Mercury 3 vs Grok 4.7: due orologi, non due modelli

Chiedi cosa Mercury 3 e Grok 4.7 hanno in comune e la risposta è un orologio. Entrambi vengono venduti sulla base di quanto tempo richiede un compito, e con questo intendono cose opposte. Mercury 3, rilasciato da Inception il 19 ottobre 2026, è progettato per rispondere in meno di un secondo: un modello diffusion che genera 1.068 token al secondo su GPU NVIDIA, una finestra da 1M token e quattro impostazioni di ragionamento il cui livello più veloce si chiama "instant". Grok 4.7, rilasciato da SpaceXAI il 21 settembre 2026, è progettato per continuare a lavorare: una finestra da 500.000 token, una scala di ragionamento che arriva al massimo a xhigh, e una misurazione indipendente che mostra che ha consumato circa 240 milioni di token di output per completare l'Artificial Analysis Intelligence Index a un costo di 3,74 $ per compito. Un modello tratta la latenza come il prodotto. L'altro tratta la durata come il prodotto. Confrontarli su un unico punteggio trascura l'unica domanda che conta — quale orologio stia effettivamente seguendo il tuo carico di lavoro. Entrambe le estremità di una policy di split possono stare dietro un'unica chiave, con failover automatico che intercetta la corsia lenta. I fallimenti AI documentati e gli incidenti degli agenti dietro release come questa sono raccolti presso l'OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.

I due orologi, prezzati

Parti da quello che dicono le rate card, perché la differenza è abbastanza grande da cambiare ciò che puoi costruire:

• Input — Mercury 3: 0,20 $ per 1M a listino (0,10 $ al lancio) vs Grok 4.7: 2,00 $ per 1M

• Output — Mercury 3: 0,70 $ per 1 mln a listino (0,35 $ al lancio) vs Grok 4.7: 6,00 $ per 1 mln

• Input in cache — Mercury 3 0,02 $ per 1 milione (0,01 $ al lancio) vs Grok 4.7 0,50 $ per 1 milione

• Contesto — 1.000.000 di token vs 500.000

• Output massimo in una singola risposta — 131.072 token rispetto all'assenza di un limite pubblicato dal fornitore; la nostra scheda per grok-4.7 riporta 450.000

• Modalità di input — solo testo rispetto a testo e immagini

Impostazioni di ragionamento — istantaneo, basso, medio, alto vs basso, medio, alto, xhigh

• Throughput — 1.068 token al secondo, dichiarato dal fornitore vs non pubblicato dal fornitore

• Ricalcolo del prezzo per richieste lunghe — nessuna pubblicata vs ogni tariffa raddoppiata oltre 200.000 token di input, applicato all'intera richiesta

• Pesi — chiusi su entrambi

Considerando solo la voce relativa all'output, Mercury 3 sembra un errore di arrotondamento accanto a Grok 4.7: $0.70 contro $6.00, oppure $0.35 durante la finestra di lancio. Considerando la voce relativa alla cache, il divario si allarga invece di restringersi, perché $0.02 contro $0.50 è un fattore di venticinque indipendentemente dallo sconto. È questa combinazione — output economico e letture della cache quasi gratuite — a rendere sostenibile un ciclo ad alta frequenza, ed è chiaramente l'obiettivo di progettazione per cui il modello è stato creato.

Ma la tariffa è solo metà di un costo. L'ipotesi progettuale di Grok 4.7 è che un problema difficile meriti una lunga passata di ragionamento, e la classifica indipendente mostra quanto costa questo quando il problema è abbastanza difficile: 3,74 $ per attività dell'indice completata, contro 0,72 $ per GPT-6.1 Sol e, sulla stessa classifica, nessuna voce per Mercury 3. Grok 4.7 spende token per pensare. Mercury 3 spende quasi nulla per token e promette di pensare rapidamente. Non sono affermazioni in concorrenza; sono budget in concorrenza.

Che cosa si guadagna davvero da un lungo passaggio di ragionamento

Grok 4.7 non è un modello veloce diventato più lento. È una scommessa deliberata sul fatto che il lavoro di più ore — cicli di coding agentico, analisi ad alta intensità documentale, deliverable professionali — premi un modello che continua ad andare avanti, e i risultati indipendenti mostrano che questa scommessa paga in ambiti specifici anziché in modo generalizzato.

• GDPval-AA, lavoro della conoscenza economicamente prezioso — Grok 4.7 Elo 1711,07, il secondo valore più alto tra i modelli confrontati qui e superiore al 1593,85 di GPT-6.1 Sol

• SciCode — 0.5741, superiore sia a GPT-6.1 Sol (0.5417) sia a Qwen3.8 Max (0.5208)

• HLE — 0.4314

• AA-LCR ragionamento su contesti lunghi — 0.7667

• Terminal-Bench 4.0 — 0.2576, il numero più debole nella propria colonna

• AutomationBench — 0.6556, il più forte dei quattro modelli di questa serie

Indice di intelligenza — 46,4 con xhigh, secondo Artificial Analysis

• Costo per attività di indicizzazione — $3,74

{{1}}Quel profilo — solido sul lavoro di conoscenza e sull'automazione, debole sulla programmazione in stile terminale —{{/1}} non è il profilo di un modello di punta generalista, ed è più utile saperlo di una posizione in classifica. Un team che svolge lunghe sessioni autonome di programmazione e sceglie Grok 4.7 per queste lo sceglie andando contro le proprie stesse misurazioni.

