Mercury 3 vs Reflection Beam: Model Tertutup Tercepat Bertemu Model Terbuka Tercepat

Reflection Beam datang dengan angka yang dapat diperiksa, dan Mercury 3 datang dengan angka yang tidak dapat. Beam dinilai pada 335,1 token keluaran per detik oleh Artificial Analysis, dengan waktu hingga token pertama 0,80 detik dan Intelligence Index sebesar 30 — tercepat keempat dari 78 model yang diukur, kedua puluh dari 121 dalam hal kualitas. Mercury 3 mengklaim 1.068 token per detik dan tidak memiliki skor independen dalam bentuk apa pun, sehari setelah Inception merilisnya pada 19 Oktober 2026. Jadi cara yang adil untuk memulai perbandingan ini bukanlah "mana yang lebih cepat" melainkan "apa yang terjadi pada selisihnya ketika sisi yang belum diukur akhirnya diukur". Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam the OrcaRouter AI Incident Archive di mana setiap entri menyertakan sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda perdebatan.

Alasan pasangan ini penting di luar lembar spesifikasi adalah bahwa kedua model menjual hal yang sama. Mercury 3 adalah model bahasa difusi yang menyempurnakan blok token secara paralel; Reflection Beam adalah sparse mixture of experts dengan total 501 miliar parameter dan hanya 23 miliar yang aktif per token. Trik berbeda, taruhan sama: bahwa biaya inferensi, bukan plafon kemampuan, adalah tempat pertarungan berikutnya. Beam diumumkan pada 5 Oktober 2026 dan bobotnya dirilis dengan lisensi Apache 2.0 pada 16 Oktober; Mercury 3 dirilis sembilan hari kemudian sebagai API tertutup. Salah satunya dapat Anda unduh dan ukur sendiri. Yang lain hanya dapat Anda panggil dan percayai begitu saja.

Apa yang sebenarnya telah dinyatakan masing-masing pihak secara resmi

Catatan Beam cukup rinci untuk diperdebatkan. Intelligence Index 30, menempati peringkat kedua puluh dari 121 model dan di atas median 19 yang dicatat Artificial Analysis untuk model open-weight sebanding. Terukur 335,1 token output per detik dan 0,80 detik ke token pertama, keduanya dibandingkan median sesama sekitar 77 token per detik dan 1,70 detik. Tarif yang dipublikasikan $0,70 per juta token input dan $2,10 per juta token output dengan diskon cache 84 persen, sehingga menjadi $0,57 biaya komputasi per tugas indeks. Dan angka verbositas 79 juta token output untuk menyelesaikan indeks, ke-10 paling hemat dari 47 model yang dievaluasi, dibandingkan median 140 juta. Angka terakhir itu adalah klaim efisiensi yang muncul di harness milik pihak lain untuk pertama kalinya, dan itu adalah angka paling menarik di berkas masing-masing model tersebut.

Sebagai perbandingan, catatan Mercury 3 terdiri dari tiga klaim dan satu eksperimen kecil. Klaimnya: 1.068 token per detik pada GPU NVIDIA; parameter lebih dari 40 kali lipat Mercury 1 dengan kecerdasan terukur sekitar tiga kali lipat; dan kualitas "setara dengan atau lebih baik daripada model terdepan yang dioptimalkan untuk kecepatan seperti GPT-6 Luna dan Claude Haiku 5.5". Eksperimennya: 50 tugas navigasi Mind2Web langsung dalam harness web-agent milik Inception sendiri, 50 persen selesai, "jauh lebih banyak daripada GPT-6.1-Sol", pada volume token dan jumlah langkah yang sama dan karenanya hanya sebagian kecil dari biayanya. Tidak ada satu pun yang direproduksi secara independen, dan Artificial Analysis sama sekali tidak memiliki halaman Mercury 3.

Asimetri itu bukan cela terhadap rekayasa Inception. Itu adalah pernyataan tentang apa yang bisa Anda putuskan hari ini. Untuk Beam, Anda dapat menghitung biaya per tugas yang diselesaikan, karena seseorang mengukur penyelesaian dan verbositas. Untuk Mercury 3, Anda dapat menghitung biaya per token dan tidak ada yang lain.

