Mercury 3 vs GPT-6 Astra: Harga Output 28 Kali Lipat, Dibeli Satu Tingkat Upaya demi Satu Tingkat Upaya

Mercury 3 dan GPT-6 Astra berbeda 28 kali lipat pada harga output — $0.35 per juta selama jendela peluncuran Inception dibandingkan $50.00 dari OpenAI — dan sekitar 18 kali lipat pada throughput dalam arah sebaliknya. Kedua angka itu mudah dikutip dan hampir tidak berguna sendirian, karena Astra bukan satu model dengan satu harga. Astra adalah tangga penalaran: lima tingkat upaya, skor indeks yang naik dari 46 di dasar ke 53 di puncak, dan tagihan yang ikut naik. Mercury 3 juga punya semacam tangga — empat pengaturan upaya dan satu default di dasar — tetapi tidak ada skor independen pada tingkat mana pun. Jadi pertanyaan sebenarnya dalam perbandingan ini bukanlah apakah Astra layak 28 kali Mercury 3. Pertanyaannya adalah seberapa jauh Anda benar-benar perlu menaiki tangga Astra, dan apakah pekerjaan yang Anda lakukan memang membutuhkan tangga sama sekali. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam Arsip Insiden AI OrcaRouter yang setiap entrinya mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda diperdebatkan.

Angka yang menentukan ini, dan itu bukan harga.

Artificial Analysis mengukur GPT-6 Astra pada 53 di Intelligence Index miliknya pada pengaturan upaya maksimum model, menduduki peringkat ketujuh dari 216 model dalam indeks tersebut, dengan sekitar $3,26 biaya komputasi per tugas indeks. Jalankan rangkaian yang sama pada pengaturan upaya terendah dan skornya adalah 46. Kelima tingkatan tersebut, secara berurutan, adalah 46, 50, 51, 52, dan 53.

Baca tangga itu dua kali. Pembacaan pertama adalah bahwa anak tangga teratas hanya tujuh poin di atas yang terbawah, pada rangkaian uji yang selisih tujuh poinnya besar — model di bawah Astra dan model di atasnya dipisahkan oleh margin yang lebih kecil daripada itu. Pembacaan kedua adalah bahwa anak tangga keempat, dengan skor 52, hanya berjarak satu poin dari puncak dan mungkin lebih murah. Jika tugas Anda tidak memerlukan poin terakhir, Anda tidak memilih antara Mercury 3 dan model 53 poin; Anda memilih antara Mercury 3 dan model 52 poin, dan harga untuk mencapainya adalah sebuah parameter, bukan model yang berbeda.

Mercury 3 tidak menawarkan pilihan semacam itu, karena tidak ada yang perlu didaki. Tidak ada skor indeks pada instan, rendah, sedang, atau tinggi. Klaim komparatif Inception sendiri — bahwa Mercury 3 mengungguli GPT-6 Luna dan Claude Haiku 5.5 — adalah klaim tentang tier cepat, dibuat tanpa margin, dan satu hasil kualitas terstrukturnya adalah penyelesaian 50% pada 50 tugas navigasi Mind2Web langsung di dalam harness agen miliknya sendiri. Itu adalah hasil nyata dan sampel yang kecil, dan itu tidak memberi tahu Anda di mana Mercury 3 akan berada pada indeks 216 model jika dimasukkan besok.

Apa yang sebenarnya terkandung dalam satu token keluaran seharga $50

GPT-6 Astra menerima teks, gambar, dan file, memiliki jendela konteks 1,05 juta token, dan mengembalikan hingga 128K token. Daftar tarif standarnya adalah $10,00 per juta token masukan dan $50,00 per juta token keluaran, dengan masukan cache sebesar $1,00. Di atas 272.000 token masukan, seluruh permintaan dihargai ulang pada $20,00 dan $75,00, dengan masukan cache $2,00 — batas tersebut bukan tingkat marginal, melainkan sakelar yang menggandakan seluruh tagihan. Pemrosesan batch dan flex memangkas tarif menjadi separuh; mode cepat menggandakannya. Penalaran selalu aktif dan berjalan dari rendah hingga maksimal.

