Mercury 3 vs GLM-5.5: Il confronto richiesto dalla query di ricerca, eseguito sul modello che esiste

GLM-5.5 non esiste. Il registro delle release di Z.ai si ferma a GLM-5.3-Flash il 26 agosto 2026, l'indice della sua documentazione elenca GLM-5.3, GLM-5.3-Flash e GLM-5.2, i quattro repository più recenti dell'organizzazione zai-org su Hugging Face sono la serie GLM-5.3 creata il 25 agosto, Artificial Analysis non ha alcuna pagina con quel nome, e il nostro stesso catalogo restituisce model-not-found per z-ai/glm-5.5. Cinque superfici, ricontrollate oggi, tutte negative. Quindi una pagina intitolata "Mercury 3 vs GLM-5.5" può fare una di due cose: inventare una scheda tecnica per un modello che non è mai esistito, oppure dirti a cosa si riferisce probabilmente quel nome ed eseguire il confronto che può effettivamente essere eseguito. Questa pagina fa la seconda. I guasti documentati dell'IA e gli incidenti degli agenti dietro release come questa sono raccolti in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.

Il modello che esiste è GLM-5.3, che Z.ai ha rilasciato il 18 agosto 2026, con i pesi aperti resi disponibili il 25 agosto. Accanto ad esso c'è Mercury 3, che Inception Labs ha rilasciato il 19 ottobre 2026 come modello linguistico a diffusione con un contesto di 1M di token e una velocità dichiarata di 1.068 token al secondo. È un confronto reale, con dentro una domanda reale: un modello di coding con pesi aperti collaudato a $1.26/$3.96 contro un modello veloce non ancora misurato a $0.35 di output durante la sua finestra di lancio. Il numero di versione nel titolo è sbagliato. Il confronto che sta sotto non lo è.

Perché il nome esista, in primo luogo

GLM-5.5 è una proiezione, non un annuncio. Risale a una previsione di un analista diffusa nel giugno 2026 che collocava il prossimo flagship di Z.ai in una finestra di agosto; agosto si è chiuso invece con GLM-5.3. Gli analisti che leggono la cadenza di Z.ai ora si aspettano che la prossima release sia numerata 5.4, all'interno di una finestra che va all'incirca dall'8 ottobre al 9 novembre. Oggi è il 20 ottobre — dentro quella finestra, senza che sia stato rilasciato nulla.

Questo blog ha trattato il nome una dozzina di volte, sempre con la stessa conclusione, e con un nuovo lancio di Mercury la tentazione è considerare l'avversario mancante come un permesso per saltare l'articolo. Non è così: la query è reale, e la risposta utile è un confronto con il modello che Z.ai vende davvero. Quanto segue elenca ciò che dovrebbe comparire perché il titolo diventi accurato, poi analizza i numeri che esistono.

Cinque cose che renderebbero GLM-5.5 un modello

• Un identificatore API — z-ai/glm-5.5 che si risolve su qualsiasi catalogo pubblico. Il nostro restituisce model-not-found, così come glm-5.4.

• Una riga del listino prezzi — un prezzo sulla pagina dell'API dei modelli di z.ai. Attualmente la pagina elenca GLM-5.3 ($1,40/$4,40), GLM-5.3-Flash ($0,15/$0,50), GLM-5.3-FlashX ($0,37/$1,25) e modelli precedenti, e nulla oltre la 5.3.

• Una voce delle note di rilascio — la pagina New Released di docs.z.ai è datata per voce e arriva al massimo al 2026-08-26.

• Un repository di pesi o una dichiarazione esplicita di assenza di pesi — i repository di testo più recenti del feed zai-org sono tutti datati 2026-08-25.

• Una scheda indipendente datata — artificialanalysis.ai/models/glm-5-5 restituisce 404 mentre glm-5-3 restituisce una pagina completa.

Uno qualsiasi di questi sarebbe un segnale forte. Tutti e cinque presenti insieme è l'aspetto di un rilascio; nessuno presente è l'aspetto di una previsione. Il controllo è rieseguibile, e va rieseguito anziché dato per buono, perché un risultato negativo decade nel momento in cui il fornitore pubblica.

Il contrasto effettivo delle specifiche

• Prezzo — Mercury 3: 0,10 $/0,35 $ per milione al lancio, 0,20 $/0,70 $ a listino. GLM-5.3: 1,26 $/3,96 $ sul nostro catalogo, ovvero il 10% in meno rispetto al listino di Z.ai di 1,40 $/4,40 $.