Mercury 3 non ha una colonna comparabile. Le prove pubblicate da Inception sono di natura diversa: un test di navigazione Mind2Web da 50 attività nel suo stesso harness, in cui ha completato il 50% delle attività, più testimonianze dei partner TinyFish AI, RevisionDojo, Octen AI e Lorikeet. Non ha una voce in Artificial Analysis al 20 ottobre 2026, il che significa che ogni affermazione sulle capacità in questo articolo riguardo a Mercury 3 oltre a velocità e prezzo è dichiarata dal fornitore e non riprodotta. Non è un motivo per scartarlo — un modello di nove giorni senza un punteggio indipendente è una condizione normale, e la copertura iniziale è esattamente ciò che questo blog esiste per pubblicare. È un motivo per mantenere le due colonne etichettate diversamente.

Tre carichi di lavoro, tre risposte

Una coda di supporto o un agente vocale. Ogni millisecondo è un cliente in attesa, e il modello deve essere abbastanza economico da essere eseguito su ogni messaggio. Mercury 3 vince su questo secondo i numeri pubblicati: 1.068 token al secondo, $0,70 di output a listino, $0,02 di input in cache, un livello "istantaneo" che salta del tutto il ragionamento. Grok 4.7 può svolgere questo lavoro, ma a $6,00 di output con un passaggio di ragionamento predefinito sta pagando per una deliberazione di cui la conversazione non ha bisogno. Questo è il caso per cui Inception ha creato il modello, e le citazioni dei partner provengono tutte da questo tipo di prodotto.

Un agente di programmazione o ricerca che lavora per molte ore. Il lavoro viene eseguito senza supervisione, la trascrizione supera qualche centinaio di migliaia di token e il modello deve mantenere un piano lungo molti passaggi. Qui la finestra da 500K di Grok 4.7, il reasoning xhigh e la comprovata solidità nel lavoro intellettuale sono le caratteristiche rilevanti, mentre la finestra da 1M di Mercury 3 è il controargomento pertinente: più spazio, molto meno costoso per token, ma nessuna prova finora che mantenga un piano su un orizzonte lungo. Si noti inoltre che Grok 4.7 raddoppia ogni tariffa oltre 200.000 token di input per l'intera richiesta, mentre Mercury 3 non pubblica alcun sovrapprezzo per le richieste lunghe. Su una trascrizione davvero lunga, il divario nominale dell'8,6× sull'output può ridursi a meno di 5× — e questo è il regime in cui l'assenza di un benchmark per Mercury 3 inizia a pesare, perché il vantaggio di costo arriva esattamente dove la sua capacità è meno dimostrata.

Qualsiasi cosa che debba leggere un'immagine. Grok 4.7 accetta immagini. La documentazione di Mercury 3 indica il testo come unico formato supportato. Non è una questione di prezzo e nessuna quantità di token al secondo può rispondere a questa domanda.

Il motivo per eseguire entrambi invece di sceglierne uno

La separazione è insolitamente netta perché i due modelli falliscono in direzioni diverse: Mercury 3 è economico e non misurato, Grok 4.7 è costoso e misurato, e i loro intervalli di modalità e ragionamento si sovrappongono a malapena. Questa è la forma di un problema di routing più che di una decisione di approvvigionamento.

Grok 4.7 è su OrcaRouter al prezzo di listino di SpaceXAI con 0% di ricarico, inclusa la tariffa raddoppiata oltre i 200K, quindi il costo di provare una policy è lo stesso del chiamare direttamente il fornitore. Mercury 3 non è sul router; viene servito tramite l'API proprietaria di Inception e diverse piattaforme di terze parti, ed è disponibile da nove giorni. Un DSL di routing qui si ripaga come raramente accade: invia le richieste della corsia istantanea — prompt brevi, budget di latenza rigorosi, nessuna immagine — a Mercury 3, mantieni su Grok 4.7 tutto ciò che richiede visione o ragionamento xhigh e lascia che il failover automatico intercetti il caso in cui la coda del nuovo modello si ingolfa. La policy è esprimibile; le prove a suo sostegno saranno fornite dal traffico del prossimo mese.

Cosa monitorare prima di spostare il budget

Due segnali cambierebbero questo confronto, ed entrambi sono specifici.

• Una voce Mercury 3 su Artificial Analysis. Un punteggio Intelligence Index e un dato di costo per attività ti direbbero se il modello economico e veloce è abbastanza vicino a Grok 4.7 nel lavoro intellettuale da giustificare l'instradamento di traffico reale. Senza di essa, i 1,068 token al secondo sono un dato di throughput e non un'affermazione sulle capacità

• Il consumo di token di Grok 4.7 sui tuoi carichi di lavoro. L'esecuzione dell'indice da 240 milioni di token è un benchmark sintetico; una coda di supporto e un agente di coding consumano volumi molto diversi. Misura i token di output per attività completata su una settimana rappresentativa prima di presumere che la tariffa di $6,00 determini la tua fattura

Da ignorare, nel frattempo, è qualsiasi confronto che metta i due modelli in un'unica colonna di una classifica senza notare che uno dei due non è mai stato in classifica. Il fatto interessante di Mercury 3 non è che sia veloce — Inception distribuisce modelli di diffusione veloci da un anno — ma che sia veloce con una finestra da 1M a un prezzo che rende banale l'economia per richiesta. Il fatto interessante di Grok 4.7 non è che sia in cima a una classifica, perché non lo è; è che sia il modello più forte nell'automazione di questo insieme e che lo paghi in token. Sono prodotti diversi, e il numero giusto da eseguirne probabilmente non è uno.