Mercury 3 vs Step 5 Preview: Model yang Diukur Adalah yang Menjadi Lebih Mahal

Pada 14 Oktober 2026, StepFun menggandakan harga input cache-hit Step 5 Preview dari 0,35 menjadi 0,70 yuan per juta token, dengan klausul grandfather bagi pemanggil yang sudah menggunakan model tersebut. Lima hari kemudian, Inception meluncurkan Mercury 3 dengan harga setengah dari harga daftarnya dan tidak mengatakan kapan diskon berakhir. Jika kedua fakta itu diletakkan berdampingan, Anda akan melihat bentuk perbandingan ini: model dengan skor tolok ukur independen adalah model yang harganya naik, dan model yang sedang didiskon adalah model yang belum diukur oleh siapa pun di luar laboratoriumnya. Kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive di mana setiap entri mencantumkan sumbernya sendiri, tingkat keparahan, kelas keyakinan, dan penanda sengketa.

Pembalikan itu bukan kebetulan, dan bukan argumen untuk pihak mana pun. Step 5 Preview adalah model yang sudah mapan dengan rekam jejak publik yang terus bertambah — rilis vendor pada 20 September 2026, skor Intelligence Index independen, bobot resmi di Hugging Face — dan vendor mengenakan biaya lebih tinggi untuk hal-hal yang diketahui berfungsi. Mercury 3 baru berusia sembilan hari, diklaim mencapai 1.068 token per detik, dan tidak memiliki skor independen apa pun. Harga yang Anda bayar untuk yang murah adalah bahwa Anda menjadi alat ukurnya.

Dua pratinjau yang maknanya berbeda

Kata "preview" muncul di kedua nama dan berperan berbeda di masing-masing. Pada Step 5 Preview, itu adalah label milik StepFun sendiri dan bagian dari pengenal API — string yang Anda kirim adalah step-5-preview, bukan step-5 — dan StepFun belum menerbitkan tanggal penggantian, pemberitahuan deprecation, maupun komitmen stabilitas untuk string tersebut. Dalam praktiknya, model ini sudah aktif selama sebulan, memiliki bobot di Hugging Face, dan memiliki kartu tarif yang diterbitkan, jadi "preview" memainkan peran yang lebih kecil daripada yang terlihat.

Pada Mercury 3 tidak ada label pratinjau sama sekali: ini adalah peluncuran ketersediaan umum dengan endpoint yang kompatibel dengan OpenAI, ID model mercury-3, dan uji coba 100 juta token untuk akun baru. Yang dimiliki Mercury 3 sebagai gantinya adalah diskon peluncuran, yang merupakan jenis ketidakstabilan berbeda. Label pratinjau memperingatkan bahwa model dapat berubah; diskon peluncuran memperingatkan bahwa harganya akan berubah.

Tanggal perlu dipastikan dengan benar sebelum hal lain. Tanggal rilis vendor Step 5 Preview adalah 20 September 2026, diambil dari materi pengumuman StepFun sendiri; Artificial Analysis mencantumkan model tersebut sebagai dirilis pada September 2026 dan teks FAQ-nya menyebut tanggal 18 September. Selisih dua hari itu tidak dijelaskan oleh pihak mana pun, dan tulisan ini menggunakan tanggal dari StepFun bila memerlukannya. Tanggal Mercury 3 tidak ambigu: 19 Oktober 2026, satu hari sebelum tulisan ini dibuat.

Lembar spesifikasi, beserta sumber setiap baris

• Harga per juta token — Mercury 3 $0.20 untuk input dan $0.70 untuk output pada harga daftar, $0.10 dan $0.35 selama diskon peluncuran vs Step 5 Preview 7 yuan untuk input dan 20 yuan untuk output, dengan input cache-hit sebesar 0.70 yuan setelah perubahan 14 Oktober

• Angka dolar evaluator — Step 5 Preview $1,00 untuk input dan $2,70 untuk output per juta dengan diskon cache 90 persen, sebagaimana dipublikasikan oleh Artificial Analysis; ini adalah angka milik evaluator sendiri dan bukan konversi mata uang dari daftar tarif StepFun

• Jendela konteks — Mercury 3 1.000.000 token vs Step 5 Preview 1 juta token

• Keluaran maksimum — Mercury 3 131,072 token vs Step 5 Preview 64,000 token

• Modalitas masukan — Mercury 3 hanya teks vs Step 5 Preview teks, gambar, dan video

Modalitas keluaran — teks pada keduanya

• Parameter — Mercury 3 tidak diungkapkan, hanya dijelaskan sebagai lebih dari 40 kali Mercury 1 vs Step 5 Preview yang tidak dipublikasikan di dokumentasi platform StepFun atau di halaman model evaluator, sehingga tidak ada dari kedua angka itu yang dapat dikutip di sini

