Mercury 3 contro Grok 4.6: uno è superato, l'altro non è misurato, ed entrambi vengono commercializzati puntando sulla velocità

Il primo fatto utile quando si confrontano Mercury 3 e Grok 4.6 è che Grok 4.6 non è l'attuale G​rok. SpaceXAI lo ha rilasciato il 12 agosto 2026 a 2,00 $ per milione di token in input e 6,00 $ per milione in output, e da allora ha pubblicato Grok 4.7; Artificial Analysis ora contrassegna 4.6 come deprecato e indirizza i lettori verso il modello più recente. Mercury 3, al contrario, ha solo due giorni: Inception Labs lo ha rilasciato il 19 ottobre 2026 a 0,20 $ e 0,70 $ per milione, dimezzati per una finestra di lancio senza data di fine pubblicata, e nessun soggetto neutrale lo ha misurato affatto. Quindi l'inquadramento onesto di questo abbinamento non è "quale di questi due dovrei usare". È che entrambi vengono venduti principalmente su un numero di velocità, i due numeri di velocità non sono lo stesso tipo di numero, e uno dei due prodotti sta uscendo dal catalogo mentre l'altro non è ancora stato testato da nessuno che non lavori per l'azienda che lo ha realizzato.I fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di confidenza e il flag di contestazione.

Questo rende il confronto una questione di misurazione, che è poi la cosa più utile da sapere prima di determinare il prezzo di entrambi. Mercury 3 è un modello linguistico a diffusione: esegue il denoising di un blocco di posizioni e le finalizza insieme invece di emettere un token per passaggio, e Inception dichiara 1.068 token al secondo su hardware NVIDIA, più di 40 volte i parametri totali di Mercury 1, una finestra di contesto cresciuta da 260.000 a 1.000.000 di token e un limite di output di 131.072 token. Grok 4.6 è un convenzionale modello frontier progettato per lunghe esecuzioni agentiche, con un contesto di 500.000 token, input di testo, immagini e file, e uno sconto sulla cache del 75% a $0.50 per milione di letture.

Che cosa misurano davvero i due valori di velocità

{{1}}I 1.068 token al secondo di Inception{{/1}} sono un valore di throughput in output: la velocità con cui i token lasciano il modello una volta che questo inizia a produrli. {{2}}Artificial Analysis{{/2}} misura la stessa grandezza per Grok 4.6 e ottiene 65,4 token al secondo. Confrontando i due valori, Mercury 3 sembra sedici volte più veloce. È una differenza reale e non è l'intera differenza, perché il throughput è solo uno dei tre numeri che compongono un budget di latenza.

Il secondo è il tempo al primo token, e qui il quadro diventa meno lusinghiero per l'impostazione e più interessante. Artificial Analysis registra un tempo mediano al primo token di 37,19 secondi per Grok 4.6 sul carico di lavoro che testa, contro una mediana di 3,75 secondi tra i modelli presenti nella sua classifica. La nostra telemetria del playground di sette giorni colloca il p50 di Grok 4.6 a 8,00 secondi sull'unico giorno per cui disponiamo di campioni. Nessuno dei due è un problema o un vantaggio di Mercury 3 — Inception non ha pubblicato alcun dato sul primo token, e gli unici numeri di latenza di terze parti nel suo annuncio sono testimonianze di clienti: Octen ha riportato un tempo di generazione mediano di 0,9 secondi e una risposta end-to-end mediana di 2,2 secondi, RevisionDojo ha riportato risposte restituite «in circa un secondo», e Lorikeet ha affermato che Mercury 3 ha superato altri modelli in latenza ottenendo punteggi più alti nelle proprie valutazioni. Sono segnali utili e sono citazioni di marketing, su carichi di lavoro che nessuno al di fuori di quelle tre aziende può ispezionare.

Il terzo numero è quello che decide se un modello veloce è utilizzabile, ed è il tasso di errore. Sulla nostra infrastruttura, negli ultimi sette giorni, il percorso di servizio di GPT-5.6 Sol ha registrato un tasso di errore dello 0,05%. Grok 4.6, nell'unico giorno per cui dispone di telemetria — 17 ottobre 2026 — ha registrato l'86,7%. Si tratta di un giorno di campioni su un modello attivo da agosto, quindi è un avvertimento su un percorso di servizio più che un verdetto su un modello, ed è esattamente il tipo di numero che non compare mai su una pagina del fornitore. Per Mercury 3 non esiste alcun tasso di errore, perché non c'è alcuna rotta da misurare.

