Mercury 3 vs Mistral Large 4: due modelli incompiuti e le promesse che ciascuno porta con sé

Nessuno di questi modelli è completo, e i modi in cui sono incompleti sono opposti. Mercury 3 è stato rilasciato da Inception Labs il 19 ottobre 2026 come prodotto commerciale a 0,20 $ per milione di token in input e 0,70 $ per milione in output, e non ha alcuna valutazione indipendente di alcun tipo — nessun punteggio Artificial Analysis, nessun harness di terze parti, nulla. Mistral Large 4 è stato annunciato da Mistral il 6 ottobre 2026 come anteprima pubblica a 1,36 $ e 4,18 $ per milione, e ha un punteggio indipendente di 38 sull'Artificial Analysis Intelligence Index e un costo misurato di 1,13 $ per attività dell'indice, ma i suoi pesi — che Mistral aveva promesso sarebbero stati pubblicati "entro la fine del mese" — non erano stati resi disponibili su Hugging Face al momento della stesura, e l'esecuzione di apprendimento per rinforzo dell'anteprima era ancora in corso al momento dell'annuncio. I fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in the OrcaRouter AI Incident Archive dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.

Quindi il confronto è tra un modello i cui numeri sono tutti riportati dal fornitore e un modello i cui numeri non sono tutti definitivi. Occupano anche categorie di prodotto diverse: Mercury 3 è un modello linguistico diffusion solo testuale con un contesto da un milione di token e una dichiarazione di throughput di 1.068 token al secondo, mentre Mistral Large 4 è un mixture-of-experts nativamente multimodale da 1 trilione di parametri con 52 miliardi di parametri attivi, addestrato su 3.800 GPU NVIDIA Grace Blackwell in datacenter francesi e posizionato esplicitamente attorno alla sovranità AI europea. Se il tuo carico di lavoro è testuale e il tuo vincolo è il costo, quella differenza è decisiva prima ancora di consultare qualsiasi benchmark. In caso contrario, i due modelli sono a malapena in competizione.

Mercury 3, e la cosa specifica che manca

Il modello di Inception è la terza generazione della sua scommessa sulla decodifica parallela. Anziché un token per passaggio in avanti, Mercury esegue il denoising di un blocco di posizioni e le conferma insieme, ed è da qui che derivano oltre 1.000 token al secondo. Secondo Inception, Mercury 3 ha un numero totale di parametri più di 40 volte superiore a quello di Mercury 1, con una finestra di contesto cresciuta da 260.000 a 1.000.000 di token e un tetto di output di 131.072 token, e funziona a 1.068 token al secondo su hardware NVIDIA non specificato.

Ciò che manca è qualsiasi misurazione che Inception non abbia eseguito. L'unico risultato qualitativo strutturato dell'annuncio è un test agente su siti live: 50 attività di navigazione Mind2Web su siti web reali all'interno dell'harness di produzione di Inception, dove Mercury 3 ha completato il 50% — 25 attività — che Inception afferma essere "significativamente più di GPT-6.1-Sol" con lo stesso volume di token e numero di passaggi. È più interessante di una tabella di benchmark perché i siti erano live, e meno affidabile per la stessa ragione per cui lo è sempre una demo di un fornitore: Inception ha scelto l'harness, gli obiettivi e il sistema di punteggio. Non esiste una pagina di Artificial Analysis per Mercury 3 al 20 ottobre 2026, quindi non c'è alcuna cifra neutrale di throughput, alcun costo neutrale per attività e alcuna curva di recall neutrale per quella finestra da un milione di token.

La conseguenza è concreta, non filosofica. Un contesto da un milione di token con una curva di richiamo non misurata è un'affermazione di capacità: i token ci stanno, e nessuno ha stabilito quanti di essi il modello usi davvero. Mercury 2.5 ha ottenuto 12 sull'Artificial Analysis Intelligence Index, che dice dove si collocava la generazione precedente e nulla su questa.

Mistral Large 4, e la cosa specifica che non è finita

Il modello di Mistral è una proposta del tutto diversa e l'annuncio è insolitamente specifico al riguardo. Si tratta di un modello nativamente multimodale da 1 trilione di parametri con 52 miliardi di parametri attivi — mixture-of-experts sparso, quindi la maggior parte del trilione non svolge lavoro su alcun token dato. Gestisce documenti, grafici, immagini naturali, disegni tecnici e immagini satellitari gigapixel, ed è stato addestrato su dati che coprono più di 160 lingue, incluse tutte le lingue ufficiali dell'UE.

• Programmazione — 61,7% su DeepSWE v1.1, 59,4% su SWE-Atlas-QnA, 28,3% su Terminal-Bench 4, per un Coding Agent Index complessivo del 49,8%. Tutti riportati da Mistral.

