Mercury 3 vs Kimi K3: Satu Model yang Dapat Anda Unduh, Satu Model yang Hanya Bisa Anda Sewa

Perbedaan paling berguna antara Mercury 3 dan Kimi K3 tidak ada hubungannya dengan kecepatan atau harga. Kimi K3, yang dirilis Moonshot AI pada 16 Juli 2026 dan kemudian bobotnya diterbitkan pada 27 Juli di bawah lisensi MIT yang Dimodifikasi, adalah model mixture-of-experts berparameter 2,8 triliun yang dapat Anda unduh, periksa, kuantisasi, dan hosting sendiri. Mercury 3, yang dirilis Inception pada 19 Oktober 2026, adalah model difusi tertutup yang hanya bisa Anda panggil. Semua hal lain dalam perbandingan ini — jendela 1 juta token yang sama-sama mereka miliki, ribuan token per detik yang diklaim salah satunya, selisih harga keluaran yang bergerak ke arah sebaliknya — berasal dari perbedaan pertama itu tentang siapa yang memiliki artefaknya. Kunci yang sama menjangkau seluruh katalog lebih dari 200 model dengan harga daftar, dengan failover lintas penyedia. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive yang setiap entrinya mencantumkan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda status diperdebatkan.

Pembingkaian itu bukan sekadar akademis. Itu menentukan model mana di antara kedua model ini yang bisa bertahan ketika pemasoknya pergi, mana yang bisa di-fine-tune dengan data Anda, mana yang bisa Anda jalankan pada pukul tiga pagi tanpa batas laju, dan mana yang merupakan pos anggaran yang berakhir ketika pihak lain memutuskan demikian. Itu juga menentukan seperti apa perbandingan yang adil: harga per token Kimi K3 adalah biaya hosting, sedangkan harga Mercury 3 adalah biaya sewa.

Spesifikasinya, di kedua sisi garis kepemilikan

• Parameter — Kimi K3 total 2,8 triliun, 104 miliar aktif per token, 16 dari 896 ahli vs Mercury 3 yang tidak diungkapkan, hanya dijelaskan sebagai lebih dari 40× lebih besar daripada Mercury 1

• Arsitektur — mixture-of-experts pada Kimi Delta Attention vs model bahasa difusi yang menyempurnakan blok token secara paralel

• Jendela konteks — 1,048,576 token vs 1,000,000 token; praktis seri

• Output maksimum — Kimi K3 hingga jendela penuh 1M dalam satu respons vs Mercury 3 131.072 token

• Modalitas masukan — teks, gambar, dan video vs hanya teks

• Bobot — dipublikasikan, Modified MIT, di Hugging Face vs tertutup

• Harga input — $3,00 per 1 juta vs $0,20 per 1 juta pada harga daftar, $0,10 saat peluncuran

• Harga output — $15.00 per 1 juta vs $0.70 per 1 juta pada harga daftar, $0.35 saat peluncuran

• Input cache — $0.30 per 1 juta vs $0.02 per 1 juta

• Throughput yang diklaim — tidak dipublikasikan oleh Moonshot vs 1.068 token per detik, menurut laporan vendor

• Indeks Kecerdasan Independen — 43,6, menurut Artificial Analysis vs belum ada entri per 20 Oktober 2026

Letakkan kedua kolom harga berdampingan dan selisihnya 15× pada input dan 21× pada output. Letakkan baris modalitas di sebelahnya dan selisihnya menyempit menjadi sesuatu yang lebih sempit daripada sebuah rute: Kimi K3 menerima video dan gambar, Mercury 3 menerima teks, dan beban kerja yang harus menonton rekaman layar tidak memilih di antara keduanya pada harga berapa pun. Letakkan baris bobot di sebelahnya dan perbandingannya berubah sifat sepenuhnya, karena kedua harga itu tidak mengukur hal yang sama.

Apa yang sebenarnya dikatakan oleh pengukuran Kimi K3

Kimi K3 adalah satu-satunya model dalam seri lima bagian ini yang memiliki bobot yang dipublikasikan sekaligus catatan independen lengkap, yang menjadikannya jangkar yang berguna:

• Indeks Kecerdasan — 43,6, diukur oleh Artificial Analysis

• Terminal-Bench 4.0 — 0.1263; Terminal-Bench 2.1 — 0.8502 berdasarkan hasil uji yang dilaporkan vendor sendiri

• SciCode — 0.5949, tertinggi di antara empat lawan dalam batch ini

• Humanity's Last Exam — 0.4690

• Penalaran konteks panjang AA-LCR — 0.8867, pembacaan konteks panjang terkuat dalam seri ini

