Mercury 3 vs MiniMax M3: Satu Angka Melawan Seluruh Rekor

Inception merilis Mercury 3 pada 19 Oktober 2026 dengan satu angka performa — 1.068 token per detik — dan tanpa skor benchmark apa pun. MiniMax merilis MiniMax M3 pada 1 Juni 2026 dengan tabel benchmark dari vendor, checkpoint yang dapat diunduh, dan, empat bulan kemudian, skor yang dipublikasikan oleh evaluator independen. Jika keduanya dibandingkan secara berdampingan, pertanyaan yang menarik bukanlah model mana yang lebih cepat atau lebih murah. Persoalannya adalah bahwa salah satu model ini hari ini dapat diperiksa oleh pihak selain pembuatnya, sedangkan yang lain tidak. Asimetri itulah inti dari seluruh perbandingan, dan ia tetap bertahan terhadap setiap pemotongan harga yang diumumkan oleh lab mana pun.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.

Kedua model juga kebetulan cukup berdekatan secara spesifikasi sehingga pilihan itu benar-benar nyata. Keduanya mengusung jendela satu juta token. Keduanya berada di kelas murah. Keduanya dibangun di atas arsitektur yang tidak biasa untuk kelasnya — diffusion untuk Mercury 3, sparse attention di atas mixture of experts untuk MiniMax M3 — dan keduanya mengklaim bahwa arsitektur itulah yang memberi mereka keunggulan ekonomis.

Dua pos peluncuran, dua jenis bukti yang berbeda

Baca pengumuman Inception sebagai sebuah dokumen. Pengumuman itu menyampaikan argumen penskalaan: Mercury 3 lebih dari 40 kali lebih besar daripada Mercury 1 dalam total parameter, kecerdasan yang diukur meningkat sekitar tiga kali lipat dari Mercury 1 (mini) ke Mercury 3, dan model tersebut "sama cepatnya" dengan pendahulu terkecilnya. Pengumuman itu menyampaikan klaim kualitas komparatif: Mercury 3 "setara atau lebih baik daripada model frontier yang dioptimalkan untuk kecepatan seperti GPT-6 Luna dan Claude Haiku 5.5". Dan pengumuman itu melaporkan tepat satu hasil tugas, dari harness agen web milik Inception sendiri, pada 50 tugas navigasi Mind2Web langsung, di mana model menyelesaikan 50 persen. Semuanya dilaporkan vendor dan tidak satu pun menyebutkan rangkaian benchmark, margin, atau konfigurasi perangkat keras.

Baca materi M​iniMax sebagai dokumen dan bentuknya justru sebaliknya. Ada tabel benchmark dengan suite bernama dan persentase — SWE-Bench Pro 59.0, Terminal-Bench 2.1 66.0, BrowseComp 83.5, OSWorld-Verified 68.70 — ditambah kartu model, ditambah bobot di Hugging Face, ditambah daftar independen dari Artificial Analysis yang memberi skor model 29 pada Intelligence Index. Angka vendor tetap angka vendor, dan kami belum melihatnya direproduksi. Namun model itu dapat diunduh, dijalankan, dan diukur oleh siapa pun yang mau, itulah sebabnya angka independen itu ada.

Perbedaan dalam apa yang dipublikasikan itu bukan detail pemasaran. Itu menentukan jenis saran yang bisa diberikan siapa pun kepada Anda tentang kedua model ini. Untuk MiniMax M3 ada angka throughput yang terukur, biaya terukur per tugas indeks, peringkat yang terukur. Untuk Mercury 3 ada klaim.

Spesifikasinya, dengan sumber dari masing-masing pihak terlampir

• Harga per juta token — Mercury 3 $0.20 untuk input dan $0.70 untuk output pada harga daftar, dipotong setengah menjadi $0.10 dan $0.35 selama diskon peluncuran berlangsung, dibandingkan MiniMax M3 $0.30 dan $1.20 untuk permintaan hingga 512K token input

Input cache — Mercury 3 $0,02 per juta, $0,01 selama periode peluncuran vs MiniMax M3 $0,06 per juta

• Jendela konteks — Mercury 3 1,000,000 token vs MiniMax M3 1,048,576

• Output maksimum — Mercury 3 131.072 token vs MiniMax M3 512.000 token di halaman katalog kami sendiri; MiniMax tidak menerbitkan angka output maksimum, jadi angka itu milik kami, bukan dari vendor

• Modalitas masukan — Mercury 3 hanya teks vs MiniMax M3 teks, gambar, dan video

• Arsitektur — Mercury 3 adalah model bahasa difusi yang menyempurnakan blok token secara paralel, sedangkan MiniMax M3 adalah mixture of experts, dengan total sekitar 428B dan sekitar 23B aktif per token, menggunakan MiniMax Sparse Attention.

