Mercury 3 vs GPT-6 Astra: 28 volte il prezzo dell'output, acquistato un livello di impegno alla volta

Mercury 3 e GPT-6 Astra differiscono di 28 volte sul prezzo di output — 0,35 $ per milione durante la finestra di lancio di Inception contro i 50,00 $ di O​penAI — e di circa 18 volte sul throughput nella direzione opposta. Quei due numeri sono facili da citare e quasi inutili da soli, perché Astra non è un singolo modello a un singolo prezzo. È una scala di ragionamento: cinque livelli di sforzo, un punteggio di indice che sale da 46 in basso a 53 in alto, e una bolletta che sale con esso. Anche Mercury 3 ha una scala, in un certo senso — quattro impostazioni di sforzo e un default in fondo — ma nessun punteggio indipendente per nessuna di esse. Quindi la vera domanda in questo confronto non è se Astra valga 28 volte Mercury 3. È fin dove devi effettivamente salire sulla scala di Astra, e se il lavoro che stai facendo abbia bisogno di una scala. I fallimenti documentati dell'IA e gli incidenti degli agenti dietro rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.

Il numero che decide questo, e non è il prezzo

Artificial Analysis misura GPT-6 Astra a 53 sul suo Intelligence Index all'impostazione di massimo sforzo del modello, classificato settimo tra i 216 modelli dell'indice, a circa 3,26 $ di calcolo per attività dell'indice. Se si esegue la stessa suite all'impostazione di sforzo più bassa, il punteggio è 46. I cinque livelli, in ordine, sono 46, 50, 51, 52 e 53.

Leggi quella scala due volte. La prima lettura è che il gradino più alto è solo sette punti sopra quello più basso, in una suite dove sette punti sono molti — i modelli sotto Astra e quelli sopra sono separati da margini più piccoli di così. La seconda lettura è che il quarto gradino, a 52, è entro un punto dalla vetta e presumibilmente più economico. Se il tuo compito non richiede l'ultimo punto, non stai scegliendo tra Mercury 3 e un modello da 53 punti; stai scegliendo tra Mercury 3 e uno da 52 punti, e il prezzo per arrivarci è un parametro anziché un modello diverso.

Mercury 3 non offre una simile scelta, perché non c'è nulla verso cui salire. Non esiste alcun punteggio di indice per instant, basso, medio o alto. L'affermazione comparativa di Inception stessa — che Mercury 3 superi GPT-6 Luna e Claude Haiku 5.5 — è un'affermazione relativa al tier veloce, formulata senza margini, e il suo unico risultato strutturato di qualità è il 50% di completamento su 50 attività di navigazione Mind2Web live all'interno del proprio harness agentico. È un risultato reale e un campione piccolo, e non ti dice dove si collocherebbe Mercury 3 in un indice di 216 modelli se venisse inserito domani.

Cosa contiene davvero un token di output da 50 $

GPT-6 Astra accetta testo, immagini e file, dispone di una finestra di contesto da 1,05 milioni di token e restituisce fino a 128.000 token. Il suo listino standard prevede $10,00 per milione di token in input e $50,00 per milione in output, con l'input in cache a $1,00. Oltre 272.000 token di input, l'intera richiesta viene ritariffata a $20,00 e $75,00, con l'input in cache a $2,00: il confine non è una fascia marginale, ma un interruttore che raddoppia l'intero conto. L'elaborazione batch e flex dimezza le tariffe; la modalità fast le raddoppia. Il ragionamento è sempre attivo e va da basso a massimo.

Due trappole si nascondono in quel paragrafo. Il confine dei 272.000 token significa che una richiesta da 280.000 token costa il doppio di una richiesta da 270.000 token, senza credito parziale — quindi rifinire il contesto vicino al confine merita più sforzo ingegneristico di quanto la maggior parte dei team gli dedichi. E ciò che O​penAI commercializza come "GPT-6 Astra Pro" non è un modello separato né uno SKU separato; è l'impostazione pro del selettore del ragionamento, il che significa che è raggiungibile dallo stesso endpoint alle stesse tariffe e non è qualcosa per cui serve un nuovo contratto.

Mercury 3, per contro, costa $0.20 e $0.70 a listino, dimezzati per il periodo di lancio a $0.10 e $0.35, con input in cache a $0.02 e $0.01. Una finestra di contesto da 1M token, un output massimo di 131.072, nessun livello, nessun confine, nessun moltiplicatore batch. La scheda tariffaria è lunga quattro righe. Quella semplicità vale qualcosa di per sé — un modello di costo che puoi tenere a mente non va alla deriva.

Il modello di costo che nessuno applica: token per attività, non prezzo per token

Il prezzo per token di Astra è il numero meno interessante riguardo al costo di Astra. Artificial Analysis riporta che un'esecuzione completa dell'Intelligence Index su Astra consuma in totale circa 60 milioni di token di output, e che un singolo task dell'indice costa circa $3,26. Dividendo l'uno per l'altro si ottiene il rapporto che conta: Astra spende molto per pensare prima di spendere qualsiasi cosa per rispondere.

