 3 tidak memiliki tabel yang setara. Satu-satunya klaim kualitas terstrukturnya adalah uji agen pada 50 tugas navigasi Mind2Web live yang berhasil diselesaikannya 50%, yang menurut Inception “secara signifikan lebih banyak daripada GPT-6.1-Sol” dan yang menggunakan volume token serta jumlah langkah yang sama. Jadi perbandingan yang sebenarnya diinginkan pembeli — bagaimana kedua ini berperilaku pada tugas agen yang sama — belum dijalankan oleh siapa pun secara publik. Yang dapat dikatakan adalah bahwa keduanya dibangun untuk mode kegagalan yang berbeda: D​eepSeek memiliki kompetensi pemanggilan alat yang mendalam dan anggaran keluaran yang panjang; Mercury memiliki kecepatan dan basis bukti yang jauh lebih tipis.

Biaya, berdasarkan waktu nyata

Ambil contoh beban kerja pemrosesan dokumen: 60 juta token masukan dan 15 juta token keluaran per hari, yang merupakan alur proses yang masuk akal untuk peninjauan kontrak atau berkas di firma ukuran menengah. Pada Mercury 3 dengan tarif peluncuran, itu berarti $6,00 untuk masukan dan $5,25 untuk keluaran, atau $11,25 sehari. Pada DeepSeek V4 Pro dengan tarif di luar jam sibuk, biayanya $39,60 dan $29,70, atau $69,30 sehari.

Sekarang pindahkan setengah dari lalu lintas itu ke jendela puncak D​eepSeek. Tiga puluh juta token input dengan biaya luar jam sibuk $19,80 dan tiga puluh juta pada jam sibuk $39,60; outputnya terbagi menjadi $14,85 dan $29,70. Total harian menjadi $103,95. Token sama, model sama, dan tagihannya naik dari $69,30 menjadi $103,95. Tagihan Mercury 3 sama sekali tidak berubah mengikuti waktu.

Di sinilah D​eepSeek memperoleh kembali nilainya melalui kapasitas. Batas atas keluaran 384.000 token berarti satu panggilan dapat menghasilkan ekstraksi terstruktur atas dokumen yang sangat panjang tanpa pemotongan — yang bagi pipeline hukum atau keuangan bukan sekadar kemudahan, melainkan properti kebenaran, karena dalam pemotongan itulah referensi silang hilang. Batas atas 131.072 token Mercury 3 akan mencakup sebagian besar pekerjaan semacam itu, tetapi tidak semuanya. Jika tugas Anda secara rutin menghasilkan keluaran melebihi 130K token, perbandingan harga menjadi tidak relevan: model yang lebih murah tidak dapat mengerjakan tugas itu.

Perbedaan open-weights yang tak disebut siapa pun dalam tabel harga

DeepSeek menerbitkan bobot. DeepSeek-V4-Pro-0813 tersedia di Hugging Face di bawah organisasi deepseek-ai, bertanggal 13 Agustus 2026, bersama lini V4.1-Flash yang terus dirilis hingga Oktober. Artinya Anda dapat melakukan self-host, fine-tune, kuantisasi, atau menjalankan model di lingkungan terisolasi, dan tidak ada vendor yang dapat menariknya dari Anda. Inception belum menerbitkan bobot Mercury 3, dan pengumuman tersebut tidak memberikan komitmen untuk melakukannya. Jika postur kepatuhan Anda mengharuskan model berada di dalam perimeter Anda, perbandingan tersebut hanya memiliki satu jawaban yang layak.

Komprominya adalah bahwa melakukan self-hosting model mixture-of-experts dengan 1,6 triliun parameter bukanlah proyek akhir pekan, dan harga layanan hosted cukup rendah sehingga sebagian besar tim sebaiknya tidak mencobanya. Poin yang relevan adalah opsionalitas, bukan ekonomi.

Menempatkan keduanya di balik satu tombol

DeepSeek V4 Pro ada dalam katalog kami sebagai deepseek/deepseek-v4-pro, ditagih dengan tarif DeepSeek sendiri dengan markup 0% — termasuk pengali puncak, yang diteruskan apa adanya alih-alih diratakan menjadi angka tetap. Ini lebih penting di sini daripada biasanya: penyedia yang harganya berubah mengikuti jam adalah tepat kasus di mana router seharusnya menunjukkan jadwal sebenarnya kepada Anda, bukan rata-rata. Mercury 3 tidak ada dalam katalog kami; API model kami sama sekali tidak memiliki model Inception, jadi rute ke sana adalah platform Inception sendiri.

Pola yang masuk akal bagi tim yang mengevaluasi keduanya adalah pembagian berdasarkan bentuk tugas, bukan pembagian berdasarkan harga. Kirim ekstraksi keluaran panjang dan pemanggilan alat terstruktur ke DeepSeek V4 Pro, tempat batas 384K dan skor τ²-Bench benar-benar berperan; kirim tier keluaran pendek yang kritis terhadap latensi ke Mercury 3 melalui kunci Inception. Satu endpoint yang kompatibel dengan OpenAI mencakup sisi DeepSeek dan lebih dari 200 model lainnya, dengan failover otomatis jika penyedia menurun, dan DSL perutean dapat menyimpan aturan bentuk tugas sehingga dikonfigurasi sekali alih-alih diimplementasikan ulang di setiap layanan. Anda mempertahankan jalur cepat yang murah di tempat kecepatan adalah produknya dan kapasitas yang terbukti di tempat kebenaran menjadi hal utama.

Yang mana yang harus dipilih

Pilih DeepSeek V4 Pro ketika pekerjaannya berupa output terstruktur yang panjang, alur kerja pemanggilan alat terhadap fungsi yang telah ditentukan, atau apa pun yang harus berjalan di dalam infrastruktur Anda sendiri. Terimalah bahwa Anda membayar antara 2,8 dan 5,7 kali harga peluncuran Mercury 3, bahwa tagihannya berubah setiap jam, dan bahwa Terminal-Bench 4.0 menyatakan ini bukan agen coding otonom Anda.

Pilih Mercury 3 ketika pekerjaannya singkat, hanya teks, kritis terhadap latensi, dan murah untuk dicoba ulang — giliran suara, petunjuk, ringkasan pencarian, draf dukungan — dan ketika Anda bersedia menjalankan evaluasi sendiri, karena belum ada yang menerbitkannya. Diskon peluncuran membuat uji coba hampir gratis; tidak adanya tanggal berakhir membuatnya menjadi fondasi yang buruk untuk model biaya lima tahun.

Satu hal yang jangan dilakukan adalah memilih di antara keduanya berdasarkan harga token yang ditonjolkan. Batas waktu DeepSeek dan jendela peluncuran Mercury sama-sama bersifat sementara dengan caranya masing-masing, dan angka yang seharusnya menjadi dasar keputusan — biaya per tugas yang diselesaikan, termasuk percobaan ulang dan tinjauan manusia — adalah angka yang tidak dipublikasikan oleh vendor mana pun.