La scheda tecnica, con la provenienza allegata a ogni riga

• Prezzo — Mercury 3: 0,20 $ / 0,70 $ per milione, 0,10 $ / 0,35 $ al lancio, nessuna data di fine pubblicata, input in cache scontato del 90%. Grok 4.6: 2,00 $ / 6,00 $ per milione fino a 200.000 token, 4,00 $ / 12,00 $ per l'intera richiesta oltre tale soglia, letture in cache 0,50 $.

• Contesto e output — Mercury 3: 1.000.000 in ingresso, 131.072 in uscita. Grok 4.6: 500.000 in ingresso, senza alcun limite di output pubblicato sulla nostra pagina del modello.

• Modalità — Mercury 3: solo testo. Grok 4.6: testo, immagine e file in ingresso, testo in uscita.

• Throughput — Mercury 3: 1.068 token al secondo, misurati da Inception. Grok 4.6: 65,4 token al secondo secondo Artificial Analysis; 256 token al secondo nel nostro playground il giorno in cui erano disponibili campioni.

• Punteggi indipendenti — Mercury 3: nessuno, non esiste una pagina di Artificial Analysis. Grok 4.6: 44 sull'Artificial Analysis Intelligence Index, classificato 37º su 217 modelli, e 76,8 sul suo indice di coding, classificato 5º su 138.

• Stato — Mercury 3: due giorni di vita, non misurato. Grok 4.6: deprecato nella board di Artificial Analysis, sostituito da Grok 4.7.

Il confronto sul contesto è quello che ribalta l'ordine consueto. Mercury 3 offre una finestra doppia rispetto a Grok 4.6 — un milione di token contro mezzo milione — e lo fa a un decimo del prezzo di input. Sulla carta, per il lavoro su documenti lunghi non è una sfida equilibrata. In pratica, una finestra da 500.000 token è già più ampia di quasi qualsiasi singolo documento che chiunque elabori, e la domanda interessante su una finestra da un milione di token in un modello non misurato non è se esista, ma se la qualità si mantenga lungo tutta la finestra. Artificial Analysis misura esplicitamente il richiamo sul contesto lungo, e Grok 4.6 ottiene 80,3. Mercury 3 non ha un dato equivalente, il che significa che una finestra da un milione di token con una curva di richiamo sconosciuta è una dichiarazione di capienza più che di capacità.

Cosa compra davvero il prezzo di Grok 4.6

Grok 4.6 costa dieci volte Mercury 3 sull'input e circa nove volte sull'output a prezzo di listino, e la risposta onesta su cosa questo dia in cambio è: una posizione misurata su un harness neutrale, input multimodale e un costo per risposta pubblicato. Quest'ultimo è il più utile. Artificial Analysis colloca Grok 4.6 a $1,48 per attività dell'Intelligence Index — una cifra che include già tutti i token di cui il modello ha bisogno per completare la suite, che è l'unico numero per risposta in tutto questo confronto a esistere per entrambi i modelli.

Di contro, la tariffa di output di $0.70 di Mercury 3 è un valore per token senza un corrispettivo per risposta. Se un task di Mercury 3 consuma lo stesso volume di output di un task di Grok 4.6, costa circa un decimo. Se consuma tre volte il volume — cosa plausibile per un modello che punta di default su un basso sforzo di ragionamento per un lavoro che Grok svolge con uno sforzo maggiore — costa circa un terzo, e la tesi strategica si indebolisce passando da "un ordine di grandezza" a "uno sconto significativo su un modello non comprovato". Nessuno può ancora dirti quale di queste sia vera. Non è una cautela retorica; è la misurazione specifica che manca.

I numeri propri di Grok 4.6, per quel che valgono, sono solidi là dove una lunga esecuzione agentica ne ha bisogno: 94,9 su GPQA Diamond, 42,9 su Humanity's Last Exam, 80,3 sul richiamo a contesto lungo e un indice di programmazione di 76,8 che lo colloca al quinto posto su 138 modelli. Quelle sono le esecuzioni di Artificial Analysis, non di SpaceXAI, ed è per questo che possono essere confrontate con Mercury 3 — e Mercury 3, non avendo esecuzioni del genere, non può esserlo.