• Bobot — Mercury 3 tertutup vs Step 5 Preview yang dipublikasikan di Hugging Face di bawah Lisensi Model StepFun 1.0, dalam repositori dasar plus build BF16 dan NVFP4

• Kontrol penalaran — Mercury 3 memiliki empat pengaturan upaya, dari instan hingga tinggi, dengan default rendah, dibandingkan Step 5 Preview, model penalaran tanpa parameter upaya yang dipublikasikan

• Indeks Kecerdasan Independen — Mercury 3 tidak ada entri per 20 Oktober 2026 vs Step 5 Preview 44 pada revisi indeks 4.3.2

• Kecepatan keluaran terukur — Mercury 3 tidak ada vs Step 5 Preview 92,2 token per detik, diukur oleh Artificial Analysis

• Caching prompt — Mercury 3 didukung dengan harga $0.02 per juta token yang di-cache pada tarif daftar, sedangkan Step 5 Preview didukung dengan 0,70 yuan per juta hit cache, naik dari 0,35 pada 14 Oktober

Satu baris dalam daftar itu layak ditinjau ulang karena hanya di situlah harga salah satu dari kedua model telah bergerak secara publik. Tingkat cache-hit Step 5 Preview menjadi dua kali lipat dua belas hari setelah peluncurannya. Harga input cache-miss dan harga output tidak tersentuh, dan pemanggil yang telah menggunakan model tersebut melalui API bayar-sesuai-pemakaian sebelum momen itu tetap mempertahankan tarif lama berdasarkan klausul grandfather. Jika Anda menyusun model biaya berdasarkan prompt caching — dan beban kerja agen apa pun juga demikian — tarif yang sudah pernah menjadi dua kali lipat adalah tarif yang perlu terus dipantau.

Jalur multimodal adalah jalur yang mengakhiri sebagian percakapan.

Step 5 Preview menerima teks, gambar, dan video serta mengembalikan teks. Mercury 3 menerima teks dan mengembalikan teks. Dokumentasi Inception tidak ambigu mengenai hal ini: model tersebut terdaftar sebagai hanya teks, dan materi peluncurannya membahas kecepatan dan biaya, bukan visi.

Untuk beban kerja yang membaca tangkapan layar, memindai faktur, menonton rekaman layar, atau mengurai video menjadi catatan terstruktur, tidak ada yang bisa dibandingkan. Step 5 Preview adalah satu-satunya dari keduanya yang bahkan bisa diberi input, sehingga selisih harga menjadi tidak relevan dan selisih benchmark juga tidak relevan sampai tepat saat Anda memutuskan apakah pekerjaan visi itu penting. Keputusan itu biasanya dibuat oleh produk, bukan oleh model.

Untuk beban kerja yang masukannya teks dan keluarannya teks — pencarian, dukungan, tinjauan kode, peringkasan — batas modalitas menghilang dan perbandingan menjadi soal kecepatan, harga, dan bukti, dalam urutan itu menurut seberapa mudah masing-masing diperiksa.

Apa yang dikatakan satu-satunya skor independen dalam pertandingan ini

Step 5 Preview mendapat skor 44 pada Artificial Analysis Intelligence Index, versi 4.3.2 — keempat dari 121 model dalam tabel indeks itu sendiri, dibandingkan dengan median 19. Daftar yang sama mencatat kecepatan keluaran terukur sebesar 92,2 token per detik, waktu ke token pertama 2,55 detik, dan angka verbositas 160 juta token keluaran dibandingkan median 140 juta, yang oleh evaluator digambarkan sebagai agak bertele-tele. Model ini disebut agak mahal dibandingkan model open-weight yang sebanding, yang merupakan pembacaan wajar dari $1,00/$2,70.

Bacalah angka 44 dengan cermat. Angka itu adalah komposit berbobot dari rangkaian benchmark, bukan klaim tentang beban kerja Anda, dan tidak berarti Step 5 Preview mengalahkan model yang berada di peringkat ke-42 untuk tugas spesifik Anda. Halaman evaluator itu sendiri juga memuat penanda “Under review” pada beberapa evaluasi individual. Namun angka itu dihasilkan oleh metodologi yang dapat diperiksa orang lain, dan menempatkan model tersebut di atas median bidang tersebut.

Mercury 3 tidak memiliki padanan yang sebanding. Klaim kualitas Inception bersifat komparatif — "setara dengan atau lebih baik daripada model frontier yang dioptimalkan untuk kecepatan seperti GPT-6 Luna dan Claude Haiku 5.5" — tanpa selisih, tanpa nama tes, dan tanpa indikasi pengaturan upaya mana dari keempatnya yang menghasilkan perbandingan tersebut. Satu-satunya hasil terstruktur adalah tes agen milik Inception sendiri: 50 tugas navigasi Mind2Web langsung, 50 persen selesai, "jauh lebih banyak daripada GPT-6.1-Sol", pada volume token dan jumlah langkah yang sama sehingga hanya sebagian kecil dari biaya per token. Lima puluh tugas dalam harness milik vendor sendiri adalah sinyal, bukan skor.