• Contesto — entrambi 1M token. Mercury 3 ha un limite di output di 131.072 token; GLM-5.3 limita l'output a 128.000.

• Architettura — Mercury 3 è un modello di diffusione, generando token in parallelo; Inception afferma che è più di 40 volte più grande di Mercury 1 senza fornire un conteggio assoluto dei parametri. GLM-5.3 è un transformer mixture-of-experts il cui livello di dettaglio pubblicato Z.ai mantiene a livello di famiglia.

• Velocità — Mercury 3 a 1.068 tok/s, il dato di Inception, non replicato. GLM-5.3 a 88,4 tok/s di output misurati sul traffico del nostro playground nell'arco di sette giorni, con una latenza end-to-end mediana di 3,3 secondi.

• Punteggio indipendente — GLM-5.3 ottiene 44,8 sull'Intelligence Index di Artificial Analysis e 74,8 sul suo Coding Index, classificandosi al 14º posto per il coding tra i modelli che monitora. Mercury 3 non ha una pagina su Artificial Analysis.

• Punteggi dei task: GLM-5.3 riporta 83,9% su Terminal-Bench 2.1 e 41,9% su Terminal-Bench 4.0, 91,7% su GPQA Diamond e 50,3% su τ²-Banking, tutti secondo Artificial Analysis. Mercury 3 non pubblica punteggi numerici per i task; il suo unico risultato strutturato è il 50% di completamento su 50 attività di navigazione Mind2Web dal vivo.

• Pesi — GLM-5.3 è aperto, con checkpoint su Hugging Face dal 25 agosto. I pesi di Mercury 3 non sono pubblicati e Inception non si è impegnata a pubblicarli.

• Modalità — input testuale, output testuale su entrambi.

L'unico punto in cui GLM-5.3 è inequivocabilmente l'acquisto migliore è anche il più facile da verificare: è stato misurato. Un indice di programmazione di 74,8 e un punteggio di 83,9 su Terminal-Bench 2.1 ti dicono cosa fa il modello su compiti che sai nominare. Mercury 3 ti dice che batte Claude Haiku 5.5 senza dire di quanto, su cosa o con quale delle sue quattro impostazioni di sforzo.

Quanto valgono 1.068 token al secondo, e per chi

Il punto di forza di Mercury sul fronte della velocità non è che completi un compito di programmazione più rapidamente in termini di tempo reale — un modello che fa più passaggi o ha bisogno di un nuovo tentativo può perdere quella corsa a qualsiasi velocità di elaborazione. Il punto è che le singole risposte arrivano mentre una persona sta ancora guardando lo schermo. Le testimonianze dei clienti di Inception lo dicono esplicitamente: suggerimenti di tutoraggio in circa un secondo, generazione di ricerche a una mediana di 0,9 secondi, risposte di supporto che mantengono un tono conversazionale.

GLM-5.3 a 88,4 token al secondo è una normale velocità autoregressiva e sarebbe sgradevole per ognuno di questi. È del tutto adeguato per un agente che viene eseguito per sei minuti e poi riporta i risultati, che è la forma di carico di lavoro descritta dal suo profilo di benchmark — programmazione su scala repository, ingegneria a più fasi, uso di strumenti su orizzonti lunghi.

Quella è la vera linea di faglia tra questi due modelli, e non è il prezzo. È se c'è un essere umano in attesa. Se sì, il throughput di Mercury 3 è il prodotto e i suoi benchmark mancanti sono un rischio che puoi circoscrivere con un budget di retry. Se no, la competenza misurata di GLM-5.3 vale il premium di 11 volte sul prezzo dell'output, perché una risposta sbagliata da un agente in background costa più dei token che ha risparmiato.

Costo su un carico di lavoro con coding agent

Gli agenti di programmazione sono molto esigenti in termini di input: a ogni passaggio ricevono un lungo contesto del repository, le definizioni degli strumenti e la cronologia della conversazione. Considera 300 milioni di token di input e 12 milioni di token di output al giorno, ovvero un piccolo team che esegue agenti in modo continuo. Su Mercury 3, alla tariffa di lancio, ciò equivale a $30 di input e $4,20 di output, cioè $34,20. Al prezzo di listino, $60 e $8,40, cioè $68,40.

