Mercury 3 vs GPT-5.6 Sol: 20 Kali Lebih Murah per Token, dan Token Itulah Seluruh Argumennya

Hal yang menarik dari menempatkan Mercury 3 di samping GPT-5.6 Sol adalah bahwa Sol sudah menjadi ujung termurah dari jajaran model terdepan OpenAI, dan Mercury 3 bahkan lebih murah lagi dengan selisih yang membuat kata "murah" tidak lagi berarti apa-apa. Inception Labs merilis Mercury 3 pada 19 Oktober 2026 dengan harga $0,20 per juta token masukan dan $0,70 per juta token keluaran, dipotong setengah menjadi $0,10 dan $0,35 selama periode peluncuran tanpa tanggal berakhir yang dinyatakan. GPT-5.6 Sol, yang dikirim OpenAI pada 9 Juli 2026, tercantum pada harga $4,00 dan $20,00 untuk di bawah 272.000 token serta $8,00 dan $30,00 untuk di atasnya. Pada keluaran, itu adalah selisih 57 kali lipat pada harga peluncuran Mercury dan selisih 28 kali lipat pada harga daftar — dan tidak seperti kebanyakan selisih semacam itu, selisih ini tidak menyusut saat diukur per jawaban, karena keunggulan Sol dalam perbandingan GPT-6 sebelumnya adalah kehematan token, dan Sol tidak hemat dengan cara yang sama seperti GPT-6 Sol. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan di OrcaRouter AI Incident Archive di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, nilai keyakinan, dan penanda status dipersengketakan.

Kedua model akan menerima satu juta token masukan dalam satu panggilan dan keduanya hanya mengeluarkan teks sebagai hasilnya. Yang membedakan keduanya adalah apa yang terjadi di sekitar token: Mercury 3 adalah model bahasa difusi yang menetapkan blok-blok posisi sekaligus dan berjalan pada 1.068 token per detik menurut pengukuran vendor, sedangkan GPT-5.6 Sol adalah model frontier autoregresif yang menerima gambar dan berkas selain teks, dan yang diukur Artificial Analysis pada 87,7 token per detik dengan biaya $1,99 per tugas Intelligence Index. Jadi, perbandingannya bukan terutama tentang model mana yang lebih baik, yang belum diukur oleh siapa pun untuk Mercury, melainkan lebih tentang berapa biaya beban kerja yang sama pada masing-masing model setelah percobaan ulang dan token yang terbuang dihitung.

Dua kartu tarif, baca dengan cermat

Kartu Sol memiliki batas di dalamnya yang tidak dimiliki kartu Mercury, dan batas itu adalah perbedaan struktural paling penting antara kedua produk. Semua yang hingga 272.000 token input ditagih pada $4,00 dan $20,00. Apa pun di atas itu menetapkan ulang harga seluruh permintaan pada $8,00 dan $30,00 — bukan token kelebihannya, melainkan keseluruhannya. Prompt 300.000 token memakan biaya input $2,40 di Sol, yang lebih dari dua kali lipat biaya prompt 250.000 token pada $4,00, untuk teks 20% lebih banyak.

• Harga — Mercury 3: $0.20 / $0.70 per juta token, $0.10 / $0.35 saat peluncuran, input cache diskon 90% dari tarif input. GPT-5.6 Sol: $4.00 / $20.00 per juta untuk di bawah 272.000 token, $8.00 / $30.00 di atasnya, input cache $0.40 dengan biaya penulisan $5.00 per juta.

• Konteks dan keluaran — Mercury 3: 1.000.000 token masuk, 131.072 keluar. GPT-5.6 Sol: 1.050.000 masuk, 128.000 keluar.

• Modalitas — Mercury 3: hanya teks. GPT-5.6 Sol: teks, gambar, dan file masuk, teks keluar.

• Kecepatan — Mercury 3: 1.068 token per detik, diukur oleh Inception. GPT-5.6 Sol: 87,7 token per detik pada harness Artificial Analysis, dengan waktu hingga token pertama 91,8 detik pada beban kerja prompt panjang bawaannya.

• Skor independen — Mercury 3: belum ada yang diterbitkan; tidak ada halaman Artificial Analysis. GPT-5.6 Sol: 47 pada Intelligence Index, 77,4 pada indeks coding, 94,1 pada GPQA Diamond, 49,5 pada Humanity's Last Exam, 84,0 pada long-context recall.

• Rilis — Mercury 3: 19 Oktober 2026. GPT-5.6 Sol: 9 Juli 2026.