Nomor fisiknya, dan berapa nilainya

1,068 token per detik adalah alasan untuk membaca tentang Mercury 3 sama sekali. Jika angka ini bertahan, jawaban 500 token dihasilkan dalam waktu kurang dari setengah detik, yang menjadi pembeda antara jawaban pencarian yang terasa instan dan jawaban yang terasa seperti perjalanan bolak-balik melalui jaringan. Step 5 Preview pada kecepatan terukur 92.2 token per detik membutuhkan sekitar 5.4 detik untuk jawaban yang sama, ditambah sekitar 2.55 detik untuk token pertama.

Klaim itu tidak disertai perangkat keras, ukuran batch, pengaturan effort, maupun pernyataan apakah angkanya single-stream atau agregat, dan keempat pilihan tersebut dapat menggeser angka throughput hingga beberapa kali lipat. Selisih antara angka vendor dan independen dalam keluarga ini terdokumentasi: Artificial Analysis mengukur Mercury 2.5 pada sekitar 706 token per detik, di bawah angka yang diterbitkan Inception saat peluncuran. Itulah diskon yang harus diterapkan pada 1.068 sampai ada yang mereproduksinya. Tidak ada halaman Mercury 3 di Artificial Analysis per 20 Oktober.

Kecepatan Step 5 Preview, sebaliknya, membosankan seperti hal-hal yang terukur memang membosankan. Kecepatannya 92,2 token per detik, terukur, dan itu menempatkannya di peringkat 32 dari 78 model dalam peringkat kecepatan evaluator — lebih cepat dari biasanya, tidak luar biasa. Tidak ada yang membelinya karena kecepatan. Mereka membelinya karena {{1}}jendela 1M token{{/1}}, input multimodal, dan skornya.

Menghitung biaya pekerjaan yang sama pada kedua kartu tarif

Ambil contoh pipeline triase dokumen: 8.000 halaman per hari, 2.500 token teks hasil OCR per halaman, keluaran klasifikasi dan ekstraksi 300 token per halaman. Itu berarti 20 juta token masukan dan 2,4 juta token keluaran setiap hari, dengan blok instruksi yang sama dikirim ulang pada setiap panggilan dan karena itu dapat di-cache.

• Mercury 3 pada harga daftar — 20 × $0,20 ditambah 2,4 × $0,70, atau $5,68 per hari

• Mercury 3 dengan tarif peluncuran — sekitar $2,84 per hari

• Pratinjau Langkah 5, tanpa cache — 20 × 7 ditambah 2.4 × 20 yuan, atau 188 yuan per hari; pada angka dolar evaluator, 20 × $1.00 ditambah 2.4 × $2.70, atau $26.48

• Step 5 Preview dengan blok instruksi di-cache — tarif cache-hit adalah 0,70 yuan per juta dibandingkan 7 yuan untuk miss, jadi penghematannya sepenuhnya bergantung pada seberapa banyak dari 20 juta itu yang merupakan preamble berulang, bukan teks halaman baru

Jadi selisih harganya kira-kira empat setengah kali lebih menguntungkan Mercury 3, dan diskon peluncuran melebarkannya menjadi sekitar sembilan kali. Itu adalah argumen tunggal terkuat untuk Mercury 3 dan sepenuhnya dapat dihitung. Yang tidak dapat dihitung adalah biaya per pekerjaan yang diselesaikan, karena Mercury 3 tidak menerbitkan tingkat penyelesaian maupun jumlah token keluaran. Verbositas Step 5 Preview setidaknya terukur — 160 juta token pada indeks dibandingkan median 140 juta, yang menurut evaluator agak bertele-tele — dan itu memungkinkan Anda menganggarkannya.

Satu peringatan yang layak diulang: angka Mercury 3 yang perlu dijadikan dasar perencanaan adalah harga daftar. Potongan 50 persen dijelaskan sebagai "saat peluncuran" tanpa tanggal berakhir, dan dua model pendahulunya kini ditutup untuk pengguna baru dengan akses yang ada berakhir 15 November 2026. Perilaku komersial Inception menunjukkan bahwa Anda sebaiknya memodelkan tarif yang bertahan setelah promosi.

Bobot, lisensi, dan apa yang berubah dalam sebulan terakhir

Kisah open-weight Step 5 Preview berubah setelah peluncuran. Saat rilis, bobotnya dimirror oleh pihak ketiga, bukan diterbitkan oleh vendor; per minggu ini, organisasi Hugging Face milik StepFun sendiri memuat repositori dasar plus build BF16 dan NVFP4, yang semuanya terakhir dimodifikasi pada 15 Oktober 2026. Lisensinya adalah StepFun Model License 1.0, yang bukan Apache atau MIT dan perlu dibaca sebelum Anda merilisnya — ini adalah lisensi vendor dengan ketentuan, bukan lisensi permisif.