Mercury 3 costa quattordici volte meno di Astra al lancio e 71 volte meno al prezzo di listino di Mercury rispetto alla tariffa standard di Astra. Ma il confronto del prezzo per token presuppone che i due modelli emettano conteggi di token comparabili per la stessa attività, e tutto ciò che si sa sulla decodifica a diffusione induce a ritenere il contrario. Un modello a diffusione risolve un blocco di posizioni in un numero fisso di passaggi di denoising; la sua lunghezza dell'output è una proprietà della risposta, non di un monologo interno che si dispiega prima della risposta. La lunghezza dell'output di Astra è dominata dal monologo.

Vale in entrambi i sensi, ed entrambi i tagli meritano di essere esplicitati. In un compito ad alto carico di ragionamento in cui Astra spende 100.000 token di ragionamento per ottenere la risposta giusta, il vantaggio di Mercury 3 è molto più ampio di 14x, perché Mercury 3 non paga affatto il monologo — anche se se raggiunga la stessa risposta senza di esso è proprio la questione aperta. In un compito a risposta breve in cui Astra risponde in trecento token a basso sforzo, il monologo non avviene mai, e il confronto si riduce alla tabella tariffaria: 14x al lancio, 71x secondo il listino di Mercury.

Metti alla prova un carico di lavoro reale. Dieci milioni di token in input e due milioni di token in output al giorno, un mix di supporto e sintesi. Su Astra alle tariffe standard sono $100 di input e $100 di output — $200 al giorno, circa $6.000 al mese. Su Mercury 3 a listino sono $2 e $1,40 — $3,40 al giorno, circa $102 al mese. Alle tariffe di lancio è la metà di nuovo. Lo stesso traffico, 59 volte la spesa, e nessuno oggi è in grado di rispondere con un numero alla domanda se le risposte di Astra siano 59 volte migliori.

Dove un router aiuta davvero in questo confronto

GPT-6 Astra è nel catalogo OrcaRouter. È raggiungibile dallo stesso endpoint compatibile OpenAI degli altri modelli che instradiamo, alle tariffe di listino di OpenAI, senza alcun supplemento da parte nostra — $10,00 input, $50,00 output, $1,00 cached e il livello long-context a $20,00 e $75,00 oltre la soglia di 272.000 token — con disponibilità sia di chat completions sia dell'API Responses, a seconda del formato che il tuo codice già utilizza.

Mercury 3 non è nel catalogo. La nostra API dei modelli non restituisce nulla per nessun modello Inception, quindi per chiamarlo bisogna andare sulla piattaforma di Inception stessa, dove i nuovi account ricevono attualmente 100 milioni di token gratuiti, oppure su una delle piattaforme di inferenza elencate da Inception. Preferiamo dirlo piuttosto che lasciare che un articolo comparativo lasci intendere un percorso che non abbiamo.

Ciò che il livello di routing ti offre qui è un secondo controllo di natura diversa rispetto ai livelli di impegno di Astra. I cinque livelli di impegno sono il controllo proprietario di Astra, e salire di livello costa denaro a ogni gradino. Il routing ti permette di scegliere quanto raramente paghi effettivamente Astra: invia la maggior parte del traffico a un modello del livello veloce che instradiamo — GPT-6 Luna a $0.10 e $0.50, oppure Claude Haiku 5.5 a $1.00 e $5.00 — e riserva Astra a high o max per la frazione di richieste che sono davvero difficili, con failover automatico se un provider peggiora e il DSL di routing per esprimere la suddivisione come regola anziché come diramazione nel codice. Il risparmio non sta nella tariffa di Astra; sta in quanto spesso riesci a evitarla.

Questo è anche, tra l'altro, il modo onesto di valutare Mercury 3. Mettilo sul percorso fast-tier insieme a Luna e Haiku 5.5, dove lo colloca il confronto di Inception stesso, e verifica se vince sulle tue attività. Confrontarlo direttamente con Astra equivale a confrontare un modello senza punteggio d'indice con un modello al settimo gradino di un indice di 216 modelli, e il risultato ti dirà più sul disallineamento che su uno dei due modelli.

Un dettaglio che un livello di routing non dovrebbe arrotondare, e noi non lo facciamo: la rate card di Astra ha un confine a 272.000 token di input che ricalcola il prezzo dell'intera richiesta, e una modalità batch che lo dimezza. Non sono aggiustamenti marginali, e un pass-through al prezzo di listino vale la pena solo se fa passare anche le parti scomode.

Il confronto che lo risolverebbe

Ciò che risolverebbe Mercury 3 vs GPT-6 Astra non è un post di lancio e non è questo articolo. È un numero: la posizione di Mercury 3 sullo stesso indice su cui si trova Astra, con un livello di effort dichiarato, sulla stessa suite, misurata da qualcuno che non sia Inception. Finché non esiste, ogni confronto tra questi due è un confronto tra un modello misurato e uno non misurato, e a quello misurato dovrebbe essere dato il beneficio del dubbio in via predefinita — non per deferenza verso OpenAI, ma perché un punteggio che puoi verificare vale più di un dato di throughput che non puoi.

La postura utile nel frattempo è quella che suggerisce la scala di Astra stessa. La maggior parte del lavoro non ha bisogno del gradino più alto di nulla. Indirizza la maggior parte del tuo traffico verso il modello più economico che supera la tua soglia di qualità, tieni il gradino costoso per le richieste che non la superano e considera Mercury 3 un candidato per il percorso economico anziché un'alternativa a quello costoso. Se si scopre che supera la soglia a un quattordicesimo del prezzo, lo scoprirai sui tuoi stessi compiti, che sono l'unica suite sui cui risultati puoi effettivamente agire.