• Bobot — Mercury 3 tertutup, hanya API vs MiniMax M3 dapat diunduh berdasarkan M​iniMax Community License

• Throughput — Mercury 3 1.068 token per detik, dilaporkan oleh vendor pada perangkat keras NVIDIA yang tidak disebutkan dengan ukuran batch dan pengaturan effort yang tidak ditentukan, dibandingkan dengan MiniMax M3 106,4 token per detik yang diukur oleh Artificial Analysis

• Indeks Kecerdasan Independen — Mercury 3 tidak ada entri per 20 Oktober 2026 vs MiniMax M3 29, berada di peringkat ke-23 dari 121 model pada revisi yang berlaku hari itu

• Kontrol penalaran — Mercury 3 memiliki empat pengaturan effort, dari instant hingga high, dengan default low saat parameter dihilangkan vs MiniMax M3 parameter thinking dengan mode enabled, adaptive, dan disabled

• Pemanggilan tool dan output terstruktur — keduanya didukung pada endpoint chat completions yang kompatibel dengan OpenAI

Dua dari baris tersebut perlu diberi catatan sebelum dikutip di mana pun. Angka 1.068 adalah pengukuran vendor tanpa harness yang dinyatakan, sehingga tidak dapat dibandingkan dengan angka yang dihasilkan oleh evaluator independen dengan metodologi tetap. Artificial Analysis juga menilai ulang indeksnya secara berkala; angka 29 di atas adalah pembacaan pada 20 Oktober 2026, dan MiniMax M3 telah terbaca berbeda pada revisi-revisi sebelumnya. Angka pada indeks itu berubah; fakta bahwa ada angka untuk M3 tetapi tidak untuk Mercury 3 tidak berubah.

Apa arti 1.068 token per detik di tingkat permintaan

Token per detik adalah unit yang buruk untuk memutuskan apa pun, karena tidak ada orang yang membeli token. Mereka membeli permintaan yang selesai. Ubah kedua angka itu menjadi hal yang benar-benar dialami pengguna — berapa lama waktu yang dibutuhkan untuk menghasilkan jawaban seribu token.

Pada 1.068 token per detik yang diklaim Inception, jawaban 1.000 token membutuhkan sekitar 0,94 detik untuk generasi. Pada 106,4 yang terukur dari MiniMax M3, jawaban yang sama membutuhkan sekitar 9,4 detik. Jika waktu terukur ke token pertama untuk M3 sebesar 1,13 detik ikut dihitung, selisih antara kedua pengalaman itu sekitar sepuluh kali lipat, bahkan sebelum memperhitungkan latensi jaringan, pengantrean, atau overhead penyedia itu sendiri.

Itulah kasus untuk Mercury 3, dan ini kasus yang nyata. Perbedaan sepuluh kali lipat dalam waktu generasi adalah perbedaan antara jawaban pencarian yang terasa instan dan jawaban yang terasa seperti memuat halaman. Seluruh lini produk Inception dibangun di sekitar ini: perusahaan menjual Mercury Voice untuk waktu hingga token jawaban pertama, Mercury Decide untuk klasifikasi, dan memosisikan produk unggulannya untuk dukungan, bimbingan belajar, pencarian, dan agen web — semua beban kerja di mana jawaban yang lambat adalah produk yang rusak, bukan sekadar produk yang sedikit lebih buruk.

Angka sepuluh kali lipat itu tidak memberi tahu Anda apakah Mercury 3 bagus atau tidak. Hasil Mind2Web — penyelesaian 50 persen pada 50 tugas langsung, “secara signifikan lebih banyak daripada GPT-6.1-Sol” — adalah satu-satunya sinyal kualitas terstruktur yang diterbitkan Inception, dan 50 tugas adalah sampel yang cukup kecil sehingga satu situs yang sulit saja menggeser persentase itu sebesar dua poin. Harness itu milik Inception sendiri. Model pembandingnya disebutkan tanpa skor. Ini adalah sinyal nyata bahwa model tersebut dapat mengendalikan browser, dan ini bukan pengukuran yang dapat Anda masukkan ke dalam keputusan pengadaan.

Apa yang sebenarnya dikatakan oleh catatan MiniMax M3

Gambaran independen M3 tidak glamor dan bermanfaat. Intelligence Index sebesar 29 dibandingkan median 19 untuk model di kelas pembandingnya, 106,4 token keluaran per detik dibandingkan median 77,4, waktu ke token pertama 1,13 detik dibandingkan median 1,70 detik, dan biaya $0,51 untuk menjalankan indeks per model. Ini adalah model yang jauh di atas rata-rata dalam hal kualitas untuk kelasnya, jelas di atas rata-rata dalam hal kecepatan untuk ukurannya, dan murah untuk dijalankan.