• GDPval-AA — Elo 1532.59

• AA-Omniscience — 19.7

• GPQA Diamond — 0.9354

• Biaya per tugas pengindeksan — $2,00

Dua catatan penting tentang tabel itu. Angka Terminal-Bench sangat jauh berbeda — 0,1263 pada versi 4.0 dan 0,8502 pada versi 2.1 — yang merupakan masalah versi benchmark, bukan masalah model, dan siapa pun yang mengutip salah satunya tanpa menyertakan yang lain sedang memilih pihak. Lalu indeks Artificial Analysis untuk Kimi K3 terbaca 43,6 hari ini, sementara materi peluncuran dari vendor sendiri mengklaim 57 berdasarkan revisi indeks yang lebih awal. Indeks tersebut telah dibangun ulang sejak saat itu; angka 57 adalah pembacaan historis, bukan angka terkini.

Profil yang lolos dari kedua peringatan itu adalah model yang kuat dalam penalaran konteks panjang dan kode ilmiah, sedang dalam recall pengetahuan, dan biasa saja dalam pekerjaan agen bergaya terminal. Itu bukan profil model yang Anda unduh untuk menggantikan API frontier secara menyeluruh. Itu adalah profil model yang layak dimiliki untuk irisan pekerjaan tertentu — yang justru merupakan argumen untuk bobot terbuka.

Peringatan unduh-dan-jalankan, dinyatakan secara gamblang.

Bobot yang diterbitkan dan bobot yang dapat dijalankan adalah klaim yang berbeda, dan mencampuradukkannya adalah klaim berlebihan yang paling umum dalam peliputan model-model besar Tiongkok. Mixture-of-experts dengan 2,8 triliun parameter dan 104 miliar parameter aktif adalah artefak pusat data. Menerbitkan checkpoint berarti Anda dapat memeriksanya, melakukan fine-tuning, mengkuantisasinya, dan menyajikannya — bagi organisasi yang memiliki puluhan akselerator dan tim teknik untuk membuatnya tetap sibuk. Itu tidak berarti model tersebut berjalan di workstation, dan gelombang kuantisasi yang mengikuti setiap rilis semacam ini sama-sama bertujuan membuat model dapat disajikan seperti halnya membuatnya kecil.

Jadi pembacaan jujur atas lisensi Kimi K3 lebih sempit daripada "open" namun tetap signifikan: ini adalah model kelas terdepan yang dapat diaudit, dimodifikasi, dan di-hosting sendiri. Bagi bisnis teregulasi yang tidak bisa mengirim data pelanggan ke API pihak ketiga, itulah segalanya. Bagi startup dengan tiga engineer dan tagihan API $400 per bulan, ini hanyalah hobi.

Mercury 3 tidak memiliki opsi semacam itu pada harga berapa pun. Itu adalah keterbatasan nyata, dan perlu dinyatakan secara eksplisit bahwa Inception belum mengumumkan rilis bobot (weights release) atau tanggalnya. Alternatif enterprise yang ditawarkannya bersifat kontraktual, bukan teknis: kapasitas khusus, autoscaling, kontrol kepatuhan, dan retensi data yang dapat dikonfigurasi, semuanya di dalam platform Inception. Itu menjawab pertanyaan residensi data bagi sebagian pembeli. Namun, itu tidak menjawab pertanyaan "bagaimana jika vendor lenyap" bagi satu pun dari mereka.

Biaya per pekerjaan yang diselesaikan, bukan biaya per token

Kesenjangan harga output sebesar 21× adalah angka yang biasa dikutip, dan jika berdiri sendiri, angka itu menyesatkan ke dua arah.

Pertama, harga Kimi K3 sebesar $3,00/$15,00 adalah posisi premium di pasar Tiongkok dan Moonshot telah menyatakannya. Dibandingkan dengan Mercury 3 sebesar $0,20/$0,70, itu bukan premium, melainkan kategori yang berbeda. Tim yang menggunakan 50 juta token keluaran per bulan membayar $750 untuk Kimi K3 dan $35 untuk Mercury 3 dengan harga daftar. Perbedaan itu cukup kecil sehingga tidak relevan bagi sebagian bisnis dan cukup besar untuk membiayai satu rekrutan bagi yang lain.

Kedua, angka independen biaya per tugas membalik intuisi. Kimi K3 membutuhkan biaya $2.00 per tugas indeks yang diselesaikan; Mercury 2.5, anggota keluarga Mercury yang paling dekat dan terukur, membutuhkan biaya $0.1167 — tetapi mencetak skor 12,3 berbanding 43,6 milik Kimi K3. Murah per token dan murah per unit pekerjaan adalah angka yang berbeda, dan hanya satu di antaranya yang layak masuk dalam rencana kapasitas. Mercury 3 tidak memiliki angka biaya per tugas karena tidak memiliki skor indeks, yang berarti sel terpenting dalam perbandingan ini kosong.