Lembar spesifikasi, dengan sumber yang dilampirkan pada setiap baris

• Harga per juta — Mercury 3 $0.20 untuk input dan $0.70 untuk output pada harga daftar, $0.10 dan $0.35 selama diskon peluncuran vs Beam $0.70 untuk input dan $2.10 untuk output

• Input cache — Mercury 3 $0.02 per juta pada harga daftar vs Beam diskon 84 persen untuk tarif input, atau sekitar $0.11 per juta

• Throughput — Mercury 3 1.068 token per detik, klaim vendor, perangkat keras tidak ditentukan vs Beam 335,1 token per detik, diukur oleh Artificial Analysis

• Waktu ke token pertama — Mercury 3 tidak dipublikasikan vs Beam 0,80 detik, diukur

• Intelligence Index — Mercury 3 tidak ada entri per 20 Oktober 2026 vs Beam 30, berada di peringkat ke-20 dari 121

• Biaya per tugas indeks — Mercury 3 tidak dapat dihitung tanpa skor vs Beam $0.57

• Verbositas keluaran pada indeks — Mercury 3 tidak dipublikasikan vs Beam 79 juta token, ke-10 paling ringkas dari 47

• Jendela konteks — Mercury 3 1.000.000 token dengan keluaran maksimum 131.072 vs Beam 1.048.576 token dengan keluaran maksimum 131.072

• Parameter — Mercury 3 tidak diungkapkan, hanya dijelaskan sebagai lebih dari 40 kali Mercury 1 dibandingkan total Beam 501B, 23B aktif per token

• Modalitas masukan — keduanya hanya teks

• Kontrol penalaran — Mercury 3 memiliki empat pengaturan dari instan hingga tinggi, dengan default ke rendah, sedangkan Beam memiliki upaya penalaran wajib dengan lima tingkat, dan dokumentasi Reflection default ke maks

• Bobot — Mercury 3 tertutup vs Beam Apache 2.0, dalam BF16, FP8, dan build NVFP4 273 GiB

• Self-hosting — Mercury 3 hanya kapasitas khusus enterprise vs Beam, deployment referensi empat GPU NVIDIA B300 pada NVLink, dengan dukungan sejak hari pertama untuk vLLM, SGLang, Transformers, dan Dynamo

Satu hal yang perlu diperhatikan pada lini harga. Diskon Mercury 3 tidak memiliki tanggal berakhir yang dipublikasikan, jadi angka yang tetap dipakai dalam perencanaan adalah $0.20/$0.70, bukan $0.10/$0.35. $0.70/$2.10 milik Beam adalah rate card aktif yang dipublikasikan oleh evaluator dan oleh platform Reflection sendiri.

Selisih yang penting adalah 335 berbanding 1.068

Jika angka Inception tetap berlaku dalam harness netral, Mercury 3 kira-kira tiga kali lebih cepat daripada model open-weight tercepat yang terukur di bidang ini, dan itu dilakukannya pada sepertiga harga input Beam dan sepertiga harga outputnya. Kombinasi itu — lebih cepat dan lebih murah — adalah argumen untuk Mercury 3 dalam satu kalimat, dan itu kalimat yang kuat.

Masalahnya adalah kalimat itu sepenuhnya bergantung pada sebuah angka tanpa metodologi yang dinyatakan. Inception tidak menyebutkan GPU mana, ukuran batch berapa, pengaturan upaya penalaran yang mana, atau apakah pengukurannya aliran tunggal atau agregat. Keempat pilihan itu dapat menggeser angka throughput hingga beberapa kali lipat. Diskon yang harus diterapkan bukanlah hipotetis: saat Mercury 2.5 diluncurkan, angka throughput dari vendor jauh lebih tinggi daripada 706 token per detik yang kemudian diukur Artificial Analysis dengan harness-nya sendiri. Itu adalah sebaran normal dari vendor ke independen dalam kategori ini, bukan iktikad buruk — tetapi itulah sebaran yang harus diasumsikan.

Terapkan pemotongan tiga-ke-satu dan Mercury 3 berada di sekitar 350 token per detik: setara dengan angka terukur Beam, dengan sepertiga harga, dengan skor kualitas yang belum diketahui. Terapkan pemotongan dua-ke-satu dan model ini dengan nyaman menjadi model tercepat yang pernah dirilis kedua lab pada harga ini. Dengan cara apa pun, perbandingannya berubah dari "tiga kali lebih cepat" menjadi "di antara secepat Beam dan tiga kali lebih cepat, dan tetap lebih murah daripada Beam".

Ada asimetri kedua yang tersembunyi dalam pasangan angka yang sama. Waktu ke token pertama Beam sebesar 0,80 detik diukur pada model penalaran yang secara default menggunakan pengaturan upaya maksimumnya — yang berarti model tersebut benar-benar berpikir sebelum mengeluarkan apa pun, dan tetap mengembalikan token pertama dalam waktu kurang dari satu detik. Itu adalah hasil rekayasa yang lebih mengesankan daripada angka throughput mentah, dan itu adalah jenis hal yang hanya ditemukan oleh harness independen.

Dua puluh tiga miliar parameter aktif adalah inti cerita sebenarnya di sisi Beam.