Il problema del modello superato, che è la vera decisione

Scegliere oggi Grok 4.6 significa scegliere un modello che il suo stesso fornitore ha già sostituito. Grok 4.7 è nel nostro catalogo, e la pagina dedicata a 4.6 su Artificial Analysis reindirizza esplicitamente i lettori proprio a quest'ultimo. Per un carico di lavoro su cui stai per costruire, partire da un modello deprecato è una decisione di migrare più avanti; l'unica domanda è quando, e la risposta di solito è "durante un incidente".

Ciò non rende Mercury 3 la scelta sicura. Un modello non misurato di due giorni e uno deprecato di nove settimane rappresentano tipi diversi di rischio, e nessuno dei due è l'opzione a basso rischio in questo abbinamento. Ciò che il confronto stabilisce effettivamente è più ristretto e più utile: se vuoi un modello misurato con un costo documentato per risposta e input multimodale, Grok 4.7 è la versione attuale di questo e 4.6 è il suo predecessore allo stesso prezzo. Se vuoi i token solo testo più economici disponibili ovunque con una finestra da un milione di token, Mercury 3 è quello, con l'avvertenza che il numero più economico sulla sua scheda è una promozione senza data di fine.

Grok 4.7 è nel catalogo OrcaRouter alle tariffe di SpaceXAI, dietro lo stesso endpoint compatibile con OpenAI di tutto il resto che instradiamo, senza alcun ricarico aggiuntivo e con failover automatico tra i provider quando un percorso è soggetto a rate limit — il che, dato il tasso di errori che la nostra telemetria ha registrato sul percorso di erogazione del servizio della 4.6 il 17 ottobre, non è un beneficio teorico. Mercury 3 non è nel catalogo: la nostra API modelli non restituisce nulla per nessun modello Inception, quindi chiunque lo chiami si rivolge alla piattaforma di Inception, dove i nuovi account ricevono 100 milioni di token gratuiti, oppure a una delle diverse piattaforme di terze parti che lo ospitano.

Il pattern di routing adatto a questa coppia non è una suddivisione basata sul prezzo. È una suddivisione basata su ciò che sei disposto a lasciare che fallisca. Metti il traffico del modello deprecato su quello attuale, metti una porzione limitata del lavoro solo testuale su Mercury 3, mantieni un modello dalle prestazioni misurate come fallback e lascia che il failover gestisca il caso in cui il nuovo percorso abbia una giornata storta. La porzione è un valore di configurazione; il fallback è una regola di routing; la decisione di ampliarla o restringerla viene presa dai tuoi tassi di errore entro una settimana.

Cosa fare lunedì

Se il lavoro è testo lungo, il volume è alto e le risposte sono verificabili, il tariffario di Mercury 3 merita un esperimento circoscritto questa settimana: i 100 milioni di token gratuiti sulla piattaforma di Inception coprono il test, e la finestra da un milione di token significa che puoi inviare l'intero documento invece di tentare una stima a blocchi. Tieni d'occhio due cose: se il conteggio dei token di output per attività si allontana dalla tua baseline Sol o Grok, e se la qualità peggiora verso la fine di un contesto lungo. Entrambe sono misurabili in un giorno e nessuna delle due richiede il benchmark di qualcuno.

Se il lavoro comporta immagini, dura ore con strumenti nel ciclo o deve essere giusto al primo colpo, la risposta in questo confronto non è Grok 4.6. È Grok 4.7, o uno dei modelli di frontiera misurati, e la ragione onesta è che 4.6 è deprecato e Mercury 3 non è misurato — una scelta tra due modelli che non metteresti davanti a un cliente senza un fallback alle spalle.

La cifra che cambierebbe tutto questo è un costo neutro per attività completata per Mercury 3. Un solo dato, sull’harness che ha prodotto il 1,48 $ di Grok, trasformerebbe l’incertezza centrale di questo articolo in un rapporto. Finché non esiste, la posizione difendibile è quella noiosa: i token economici sono reali, l’affermazione sulla velocità è plausibile e basata su un’unica fonte, e l’unica cosa che puoi verificare da solo è il tuo tasso di errore sul tuo stesso traffico.