Satu angka di kartu Sol layak mendapat kalimat tersendiri, karena dari angka itulah anggaran latensi disusun. Artificial Analysis mencatat median waktu hingga token pertama sebesar 91,8 detik untuk GPT-5.6 Sol pada konfigurasi yang diujinya. Itu bukan salah ketik dan bukan cold start; itulah yang dilakukan model yang mengutamakan penalaran ketika ia berpikir sebelum berbicara pada prompt panjang. Liputan peluncuran Mercury 3 mencakup laporan latensi pihak ketiga — Octen mengukur median waktu generasi 0,9 detik dan median respons end-to-end 2,2 detik pada beban kerjanya — tetapi itu adalah testimoni pelanggan dalam pengumuman vendor, bukan perangkat pengujian netral, dan beban kerjanya berbeda. Arahnya tidak diragukan; besarnya tidak dapat diselesaikan tanpa pengujian yang sama.

Mengapa jumlah token menentukan yang ini, dan cara memeriksanya untuk beban kerja Anda

Kesenjangan per token adalah 28 kali pada harga daftar dan 57 kali saat peluncuran, jadi satu-satunya cara Sol menutupnya adalah dengan menghasilkan jauh lebih sedikit token untuk pekerjaan yang sama. Itulah yang persis terjadi dalam perbandingan GPT-6 Sol, ketika Sol menghabiskan sekitar 31.000 token output per tugas indeks dibandingkan 193.000 milik Claude Sonnet 5.5 dan akhirnya lebih murah per tugas meskipun tingkat outputnya 20 kali lebih tinggi. Hal itu tidak jelas terjadi di sini: GPT-5.6 Sol berbiaya $1.99 per tugas Intelligence Index, sedangkan GPT-6 Sol sekitar $1.05 pada harness yang sama, jadi Sol kira-kira dua kali lebih mahal per jawaban dibandingkan penerusnya dan sekitar 40 kali lebih mahal per jawaban dibandingkan tugas Mercury 3 seharga $0.05 jika Mercury mengonsumsi volume token yang sama.

Kata "jika" itulah yang memikul seluruh beban, dan layak dinyatakan sebagai uji, bukan klaim. Ambil seratus prompt milik Anda sendiri, jalankan melalui Sol, dan catat token keluaran per prompt serta apakah jawabannya perlu diulang. Lakukan hal yang sama pada Mercury 3. Kalikan dengan kartu tarif. Hasilnya adalah jawaban Anda, dan itu butuh waktu satu sore, bukan perdebatan benchmark.

Tiga bentuk hasil cukup umum untuk diprediksi sebelumnya.

• Pekerjaan teks singkat bervolume tinggi — klasifikasi, ekstraksi, perutean, ringkasan singkat, 150 token keluaran per panggilan. Penghematan token Sol tidak punya apa pun untuk ditindaklanjuti, jadi kartu tarif adalah keseluruhan ceritanya: 28 hingga 57 kali lebih murah pada Mercury 3, sebelum diskon.

• Pekerjaan yang menuntut penalaran — analisis multi-langkah yang membuat Sol menghabiskan 20.000 token penalaran. Jika Mercury 3 memerlukan dua percobaan untuk mencapai jawaban yang sama, kesenjangan efektifnya turun dari 28 kali lipat menjadi 14 kali lipat; jika memerlukan lima, turun menjadi di bawah enam kali lipat. Tetap merupakan penghematan besar, bukan lagi sekadar kesalahan pembulatan dalam keputusan.

• Apa pun yang melibatkan gambar — tangkapan layar, halaman hasil pindai, bagan. Mercury 3 mengembalikan kesalahan. Perbandingannya tidak ada, dan harga input multimodal Sol adalah sebesar apa pun yang dikenakan Sol.

Diskon, dan mengapa model biaya yang jujur menggunakan daftar

Tarif output Mercury 3 sebesar $0.35 adalah promosi. Inception telah menerbitkan harga daftar dan diskonnya, tetapi tidak tanggal berakhirnya, yang berarti model biaya yang dibangun berdasarkan $0.35 memiliki liabilitas yang tidak dapat diukur oleh siapa pun. Pada beban kerja jawaban singkat di atas, selisih antara harga peluncuran dan harga daftar adalah 2x — 2x yang sama yang memisahkan kuartal baik dari kuartal buruk, datang tanpa peringatan.

Kartu Sol memiliki sifat yang berlawanan. Kartu ini stabil, memiliki batas yang terdokumentasi, dan memiliki struktur cache yang terdokumentasi: $0,40 per juta untuk pembacaan, biaya penulisan $5,00 per juta, yang 25% di atas tarif input. Untuk beban kerja yang mengirim ulang preamble 30.000 token yang sama pada setiap langkah loop agen, premi penulisan itu layak dihitung sebelum diabaikan — Sol membayar 25% lebih sekali dan 90% lebih sedikit pada setiap pembacaan berikutnya, dan pada sepuluh langkah atau lebih per tugas, biaya input teramortisasi turun di bawah $1,00 per juta.

Tarif cache Mercury 3 adalah $0.02 per juta pada harga daftar, $0.01 selama periode peluncuran, tanpa premi penulisan yang dipublikasikan. Itu adalah angka tunggal terkuat yang menguntungkannya untuk tepat beban kerja tersebut: loop agen dua puluh langkah dengan preamble 30.000 token menelan biaya input cache sebesar $0.60 di Mercury pada harga daftar, dibandingkan dengan sekitar $0.40 per juta untuk pembacaan di Sol setelah penulisan — sebanding secara absolut, dan perbandingan itu tetap sebanding hanya karena caching Sol luar biasa baik. Hilangkan caching dari keduanya dan selisihnya kembali 20 kali lipat.