Angka 501B pada kartu Beam sebagian besar tidak aktif. Dengan 23 miliar parameter aktif per token, model membangunkan sekitar 4,6 persen dari dirinya untuk token mana pun, rasio aktivasi yang agresif bahkan menurut standar open-weight saat ini. Catatan arsitektur menyebut atensi lokal dan global berselang-seling, routed experts berbutir halus, SandwichNorm, dan build serving FP8/FP4, tetapi konsekuensi praktisnya lebih sederhana: Beam muat pada satu node empat GPU. Itu profil serving, bukan keingintahuan riset.

Hal ini juga menjelaskan hasil verbositas. Model yang menghabiskan 79 juta token keluaran untuk menyelesaikan sebuah indeks dibandingkan median 140 juta sedang melakukan pekerjaan yang sama dengan sekitar setengah token keluaran, dan token keluaran adalah tempat biaya berada. Argumen Reflection sendiri adalah efisiensi pada waktu inferensi alih-alih paritas di garis depan, dan perusahaan menyatakan hal itu dalam materi peluncurannya — perusahaan mengakui keunggulan Kimi K3 dan G​LM dalam hal kemampuan mentah. Data independen mendukung pengakuan tersebut dan klaim efisiensi pada saat yang sama.

Argumen efisiensi Mercury 3 berbeda secara mendasar. Ini bukan soal menghabiskan lebih sedikit token; ini soal menghasilkannya lebih cepat, dan kisah penskalaan Inception — 40 kali parameter model pertamanya, tiga kali kecerdasan terukur, kecepatan yang sama — adalah klaim bahwa paralelisme difusi menghasilkan throughput yang tidak dapat ditandingi model autoregresif. Itu argumen yang masuk akal dan menarik. Itu juga sepenuhnya dilaporkan sendiri, dan tidak mengatakan apa pun tentang apakah model tersebut menghabiskan lebih banyak token daripada model autoregresif yang sebanding untuk mencapai jawaban yang sama. Belum ada yang menerbitkan angka verbositas Mercury 3, karena tidak ada evaluasi Mercury 3 yang dapat menjadi sumbernya.

Biaya per pekerjaan yang diselesaikan, dihitung sampai tuntas

Bayangkan sebuah tugas pengodean agentik: konteks repositori 200.000 token, keluaran berupa patch dan penjelasan 4.000 token, serta 5.000 eksekusi per hari di seluruh tim.

• Mercury 3 dengan harga daftar — 1.000 juta token input dengan $0,20 adalah $200; 20 juta output dengan $0,70 adalah $14. Sekitar $214 sehari.

• Mercury 3 dengan tarif peluncuran — sekitar $107 per hari.

• Beam pada tarif yang dipublikasikannya — 1.000 juta input dengan $0.70 adalah $700; 20 juta output dengan $2.10 adalah $42. Sekitar $742 sehari, sebelum diskon cache 84 persen, yang sangat penting di sini karena konteks repositori persis merupakan jenis teks pembuka yang di-cache. Dengan tingkat cache-hit yang realistis pada konteks tersebut, baris input turun mendekati $112 dan total harian berada di sekitar $154.

Aritmetika itulah alasan kedua model ini ada. Pada beban kerja agentik yang ter-cache dengan baik, keduanya berada dalam selisih 40 persen satu sama lain — Beam sedikit lebih murah dalam skenario cache yang baik, Mercury 3 lebih murah dalam skenario yang buruk — dan keduanya hanya sebagian kecil dari biaya yang akan dikenakan model frontier untuk lalu lintas yang sama. Argumen biaya tidak memisahkan keduanya. Yang memisahkan keduanya adalah bahwa angka Beam dapat direproduksi dan angka Mercury 3 merupakan harga daftar terhadap tingkat penyelesaian yang tidak diketahui.

Persoalan lisensi, yang tidak dekat

Bobot Beam dapat diunduh di bawah Apache 2.0 dalam tiga presisi, plus drafter speculative-decoding 1,93B, dan Reflection menyatakan bahwa pihaknya tidak membatasi distilasi, fine-tuning, kuantisasi, atau penggabungan. Tersedia alat konformansi — beam-verifier — yang menjalankan rangkaian pengujian terhadap endpoint Beam mana pun yang aktif lalu mengevaluasinya pada tolok ukur utama, yang berarti pembeli dapat memeriksa angka penyedia alih-alih memercayainya. Self-hosting menghilangkan pertanyaan per-token sepenuhnya dan mengubahnya menjadi pertanyaan jam-GPU.

Mercury 3 tidak menawarkan semua itu. Produk ini tertutup, hanya tersedia melalui API, dan tier enterprise-nya menambahkan kapasitas khusus serta retensi data yang dapat dikonfigurasi, bukan bobot model. Untuk beban kerja di mana model menjadi komponen dalam produk yang Anda jual, itu adalah dependensi, bukan rantai pasok.