Dua jebakan ada di paragraf itu. Batas 272.000 token berarti permintaan 280.000 token biayanya dua kali lipat permintaan 270.000 token, tanpa kredit parsial — jadi pemangkasan konteks di dekat batas itu lebih layak mendapat upaya rekayasa daripada yang diberikan sebagian besar tim. Dan apa yang dipasarkan OpenAI sebagai "GPT-6 Astra Pro" bukanlah model terpisah atau SKU terpisah; itu adalah pengaturan pro pada dial penalaran, yang berarti dapat dijangkau dari endpoint yang sama dengan tarif yang sama dan bukan sesuatu yang memerlukan kontrak baru untuk digunakan.

Sebagai perbandingan, Mercury 3 adalah $0,20 dan $0,70 pada harga resmi, dipotong setengah untuk periode peluncuran menjadi $0,10 dan $0,35, dengan input cache sebesar $0,02 dan $0,01. Satu jendela konteks 1M token, satu output maksimum 131.072, tanpa tingkatan, tanpa batas, tanpa pengali batch. Kartu tarifnya hanya empat baris. Kesederhanaan itu bernilai tersendiri — model biaya yang bisa Anda simpan di kepala tidak bergeser.

Model biaya yang tidak dijalankan siapa pun: token per tugas, bukan harga per token

Harga per token Astra adalah angka yang paling tidak menarik tentang biaya Astra. Artificial Analysis melaporkan bahwa menjalankan Intelligence Index penuh pada Astra menghabiskan total sekitar 60 juta token keluaran, dan satu tugas indeks memakan biaya sekitar $3.26. Bagilah satu dengan yang lain dan Anda mendapatkan rasio yang penting: Astra menghabiskan banyak biaya untuk berpikir sebelum mengeluarkan biaya apa pun untuk menjawab.

Mercury 3 dibanderol empat belas kali lebih murah daripada Astra saat peluncuran dan 71 kali lebih murah pada daftar harga Mercury dibandingkan tarif standar Astra. Namun perbandingan harga per token mengasumsikan kedua model menghasilkan jumlah token yang sebanding untuk tugas yang sama, dan semua yang diketahui tentang decoding difusi menunjukkan bahwa asumsi itu tidak berlaku. Model difusi menyelesaikan satu blok posisi melalui sejumlah tetap lintasan denoising; panjang outputnya merupakan sifat dari jawaban, bukan dari monolog internal yang terurai sebelum jawaban. Panjang output Astra didominasi oleh monolog tersebut.

Itu berlaku dua arah, dan kedua arahnya layak disebutkan. Pada tugas yang berat dalam penalaran, di mana Astra menghabiskan 100.000 token penalaran untuk mendapatkan jawaban yang benar, keunggulan Mercury 3 jauh lebih besar daripada 14x, karena Mercury 3 sama sekali tidak membayar untuk monolog tersebut — meskipun apakah ia mencapai jawaban yang sama tanpa monolog itu justru merupakan pertanyaan terbuka. Pada tugas jawaban singkat, di mana Astra menjawab dalam tiga ratus token dengan upaya rendah, monolog tidak pernah terjadi, dan perbandingannya menyusut menjadi rate card: 14x saat peluncuran, 71x pada daftar harga Mercury.

Berikan beban kerja nyata padanya. Sepuluh juta token masukan dan dua juta token keluaran per hari, campuran dukungan dan peringkasan. Di Astra dengan tarif standar, itu $100 untuk masukan dan $100 untuk keluaran — $200 sehari, sekitar $6,000 sebulan. Di Mercury 3 dengan tarif daftar, itu $2 dan $1.40 — $3.40 sehari, sekitar $102 sebulan. Dengan tarif peluncuran, angkanya setengahnya lagi. Trafik yang sama, pengeluaran 59 kali lipat, dan pertanyaan apakah jawaban Astra 59 kali lebih baik adalah pertanyaan yang saat ini tidak bisa dijawab siapa pun dengan angka.