Mercury 3 tidak memiliki bobot dan tidak memiliki lisensi untuk dibaca. Produk ini hanya tersedia melalui API, dengan deployment enterprise yang menambahkan kapasitas khusus, penskalaan otomatis, dan retensi data yang dapat dikonfigurasi, bukan artefak yang dapat Anda pegang.

Bagi tim yang memutuskan apakah akan melakukan fine-tuning, kuantisasi, atau menjalankannya di perangkat keras sendiri, baris itu bersifat menentukan dan baris-baris lainnya tidak penting. Bagi tim yang memanggil API dan tidak pernah menyentuh checkpoint, hal itu hanya penting sebagai ukuran biaya keluar: jika StepFun mengubah harganya atau menghentikan model tersebut, deployment Step 5 Preview dapat beralih ke bobot yang di-host sendiri; deployment Mercury 3 beralih ke vendor lain.

Pertanyaan routing, dijawab dengan jujur

Tidak ada dari kedua model tersebut yang ada di katalog OrcaRouter. API model kami tidak mengembalikan apa pun untuk step-5-preview atau untuk model Inception mana pun, sehingga siapa pun yang ingin memanggil salah satunya harus pergi ke platform milik vendor atau ke salah satu host pihak ketiga yang dicantumkan setiap vendor. Menyatakan hal itu secara terus terang lebih berguna daripada menyiratkan rute yang tidak kami miliki.

Yang diberikan lapisan routing dalam situasi ini adalah cara untuk menjawab pertanyaan tersebut tanpa harus berkomitmen. Lebih dari 200 model berada di balik satu endpoint yang kompatibel dengan OpenAI dengan harga daftar penyedia tanpa markup, dan model yang paling mendekati keduanya dalam hal harga dan kemampuan — Qwen 3.8-Max seharga $2.00/$6.00 dengan jendela 1 juta token, GLM 5.2 seharga $1.40/$4.40, Kimi K3 seharga $3.00/$15.00 — dapat diukur terhadap traffic Anda sendiri sore ini. Jika tidak ada yang memenuhi standar, alasan untuk membayar salah satu vendor menjadi lebih kuat; jika ada yang memenuhi, Anda telah menghemat satu integrasi. Failover otomatis juga mencakup risiko spesifik dalam pertandingan ini, yaitu bahwa model dengan diskon peluncuran tanpa komitmen stabilitas adalah model yang akan Anda tempatkan di jalur produksi.

Satu poin teknis yang di sini lebih penting daripada biasanya: harga daftar penyedia diteruskan tanpa perubahan, sehingga perubahan tarif vendor sampai ke tagihan pada hari yang sama, bukan saat perpanjangan. Mengingat harga cache Step 5 Preview sudah pernah berubah satu kali, itu bukan keuntungan hipotetis.

Pertanyaan yang harus diajukan sebelum Anda memilih

Kedua model ini murah. Selisih tagihan keduanya, pada pipeline yang realistis, hanya beberapa dolar per hari, dan diskon peluncuran membuat Mercury 3 tampak lebih murah daripada setelah promosi berakhir. Jadi, biaya bukanlah faktor penentu dalam keputusan ini.

Ini bermuara pada pertanyaan yang lebih sederhana: apakah Anda perlu jawabannya cepat, atau perlu tahu apakah jawaban itu benar? Step 5 Preview adalah yang dapat Anda periksa — skor indeks independen, kecepatan terukur, verbositas terukur, bobot yang dipublikasikan yang dapat Anda jalankan di harness Anda sendiri. Mercury 3 adalah yang akan menjawab dalam waktu kurang dari satu detik dan saat ini tidak dapat diperiksa oleh siapa pun di luar Inception.

Untuk produk yang terikat latensi dengan manusia dalam proses dan kegagalan yang dapat dipulihkan, trade-off kedua masuk akal dan evaluasinya murah. Untuk pipeline yang berjalan tanpa pengawasan dan kesalahannya mahal, model dengan skor terukur di kisaran pertengahan empat puluhan bernilai beberapa kali lipat harga model tanpa skor sama sekali — dan itulah, bukan tolok ukur apa pun, alasan mengapa model yang terukur mampu menaikkan harga cache-nya.

Hal yang perlu diperhatikan memang tidak glamor: pembacaan independen Mercury 3 berikutnya, kapan pun itu muncul, dan apakah harga cache StepFun bergerak lagi. Keduanya adalah fakta kecil yang akan mengubah perhitungan lebih daripada unggahan peluncuran mana pun.