Ada juga sinyal riwayat vendor. Catatan migrasi Inception sendiri menyatakan bahwa Mercury 2 dan Mercury 2.5 ditutup untuk pengguna baru, dengan pelanggan yang sudah ada kehilangan akses pada 15 November 2026 — kurang dari sebulan setelah Mercury 3 dirilis. Perusahaan yang menghentikan dua generasi secepat itu sedang memberi tahu Anda bagaimana ia mengharapkan modelnya dikonsumsi: sebagai layanan sewaan yang berumur pendek. Reflection, untuk saat ini, melakukan yang sebaliknya dan menyerahkan artefak itu.

Di mana router cocok, mengingat tidak ada satu pun dari kedua model itu yang ada di katalog kami

Baik Mercury 3 maupun Reflection Beam tidak dilayani oleh OrcaRouter. Pemeriksaan pada API model kami tidak mengembalikan apa pun untuk keduanya, dan kami tidak akan menjelaskan rute yang tidak kami miliki. Yang kami sediakan adalah lapisan di sekitar keduanya: lebih dari 200 model di balik satu endpoint yang kompatibel dengan OpenAI, dengan harga daftar penyedia tanpa markup, dengan failover otomatis dan DSL perutean untuk menggabungkan model menjadi satu panggilan.

Untuk pasangan khusus ini, lapisan itu melakukan dua tugas. Yang pertama adalah perbandingan. Jika Anda ingin mengetahui apakah model open-weight 300 token per detik cukup cepat untuk produk Anda sebelum Anda berkomitmen pada semua ini, uji yang jujur adalah menjalankan beban kerja terhadap model yang sudah dapat Anda panggil — Kimi K3 dengan $3.00/$15.00 dan konteks 1,048,576 token, GLM 5.2 dengan $1.40/$4.40, Qwen 3.8-Max dengan $2.00/$6.00 — dan mengukur apa yang sebenarnya diperhatikan pengguna Anda. Yang kedua adalah fallback. Deployment Beam yang dihosting sendiri dan Mercury 3 yang dihosting vendor adalah dua mode kegagalan yang berbeda; menempatkan jalur produksi di belakang router dengan failover berarti degradasi endpoint menjadi peristiwa yang tercatat, bukan gangguan. Karena harga daftar penyedia diteruskan apa adanya, pemotongan harga Reflection atau diskon Inception sampai ke tagihan Anda pada hari diumumkan.

Keputusan itu, berdasarkan kendala bukan berdasarkan skor.

• Jika Anda membutuhkan model yang menjadi aset — dapat diaudit, dapat di-fine-tune, dapat dijalankan pada perangkat keras Anda sendiri, tetap bertahan meskipun vendornya hilang — Beam adalah satu-satunya opsi di sini. Apache 2.0, build 273 GiB yang muat di satu node, dan verifier untuk memeriksa penyedia mana pun terhadap angka Reflection. Itu adalah jawaban lengkap untuk pertanyaan yang sama sekali tidak dapat dijawab oleh Mercury 3.

• Jika Anda membutuhkan latensi serendah mungkin pada API tertutup dan ada manusia yang menunggu, Mercury 3 adalah taruhan yang lebih menarik, dan harganya membuat evaluasinya murah. Tetapkan pengaturan effort secara eksplisit saat Anda mengujinya, karena default-nya rendah dan klaim Inception tidak menyebutkan pengaturan mana yang menghasilkan klaim tersebut.

• Jika Anda perlu mengetahui kualitasnya sebelum berkomitmen, Beam memiliki angka dan Mercury 3 tidak. Skor 30 pada indeks yang terdiri dari 121 model tergolong medioker — itu bukan skor terdepan dan Reflection tidak mengklaim demikian — tetapi itu adalah batas bawah yang dapat Anda jadikan dasar perancangan.

• Jika beban kerja Anda bersifat agentik dan berjalan lama, penalaran wajib Beam pada default upaya maksimum mahal per panggilan, dan default upaya rendah Mercury 3 murah per panggilan. Mana yang lebih murah per pekerjaan yang diselesaikan bergantung pada tingkat penyelesaian yang belum diukur oleh siapa pun untuk Mercury 3.

Hal paling berguna yang bisa terjadi pada perbandingan ini adalah pengukuran independen Mercury 3. Jika hasilnya mendekati 1.068 dengan skor kualitas yang kompetitif, Inception telah merilis model murah tercepat di bidang ini dan cerita efisiensi Beam menjadi cerita tentang keterbukaan, bukan kecepatan mentah. Jika hasilnya mendekati 335 milik Beam dengan skor kelas menengah, maka model open-weight tercepat dan model tertutup tercepat memiliki kecepatan yang sama, dan pertanyaan penentunya menjadi harga, lisensi, dan apakah Anda ingin memiliki artefaknya — tiga pertanyaan yang saat ini jawabannya lebih baik dimiliki Beam.