Di mana router sebenarnya membantu dalam pertarungan ini

GPT-6 Astra ada di katalog OrcaRouter. Model ini dapat diakses dari endpoint yang kompatibel dengan OpenAI yang sama seperti model lain yang kami rutekan, dengan tarif daftar OpenAI tanpa tambahan apa pun dari pihak kami — $10.00 input, $50.00 output, $1.00 cached, dan tier konteks panjang sebesar $20.00 dan $75.00 di atas batas 272.000 token — dengan chat completions dan Responses API tersedia, tergantung bentuk yang sudah dipahami kode Anda.

Mercury 3 tidak ada di katalog. API model kami tidak mengembalikan apa pun untuk model Inception mana pun, jadi untuk memanggilnya berarti harus melalui platform milik Inception sendiri, tempat akun baru saat ini mendapatkan 100 juta token gratis, atau melalui salah satu platform inferensi yang dicantumkan Inception. Kami lebih memilih mengatakan itu daripada membiarkan tulisan perbandingan menyiratkan jalur yang tidak kami miliki.

Yang diberikan lapisan routing di sini adalah dial kedua yang berbeda jenisnya dari level effort Astra. Lima level effort adalah dial milik Astra sendiri, dan menaikinya memakan biaya di setiap tingkat. Routing memungkinkan Anda memilih seberapa jarang Anda membayar Astra sama sekali: kirim sebagian besar trafik ke model di tier cepat yang kami route — GPT-6 Luna dengan $0.10 dan $0.50, atau Claude Haiku 5.5 dengan $1.00 dan $5.00 — dan sisihkan Astra pada high atau max untuk sebagian kecil permintaan yang benar-benar sulit, dengan failover otomatis jika penyedia menurun dan DSL routing untuk mengekspresikan pembagian itu sebagai aturan alih-alih cabang kode. Penghematannya bukan pada tarif Astra; melainkan pada seberapa sering Anda menghindarinya.

Itu juga, kebetulan, cara yang jujur untuk mengevaluasi Mercury 3. Tempatkan di jalur fast-tier bersama Luna dan Haiku 5.5, tempat perbandingan Inception sendiri menempatkannya, dan lihat apakah ia menang pada tugas Anda. Membandingkannya langsung dengan Astra adalah membandingkan model tanpa skor indeks dengan model pada tangga ketujuh dari indeks 216 model, dan hasilnya akan lebih banyak memberi tahu Anda tentang ketidakcocokan itu daripada tentang salah satu model.

Satu detail yang tidak boleh diabaikan oleh lapisan perutean, dan kami tidak mengabaikannya: rate card Astra memiliki batas pada 272.000 token input yang mengubah harga seluruh permintaan, dan mode batch yang memangkasnya menjadi setengah. Itu bukan penyesuaian marginal, dan penerusan apa adanya pada harga daftar hanya bernilai jika bagian-bagian yang merepotkan juga ikut diteruskan.

Perbandingan yang akan menyelesaikannya

Yang bisa menyelesaikan perbandingan Mercury 3 vs GPT-6 Astra bukanlah postingan peluncuran dan bukan artikel ini. Itu adalah satu angka: posisi Mercury 3 pada indeks yang sama dengan yang ditempati Astra, pada setelan effort yang dinyatakan, pada suite yang sama, diukur oleh pihak yang bukan Inception. Sampai itu ada, setiap perbandingan antara keduanya adalah perbandingan antara model yang terukur dan model yang tidak terukur, dan model yang terukur seharusnya secara default mendapatkan prasangka baik — bukan karena menghormati OpenAI, tetapi karena skor yang bisa Anda periksa bernilai lebih daripada angka throughput yang tidak bisa Anda periksa.

Sikap yang berguna untuk sementara ini adalah sikap yang disarankan oleh tangga Astra sendiri. Sebagian besar pekerjaan tidak membutuhkan anak tangga teratas dari apa pun. Arahkan sebagian besar lalu lintas Anda ke model termurah yang memenuhi standar kualitas Anda, simpan tingkat mahal untuk permintaan yang gagal memenuhinya, dan perlakukan Mercury 3 sebagai kandidat untuk jalur murah, bukan sebagai alternatif bagi jalur mahal. Jika ternyata model itu memenuhi standar tersebut dengan seperempat belas harga, Anda akan mengetahuinya pada tugas-tugas Anda sendiri, yang merupakan satu-satunya rangkaian tugas yang hasilnya benar-benar dapat Anda tindak lanjuti.