• Agenti e cybersicurezza — 59,9% su AutomationBench, 1.393 Elo su AA-Briefcase, 82% su un test di riproduzione e patching di vulnerabilità reali che, secondo Mistral, è in testa a tutti i modelli, 93% su Cybench e 93,3% di resistenza agli attacchi su B3 di Lakera.

• Visione — 42% su Dense 200 visual grounding, leggermente davanti a GPT-6 Astra al 41%.

• Valutazione umana — 3,74 su 5 nella valutazione cieca di coding di Surge AI, secondo di cinque modelli dietro Claude Opus 5 a 4,22. Lo studio è stato condotto da una terza parte; Mistral lo ha commissionato e pubblicato.

• Aggregato indipendente — 38 sull'Artificial Analysis Intelligence Index, classificato 66º su 217, a $1,13 per attività dell'indice, 67,5 token di output al secondo e 1,65 secondi al primo token.

• Stato — anteprima, pesi promessi entro la fine di ottobre 2026, run di RL ancora in corso al momento dell'annuncio.

La classificazione merita attenzione. La documentazione di Mistral stessa elenca la generazione v26.10 come "Open" e open-weight; la pagina di Artificial Analysis, consultata il 20 ottobre, dice ancora "proprietario" e "i pesi del modello non sono disponibili pubblicamente". Entrambe le affermazioni sono corrette in momenti diversi: la licenza è l'intento, i pesi non sono ancora su disco. Chiunque stia costruendo un deployment presumendo che Mistral Large 4 sarà scaricabile a novembre dovrebbe notare che la promessa ha una data e non ancora un repository.

Le due schede tariffarie, e il numero che rende il divario più piccolo di quanto sembri

Sulla carta Mercury 3 è drasticamente più economico: 0,70 $ per milione di output contro 4,18 $, e 0,20 $ di input contro 1,36 $. Si tratta di un divario di 6 volte a listino, o di 12 volte durante la finestra di lancio di Mercury a 0,10 $ e 0,35 $, con il prezzo promozionale di Mistral stesso a 0,68 $ e 2,09 $ che lo riduce a circa 6 volte.

Il numero per risposta è il punto in cui si comprime ulteriormente, ed è l'unico numero in questo articolo misurato da qualcuno che non sia il fornitore che vende il modello. Artificial Analysis colloca Mistral Large 4 Preview a $1.13 per attività dell'Intelligence Index. Mercury 3 non ha un equivalente, quindi l'unico modo per costruirne uno è ipotizzare un volume di token — e i precedenti confronti con Mercury hanno mostrato perché quell'ipotesi conta: un modello che spende 31.000 token di output dove un altro ne spende 193.000 può essere 20 volte più costoso per token e comunque più economico per risposta. A $0.70 per milione, Mercury 3 avrebbe bisogno di circa 1,6 milioni di token di output per costare $1.13 per una singola attività. Non ne spenderà così tanti. Su qualsiasi volume realistico si colloca ben al di sotto di $1.13, che è il nucleo onesto della sua tesi: qui il vantaggio per token sopravvive alla correzione per risposta, cosa che non è avvenuta contro GPT-6 Sol.

• Contesto — Mercury 3: 1.000.000 di token secondo la documentazione di Inception. Mistral Large 4: 1.000.000 secondo la scheda del modello di Mistral, rispetto a 524.288 nella configurazione testata di Artificial Analysis.

• Multimodalità — Mercury 3: testo in ingresso, testo in uscita, nessuna immagine a nessun costo. Mistral Large 4: documenti, grafici, fotografie, disegni tecnici, immagini satellitari.

• Velocità — Mercury 3: 1.068 token al secondo, misurati dal fornitore. Mistral Large 4: 67,5 token al secondo secondo Artificial Analysis, con un tempo al primo token di 1,65 secondi che è davvero veloce per un modello di queste dimensioni.

{{1}}Pesi{{/1}} — Mercury 3: nessuno pubblicato, e l'organizzazione Hugging Face di Inception non detiene alcun repository di modelli. Mistral Large 4: promesso entro la fine di ottobre, non ancora pubblicato.

• Governance — Mercury 3: nessuna dichiarazione pubblicata sui dati di addestramento o sull'implementazione nell'UE. Mistral Large 4: addestrato in data center europei, implementazione gestita dall'Europa, tutte le lingue ufficiali dell'UE.

La riga del contesto lungo è quella da leggere due volte. La documentazione di Mistral indica un milione di token; Artificial Analysis ha testato a 524.288. Non è una contraddizione — i fornitori testano alla potenza di due supportata dal loro harness — ma è un promemoria che una cifra di contesto è un massimo, non una capacità testata, e anche il recall sul contesto lungo di Mistral Large 4 non è stato pubblicato alla finestra completa.