Sub-skor yang beredar dari publikasi ulang pihak ketiga atas keluarga indeks yang sama menceritakan kisah yang lebih spesifik: kuat dalam pemahaman dokumen dan mengikuti instruksi, lebih lemah dalam kerja agen otonom multi-langkah. Kesenjangan antara sub-skor coding dan agentic-nya adalah sebaran internal terbesar dalam catatannya. Jika beban kerja Anda adalah "baca dokumen panjang ini dan jawab dengan tepat", M3 memiliki bukti yang kuat. Jika beban kerja Anda adalah "jalankan selama dua puluh menit dan berikan hasil", buktinya lebih tipis dan mengarah ke arah sebaliknya.

Untuk Mercury 3 tidak ada paragraf setara untuk ditulis, karena datanya tidak ada. Artificial Analysis tidak memiliki halaman Mercury 3 — indeksnya masih mencantumkan Mercury 2.5 dan Mercury 2 — jadi sehari setelah peluncuran, model tersebut tidak memiliki skor independen, angka kecepatan independen, dan angka biaya per tugas. Set pembanding Inception (GPT-6 Luna, Claude Haiku 5.5) adalah tier cepat, bukan frontier, yang merupakan pembanding yang tepat untuk produk latensi, tetapi klaim tersebut tidak membawa margin dan tidak menyebutkan nama pengujian.

Selisih harga lebih kecil daripada yang ditunjukkan label harga.

Refleksnya adalah menyebut Mercury 3 sebagai opsi hemat dan M3 sebagai yang mahal. Per token, itu benar secara arah dan jauh lebih tidak dramatis daripada kelihatannya: input 1,5 kali lebih murah di Mercury 3, output 1,7 kali lebih murah. Itu bukan liga yang berbeda. Itu rak yang berbeda.

Jalankan beban kerja yang konkret. Ambil asisten dukungan atau pencarian yang menangani 10.000 balasan sehari, masing-masing dengan 1.500 token masukan dari konteks yang diambil dan kerangka prompt serta 300 token keluaran. Itu berarti 15 juta token masukan dan 3 juta token keluaran setiap hari.

• Mercury 3 dengan harga daftar — 15 × $0.20 ditambah 3 × $0.70, atau $5.10 per hari

• Mercury 3 dengan tarif peluncuran — 15 × $0.10 ditambah 3 × $0.35, atau $2.55 per hari

• MiniMax M3 dengan tarif permintaan kecilnya — 15 × $0.30 ditambah 3 × $1.20, atau $8.10 sehari

Jadi, selisih harian antara kedua harga daftar itu sekitar tiga dolar untuk sepuluh ribu percakapan. Jika efisiensi token Mercury 3 pada pengaturan upaya rendah bawaannya lebih buruk daripada M3 — dan tidak ada orang di luar Inception yang mengetahuinya, karena tidak ada jumlah token keluaran terukur untuk Mercury 3 — celah tiga dolar itu bisa menutup atau berbalik pada lalu lintas nyata. Inilah alasan spesifik mengapa model yang belum diberi skor sulit dianggarkan: Anda tidak dapat menghitung biaya per tugas yang diselesaikan tanpa tingkat penyelesaian terukur dan verbositas terukur.

Baris input cache lebih penting daripada judul utamanya untuk beban kerja agen, karena agen mengirim ulang prompt sistem dan definisi alat yang sama pada setiap langkah. Harga Mercury 3 sebesar $0,02 per juta token cache membuat preamble 20.000 token berbiaya 0,0004 dolar per panggilan. Harga M3 sebesar $0,06 tiga kali lipatnya, yang masih kecil — tetapi dalam proses lima puluh langkah selisihnya menjadi sen, bukan pecahan sen, dan lalu lintas agenlah tempat sen-sen itu berlipat.

Lisensi, keluar, dan hal yang tidak dapat Anda unduh

MiniMax M3 dirilis di bawah Lisensi Komunitas MiniMax. Penggunaan non-komersial gratis; penggunaan komersial mengharuskan penampilan "Built with MiniMax M3", pemberitahuan satu kali jika pendapatan tahunan di bawah $20 juta, dan otorisasi tertulis sebelumnya jika di atasnya, serta kepatuhan terhadap lampiran penggunaan yang dilarang. Itu adalah tinjauan hukum, bukan formalitas, tetapi ini adalah lisensi yang dapat Anda baca sebelum Anda membangun.

Mercury 3 tidak memiliki lisensi untuk dibaca, karena tidak ada yang perlu dilisensikan. Model ini tertutup. Itu tidak otomatis menggugurkannya — sebagian besar tim yang memanggil model melalui API tidak pernah menyentuh bobotnya — tetapi hal itu mengubah apa yang terjadi jika Inception mengubah harganya, ketentuannya, atau ketersediaannya. Jalan keluarnya adalah migrasi, bukan penerapan ulang.