Apa yang dilakukan lapisan routing dengan selisih 20 kali lipat dan tanpa skor netral

GPT-5.6 Sol ada di katalog OrcaRouter dengan tarif OpenAI sendiri — $4.00 dan $20.00 per juta, $8.00 dan $30.00 di atas batas 272.000 token, $0.40 untuk pembacaan cache — di balik endpoint yang kompatibel dengan OpenAI yang sama seperti semua yang kami rutekan, tanpa tambahan markup apa pun. Mercury 3 tidak ada di katalog; API model kami tidak mengembalikan apa pun untuk model Inception mana pun, jadi siapa pun yang memanggilnya akan pergi ke platform Inception sendiri, tempat akun baru mendapatkan 100 juta token gratis, atau ke salah satu dari beberapa platform pihak ketiga yang menghostingnya.

Kesenjangannya cukup besar sehingga langkah yang menggoda adalah mengalihkan seluruh beban kerja dan melihat apa yang rusak. Alasan untuk tidak melakukannya bukanlah kehati-hatian demi kehati-hatian itu sendiri; alasannya adalah Mercury 3 memiliki satu hasil kualitas, yang dihasilkan di dalam harness agen milik Inception sendiri pada 50 tugas Mind2Web live, di mana ia menyelesaikan 50% dan dilaporkan melakukannya dengan volume token dan jumlah langkah yang sama seperti model frontier. Itu adalah hasil yang benar-benar menarik — situs live, bukan snapshot — dan juga tidak dapat difalsifikasi dari luar, karena harness dan penilaiannya milik penjual.

Yang diberikan oleh aturan perutean dalam situasi itu adalah eksperimen yang dibatasi. Kirim sebagian lalu lintas yang telah ditentukan ke Mercury 3, pertahankan Sol di belakangnya sebagai jalur cadangan, dan biarkan failover otomatis menangani kasus ketika model baru mengalami timeout atau error. Porsi tersebut adalah angka dalam file konfigurasi, bukan jalur kode; memperlebarnya dari 10% menjadi 100%, atau menyempitkannya ke nol saat diskon berakhir, adalah perubahan pada angka tersebut.

Ada juga opsi ketiga yang tidak akan diberitahukan oleh halaman kedua vendor, dan itulah opsi yang paling sering dipilih tim setelah mereka menghitung angkanya: GPT-6 Sol. Model ini memakai kartu tarif $4,00 dan $20,00 yang sama dengan GPT-5.6 Sol, berada satu tingkat di bawah model unggulan GPT-6, dan biayanya sekitar $1,05 per tugas Intelligence Index dibandingkan $1,99 untuk Sol. Jika alasan Anda mempertimbangkan Mercury 3 adalah karena Sol terlalu mahal per jawaban, jawaban yang lebih murah untuk masalah itu mungkin adalah model yang lebih baru dengan harga yang sama, bukan model yang belum terukur dengan harga seperdua puluhnya.

Ke mana ini berujung

Untuk pekerjaan bervolume tinggi yang hanya berupa teks, hitungannya tidaklah tipis dan tidak bergantung pada apa pun yang belum terverifikasi: pada harga daftar, Mercury 3 adalah 20 kali lebih murah untuk input dan 28 kali lebih murah untuk output dibandingkan GPT-5.6 Sol, dengan jendela konteks yang sama besarnya dan tidak ada batas yang perlu dilewati. Jika beban kerja Anda adalah sejuta panggilan singkat per bulan, itulah keputusannya, dan risikonya dapat diukur dalam satu hari lalu lintas.

Untuk pekerjaan yang bernalar selama dua puluh ribu token, membaca tangkapan layar, atau berjalan tanpa pengawasan selama berjam-jam dengan alat di dalam loop, Sol adalah model dengan perilaku yang terdokumentasi dan harga yang stabil, dan waktu 91,8 detik hingga token pertama adalah angka nyata yang dapat Anda jadikan patokan, bukan klaim yang harus Anda uji. Itu bukan hal kecil yang harus dibayar.

Satu-satunya pengukuran yang akan mengakhiri perdebatan adalah biaya Mercury 3 per tugas Intelligence Index pada harness yang menghasilkan $1.99 milik Sol. Pengukuran itu tidak ada, belum ada tanggal yang diberikan untuknya, dan sampai pengukuran itu ada, setiap angka per jawaban dalam artikel ini untuk Mercury 3 hanyalah asumsi dengan daftar tarif yang dilampirkan. Daftar tarifnya, setidaknya, nyata — dan pada 20 kali lipat, cukup lebar untuk layak diuji sebelum layak dipercaya.