Ketiga, dan inilah yang sering orang lupakan: Kimi K3 ada di OrcaRouter dengan tarif daftar Moonshot tanpa markup 0%, begitu juga sisa katalog lebih dari 200 model, pada satu endpoint yang kompatibel dengan OpenAI dengan failover otomatis. Mercury 3 tidak demikian — model ini disajikan melalui API milik Inception sendiri dan beberapa platform pihak ketiga. Asimetri ini mengubah bentuk uji coba yang masuk akal: Anda dapat membandingkan Kimi K3 dengan model yang sudah Anda gunakan tanpa menandatangani apa pun yang baru, dan Anda tidak dapat melakukan hal yang sama untuk Mercury 3 tanpa integrasi kedua.

Untuk beban kerja yang menjalankan sesi agen panjang, ada satu lagi faktor biaya yang perlu diperiksa sebelum kartu tarif mana pun dipercaya. Konteks 1M milik Kimi K3 tidak memiliki biaya tambahan untuk permintaan panjang yang dipublikasikan, dan Mercury 3 juga tidak. Hal itu tidak biasa dan menjadi alasan utama kedua model tersebut kredibel untuk transkrip yang di tempat lain akan memicu tingkat penetapan harga ulang.

Mana yang harus dipilih, berdasarkan situasi bukan berdasarkan skor

Pilih Kimi K3 ketika pekerjaan membutuhkan gambar atau video, ketika penalaran konteks panjang menjadi tugas inti — nilai 0,8867 pada AA-LCR adalah yang terbaik dalam batch ini — ketika Anda perlu melakukan fine-tuning pada data eksklusif, ketika data tidak boleh keluar dari infrastruktur Anda, atau ketika Anda menginginkan batas bawah kemampuan yang terukur sebelum mengalokasikan traffic. Bobotnya adalah aset strategis; lisensinya benar-benar permisif; harganya adalah biaya karena tidak menjalankannya sendiri.

Pilih Mercury 3 ketika beban kerjanya hanya teks, terikat latensi, dan bervolume tinggi: balasan dukungan, jawaban pencarian, giliran bimbingan belajar, pekerjaan yang berdekatan dengan klasifikasi di mana respons sub-detik adalah produknya. Dengan output $0.70 dan input yang di-cache $0.02, biayanya cukup murah sehingga ekonomi per-permintaan tidak lagi menjadi kendala desain, dan jendela 1M berarti Anda jarang perlu meringkas. Yang Anda lepaskan adalah modalitas, batas kemampuan minimum yang dipublikasikan, dan jalur apa pun menuju self-hosting.

Pilih keduanya ketika pembagiannya berdasarkan jalur, bukan berdasarkan model. Kedua sistem ini secara arsitektur saling berlawanan — yang satu adalah MoE autoregresif sparse yang masif, yang lain adalah generator difusi paralel — yang berarti keduanya gagal dengan cara yang berbeda, dan kebijakan yang mengarahkan vision serta penalaran konteks panjang ke Kimi K3 dan giliran teks instan ke Mercury 3 menjadi koheren secara substansi, bukan hanya dari segi harga. Yang menjadi kendala adalah integrasi: hanya salah satunya yang merupakan penambahan satu kunci.

Apa yang bisa mengubah jawabannya

Tiga perkembangan, tak satu pun bersifat spekulatif:

• Skor independen pertama Mercury 3. Satu-satunya anggota keluarga Mercury yang terukur berada di 12,3 pada Intelligence Index, dibandingkan 43,6 milik Kimi K3. Jika Mercury 3 mendekati Kimi K3 dengan biaya seperlima belasnya, argumen kepemilikan menjadi satu-satunya argumen yang tersisa bagi Kimi K3. Jika hasilnya mendekati 12,3, selisih harga tidak relevan

• Rilis bobot Mercury 3. Inception belum mengatakan apa pun tentang itu. Bobot terbuka akan meruntuhkan perbedaan utama dalam artikel ini dalam semalam

• Host yang lebih murah untuk Kimi K3. Tarif $3/$15 adalah milik Moonshot sendiri; lisensi terbuka berarti host pihak ketiga dapat menawarkan harga lebih rendah, dan MoE 2.8T yang dihosting dengan harga setengahnya mengubah perhitungan biaya per tugas tanpa mengubah model

Sampai salah satu dari itu terwujud, perbandingannya adalah antara model teks yang dapat disewa, belum terukur, dan sangat cepat dengan model premium yang dapat dimiliki, terukur, dan membaca video. Itu bukan pengganti. Satu-satunya jawaban yang benar-benar salah adalah memilih salah satunya karena ia menang di kolom yang belum pernah dinilai pada yang lain.