Satu asimetri lagi yang layak disebut: M3 memiliki rekam jejak empat bulan. M3 sudah cukup lama ada di katalog kami untuk mengumpulkan persentil trafik dan latensi, dan skema tarifnya tetap stabil. Mercury 3 baru berusia satu hari, harga peluncurannya tidak memiliki tanggal berakhir yang dipublikasikan, dan model-model pendahulunya sudah ditutup bagi pengguna baru — catatan migrasi Inception sendiri menyatakan Mercury 2 dan Mercury 2.5 berhenti menerima pendaftaran baru dan pelanggan yang sudah ada kehilangan akses pada 15 November 2026. Vendor yang memensiunkan lini model secepat itu sedang memberi tahu Anda sesuatu tentang bagaimana ia mengharapkan Anda mengonsumsi produknya.

Ketika router mengubah perhitungan

Perbandingan ini adalah argumen yang bagus untuk tidak memilih sama sekali di minggu pertama. MiniMax M3 tersedia di OrcaRouter dengan harga $0,30 untuk input dan $1,20 untuk output per juta token, yaitu harga daftar dari penyedia tanpa markup tambahan, bersama lebih dari 200 model lain di balik satu endpoint yang kompatibel dengan OpenAI. Mercury 3 tidak ada di katalog kami — pengecekan pada API model kami tidak mengembalikan apa pun untuk model Inception mana pun — jadi siapa pun yang ingin memanggilnya harus pergi ke platform Inception sendiri atau ke salah satu host pihak ketiga yang terdaftar oleh Inception. Kami lebih memilih mengatakan hal itu secara terus terang daripada menyiratkan adanya rute yang tidak kami miliki.

Pola yang cocok untuk rilis yang belum terukur dan luar biasa cepat adalah desain dua jalur. Tempatkan tier yang kritis terhadap latensi pada Mercury 3 melalui vendor, dan pertahankan fallback terukur pada M3 atau model lain yang kami layani, dengan failover otomatis yang dirangkai sehingga 429 atau endpoint yang terdegradasi tidak menjatuhkan fitur. DSL routing ada justru agar pemisahan itu dapat menjadi aturan alih-alih percabangan di basis kode Anda, dan karena harga daftar penyedia diteruskan tanpa perubahan, pemotongan harga Inception atau perubahan tier MiniMax sampai ke tagihan Anda pada hari diumumkan, bukan pada kontrak berikutnya.

Yang tidak diberikan oleh desain itu kepada Anda adalah jaminan kualitas di sisi Mercury 3. Belum ada yang memberikannya.

Aturan yang berlaku minggu ini

• Jika jawaban harus tiba dalam sekitar satu detik dan jawaban yang salah masih dapat dipulihkan — saran pencarian, triase dukungan, petunjuk bimbingan belajar, langkah agen dengan jalur eskalasi — Mercury 3 layak untuk dievaluasi selama seminggu hanya berdasarkan klaim latensinya. Susun anggaran berdasarkan harga daftar, bukan tarif peluncuran 50 persen, karena diskon tersebut tidak memiliki tanggal berakhir yang dipublikasikan.

• Jika Anda perlu mengetahui seberapa bagus model ini sebelum berkomitmen, MiniMax M3 adalah satu-satunya dari kedua model ini yang memungkinkan Anda mengetahuinya. Ini juga satu-satunya yang dapat Anda unduh, kuantisasi, fine-tune, atau jalankan di perangkat keras Anda sendiri.

• Jika beban kerja Anda membaca video atau gambar, perbandingannya sudah berakhir. M3 mendukungnya; Mercury 3 tidak.

• Jika Anda mengoptimalkan biaya per tugas yang diselesaikan, bukan biaya per token, belum ada model yang memberi Anda angka yang Anda butuhkan — M3 karena kelemahan agentiknya terukur dan nyata, Mercury 3 karena tidak ada sama sekali yang diukur tentang perilaku penyelesaiannya.

Hal yang perlu diperhatikan bukanlah harga Mercury 3. Melainkan evaluasi independen pertama atas Mercury 3, kapan pun itu dirilis. Jika klaim throughput dapat direproduksi mendekati 1,068 token per detik dalam harness netral dan kualitasnya masuk kelas Haiku yang diklaim Inception, ini berhenti menjadi sekadar perbandingan dan menjadi pertanyaan migrasi bagi setiap produk yang terikat latensi di web. Jika angka independennya jatuh pada diskon biasa dari vendor ke independen dan kualitasnya hanya kompetitif, maka ringkasan jujurnya adalah seperti di atas: model yang cepat, murah, dan belum terbukti versus model yang lebih lambat, murah, dan terbukti — dan bagi sebagian besar tim, sisi yang terbukti adalah yang mendapat jalur produksi sampai sisi lainnya punya angka.