Dove l’argomento europeo fa davvero presa

L'argomento della sovranità non è un ornamento su questo modello; è il motivo per cui diversi acquirenti lo sceglieranno al posto di qualcosa di più economico e migliore. Addestrato su GPU Blackwell in datacenter francesi, gestito dall'Europa, multilingue in tutte le lingue ufficiali dell'UE: per un acquirente del settore pubblico o per un'impresa europea regolamentata, questa combinazione può pesare più di dodici punti di indice di intelligenza, perché l'alternativa potrebbe non essere nemmeno reperibile sul mercato.

Mercury 3 non offre nulla di tutto ciò. Inception non ha pubblicato nulla su dove venga eseguito il modello, su quali dati sia stato addestrato o su quali condizioni di conservazione si applichino, limitandosi a osservare che i clienti enterprise possono acquistare capacità dedicata, autoscaling, controlli di conformità e conservazione configurabile. Sono le cose giuste da vendere a un'impresa, ma non sono la stessa cosa di una posizione pubblicata sul trattamento dei dati.

C'è un ulteriore dettaglio nella vicenda europea che vale la pena segnalare anziché risolvere: la promessa degli open weights. Se Mistral pubblicherà i pesi alla fine di ottobre, un acquirente europeo otterrà qualcosa che nessun laboratorio americano offre attualmente a questa scala: un modello multimodale prossimo alla frontiera che può essere eseguito all'interno del proprio perimetro, sul proprio hardware, senza alcun fornitore nel percorso della richiesta. È un prodotto sostanzialmente diverso da un'API di anteprima, ed è il motivo per cui il repository mancante conta più dei punti benchmark mancanti.

Entrambi questi modelli sono fuori dal nostro catalogo, il che cambia la raccomandazione.

Mercury 3 non è nel catalogo di OrcaRouter, e nemmeno Mistral Large 4 — la nostra API dei modelli non restituisce nulla per nessuno dei due, per ogni variante di slug che abbiamo provato. È una cosa abbastanza insolita da dirla chiaramente, perché significa che questo confronto non può concludersi con «mettere entrambi su un'unica chiave». Chiunque chiami uno dei due modelli si rivolge direttamente al fornitore, oppure a una delle diverse piattaforme di terze parti che lo ospitano.

Quello che un livello di routing fa ancora in quella situazione è la parte che non richiede di ospitare il modello: tiene i modelli che instradiamo dietro un unico endpoint compatibile con OpenAI, e ti consente di esprimere una regola su quale traffico va dove. Se i pesi di Mistral arrivano alla fine di ottobre, l'architettura interessante non è "usare Mistral Large 4 per tutto" — è un percorso Mistral self-hosted per i documenti che non possono uscire dal tuo perimetro, un modello frontier instradato per il lavoro che può farlo, e una regola che decide tra loro. La stessa regola gestisce Mercury 3 se Inception lo distribuisce in un posto che possiamo raggiungere, e gestisce il caso in cui il prezzo promozionale di uno dei due fornitori termini, che per Mercury 3 non ha una data annunciata.

Chi dovrebbe scegliere quale, e cosa cambierebbe la risposta

Scegli Mercury 3 se il lavoro è testuale, il volume è elevato e le risposte sono poco costose da verificare. Il listino prezzi è da sei a dodici volte più economico di Mistral Large 4 a seconda dei prezzi in vigore, la finestra di contesto ha la stessa dimensione dichiarata e l'assenza di un punteggio neutro è un rischio che puoi misurare nel tuo tasso di errore entro un giorno. Quello a cui rinunci è ogni forma di input non testuale e qualsiasi possibilità di verificare il comportamento del modello prima di metterlo in produzione.

Scegli Mistral Large 4 se l'input include immagini, disegni o scansioni; se l'approvvigionamento richiede formazione e operatività europee; se un tempo al primo token di 1,65 secondi conta più del throughput grezzo; oppure se la promessa degli open weights è il vero motivo del tuo interesse, nel qual caso aspetta il repository anziché l'annuncio. Ciò a cui rinunci è un fattore sei sul prezzo e qualsiasi pretesa di essere la cosa più veloce disponibile.

Due date risolverebbero la maggior parte delle questioni aperte in questo articolo. La prima è la fine di ottobre, quando Mistral pubblicherà o meno i pesi. La seconda è il momento in cui Artificial Analysis eseguirà Mercury 3, il che sostituirebbe ogni numero del fornitore nella prima sezione con uno misurato. Nessuna delle due date è stata annunciata. Fino ad allora, la sintesi difendibile è che Mercury 3 è il motore testuale più economico e Mistral Large 4 è il prodotto più completo, e che entrambi vengono venduti sulla base di affermazioni che l'acquirente al momento deve accettare per fede.