Su GLM-5.3, alla nostra tariffa di catalogo, lo stesso traffico costa $378 di input e $47,52 di output, ovvero $425,52 al giorno. Il prezzo di listino di Z.ai sarebbe $420 e $52,80, ovvero $472,80. Quindi il sovrapprezzo è di circa 6,2 volte al prezzo di listino di Mercury e 12,4 volte durante la finestra di lancio.

Ora il contrappeso onesto: se il tasso di completamento di Mercury 3 su un compito di programmazione reale è sensibilmente inferiore a quello di GLM-5.3, quel multiplo crolla. Un modello che completa due terzi dei compiti richiede il 50% di tentativi in più, e ogni tentativo reinvia il contesto del repository. Con un deficit del 33% il premio effettivo scende a circa 4 volte: ancora grande, ancora reale, e non più una decisione che si possa prendere senza misurare. Il risultato di Mind2Web dice che Mercury sa navigare un sito web live; non dice nulla sulla sua capacità di applicare una patch.

La questione degli open-weights, che non è una questione di prezzo

I pesi di GLM-5.3 sono su Hugging Face, il che significa che il modello può essere ospitato in autonomia, sottoposto a fine-tuning sulla propria base di codice o bloccato a una versione fissata contro la deprecazione. Per un team il cui vantaggio competitivo risiede in un fine-tuning, questo è l’argomento decisivo, e nessun prezzo di una soluzione hosted può competere. Mercury 3 non offre un percorso del genere: è un prodotto API, e il tier enterprise annunciato riguarda capacità dedicata e conservazione dei dati, non il fatto di consegnarti i pesi.

La controargomentazione è economica. Per la maggior parte dei team, servire da soli un modello della classe di GLM-5.3 costa in GPU e operazioni più di $1.26 per milione di token di input, e la licenza aperta è un’assicurazione più che un piano. Conta quando il fornitore cambia i termini, e non conta di martedì.

Eseguendo i due fianco a fianco

GLM-5.3 è nel nostro catalogo come z-ai/glm-5.3 a $1.26/$3.96 — quella del provider è la tariffa di listino con 0% di ricarico, quindi quando Z.ai cambia il prezzo la modifica è attiva sul nostro lato lo stesso giorno anziché al ciclo di fatturazione successivo. Mercury 3 non è nel nostro catalogo; la nostra API dei modelli restituisce model-not-found per ogni modello Inception, quindi la via per raggiungerlo è la piattaforma di Inception stessa, che assegna ai nuovi account 100 milioni di token gratuiti. Instradiamo GLM-5.3 e non instradiamo Mercury 3, e la differenza nel modo in cui si raggiunge ciascuno deriva da questo anziché da una preferenza.

Il modo per risolvere questo confronto con il tuo traffico reale anziché con un post di lancio è una suddivisione cieca del routing: invia metà dei passaggi del tuo agente a Mercury 3 tramite la chiave di Inception a un livello di impegno fissato, metà a z-ai/glm-5.3, e confronta il tasso di completamento e il costo totale per attività completata anziché per token. Un unico endpoint compatibile con OpenAI copre il lato GLM insieme a oltre 200 altri modelli, con failover automatico, così se il primo mese del nuovo provider è irregolare il tuo fallback è già collegato. Il DSL di routing può mantenere la suddivisione come regola, così quando arriva la risposta si tratta di una modifica di configurazione anziché di una modifica al codice.

Cosa fare mentre GLM-5.5 resta solo un nome

Se sei arrivato qui cercando GLM-5.5, la risposta veritiera è che Z.ai non lo ha ancora rilasciato e quel numero è una previsione. Tieni d'occhio la pagina delle note di rilascio e il feed di Hugging Face; quando comparirà un repository, il nome diventerà un modello e questo confronto diventerà obsoleto nel senso buono. Gli analisti si aspettano il prossimo flagship nella finestra dall'8 ottobre al 9 novembre, la maggior parte dei quali numerati 5.4, e oggi siamo dentro quella finestra senza nulla di pubblicato.

Se devi decidere oggi, la scelta è tra un modello di coding con pesi aperti e misurato, a un prezzo da circa sei a dodici volte superiore, e un modello di testo molto più veloce senza punteggi di benchmark pubblicati. Scegli GLM-5.3 per il lavoro di cui non leggerai l'output prima del rilascio. Scegli Mercury 3 per il lavoro in cui una persona sta aspettando e un nuovo tentativo costa poco. E metti a budget Mercury 3 al suo prezzo di listino, perché lo sconto che lo fa sembrare gratuito è l'unico numero che Inception non ha promesso di mantenere.