Mercury 3 vs Reflection Beam: il modello chiuso più veloce incontra quello aperto più veloce

Reflection Beam è arrivato con un numero che poteva essere verificato, e Mercury 3 è arrivato con un numero che non poteva esserlo. Beam è valutato a 335,1 token di output al secondo da Artificial Analysis, con un tempo al primo token di 0,80 secondi e un Intelligence Index di 30 — quarto più veloce tra 78 modelli misurati, ventesimo su 121 per qualità. Mercury 3 dichiara 1.068 token al secondo e non ha alcun punteggio indipendente di alcun tipo, un giorno dopo che Inception lo ha rilasciato il 19 ottobre 2026. Quindi il modo equo di aprire questo confronto non è «quale è più veloce» ma «cosa succede al divario quando il lato non misurato viene misurato». 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 motivo per cui questo accostamento conta al di là di una scheda tecnica è che entrambi i modelli vendono la stessa cosa. Mercury 3 è un modello linguistico a diffusione che rifinisce blocchi di token in parallelo; Reflection Beam è un mixture of experts sparso con 501 miliardi di parametri totali e solo 23 miliardi attivi per token. Trucchi diversi, stessa scommessa: è il costo dell'inferenza, non il tetto delle capacità, il terreno su cui si combatterà la prossima battaglia. Beam è stato annunciato il 5 ottobre 2026 e i suoi pesi sono stati rilasciati con licenza Apache 2.0 il 16 ottobre; Mercury 3 è uscito nove giorni dopo come API chiusa. Uno dei due puoi scaricarlo e misurarlo da solo. L'altro puoi solo chiamarlo e fidarti.

Che cosa ciascuna delle parti ha effettivamente messo agli atti

La scheda di Beam è abbastanza dettagliata da poter essere contestata. Un Intelligence Index di 30, al ventesimo posto su 121 modelli e sopra la mediana di 19 che Artificial Analysis registra per modelli open-weight comparabili. Una velocità misurata di 335,1 token di output al secondo e 0,80 secondi al primo token, entrambi rispetto a una mediana tra pari vicina a 77 token al secondo e 1,70 secondi. Una tariffa pubblicata di $0,70 per milione di token di input e $2,10 per milione di output con uno sconto sulla cache dell'84 per cento, che equivale a $0,57 di calcolo per attività dell'indice. E un valore di verbosità di 79 milioni di token di output per completare l'indice, decimo più snello tra 47 modelli valutati, rispetto a una mediana di 140 milioni. Quest'ultimo numero è la rivendicazione di efficienza che compare per la prima volta nell'harness di qualcun altro, ed è il dato più interessante nella scheda di entrambi i modelli.

Il primato di Mercury 3, al contrario, consiste in tre affermazioni e un piccolo esperimento. Le affermazioni: 1.068 token al secondo su GPU NVIDIA; più di 40 volte i parametri di Mercury 1 con un'intelligenza misurata circa tripla; e una qualità "pari o superiore a modelli frontier ottimizzati per la velocità come GPT-6 Luna e Claude Haiku 5.5". L'esperimento: 50 attività di navigazione Mind2Web dal vivo nel harness per agenti web di Inception, completate al 50 per cento, "significativamente più di GPT-6.1-Sol", con lo stesso volume di token e lo stesso numero di passaggi e quindi a una frazione del costo. Nessuno di questi risultati è stato riprodotto in modo indipendente, e Artificial Analysis non ha alcuna pagina dedicata a Mercury 3.

Quell'asimmetria non è una critica all'ingegneria di Inception. È un'affermazione su ciò che puoi decidere oggi. Per Beam puoi calcolare il costo per attività completata, perché qualcuno ha misurato il completamento e la verbosità. Per Mercury 3 puoi calcolare il costo per token e nient'altro.

La scheda tecnica, con le informazioni sull'approvvigionamento allegate a ciascuna riga

• Prezzo per milione — Mercury 3: $0,20 in input e $0,70 in output a listino, $0,10 e $0,35 durante lo sconto di lancio, contro Beam: $0,70 in input e $2,10 in output

• Input in cache — Mercury 3 0,02 $ per milione a listino rispetto a Beam, uno sconto dell'84% sulla tariffa di input, ovvero circa 0,11 $ per milione

• Velocità di elaborazione — Mercury 3 1.068 token al secondo, dato dichiarato dal fornitore, hardware non specificato, rispetto a Beam 335,1 token al secondo, misurato da Artificial Analysis

• Tempo al primo token — Mercury 3 non pubblicato vs Beam 0,80 secondi, misurato

Indice di intelligenza — Mercury 3 nessuna voce al 20 ottobre 2026 rispetto a Beam 30, classificato 20° su 121

• Costo per attività di indicizzazione — Mercury 3 non può essere calcolato senza un punteggio rispetto a Beam $0.57

• Verbosità dell'output sull'indice — Mercury 3 non pubblicato vs Beam 79 milioni di token, 10° più conciso su 47

• Finestra di contesto — Mercury 3: 1.000.000 di token con un massimo di 131.072 token in output, rispetto a Beam: 1.048.576 di token con un massimo di 131.072 token in output

• Parametri — Mercury 3 non divulgati, descritti solo come oltre 40 volte Mercury 1 rispetto a Beam 501B totale, 23B attivi per token

• Modalità di input — entrambi solo testo

• Controllo del ragionamento — Mercury 3: quattro impostazioni da instant a high, con default low, rispetto a Beam che richiede un impegno di ragionamento obbligatorio con cinque livelli, e la documentazione di Reflection indica max come default

• Pesi — Mercury 3 closed vs Beam Apache 2.0, in BF16, FP8 e una build NVFP4 da 273 GiB

• Self-hosting — per Mercury 3 enterprise solo capacità dedicata, rispetto a Beam, un deployment di riferimento di quattro GPU NVIDIA B300 su NVLink, con supporto day-zero per vLLM, SGLang, Transformers e Dynamo

Un'avvertenza sulla linea di prezzo. Lo sconto di Mercury 3 non ha una data di fine pubblicata, quindi il valore che resta valido in fase di pianificazione è $0,20/$0,70, non $0,10/$0,35. Il $0,70/$2,10 di Beam è un listino prezzi attivo pubblicato dal valutatore e dalla piattaforma di Reflection stessa.

Il divario che conta è 335 contro 1.068

Se il dato di Inception regge in un harness neutrale, Mercury 3 è circa tre volte più veloce del modello open-weight più veloce misurato nel settore, e lo fa a un terzo del prezzo di input di Beam e a un terzo del suo prezzo di output. Questa combinazione — più veloce e meno costoso — è l'argomento a favore di Mercury 3 in una singola frase, ed è una frase forte.

Il problema è che la frase si basa interamente su un numero senza alcuna metodologia dichiarata. Inception non dice quale GPU, quale dimensione del batch, quale impostazione dello sforzo di ragionamento, né se la misurazione sia a flusso singolo o aggregata. Tutte e quattro le scelte spostano un valore di throughput di multipli. Lo sconto da applicare non è ipotetico: quando è stato lanciato Mercury 2.5, il valore di throughput del fornitore era materialmente superiore ai 706 token al secondo che Artificial Analysis ha successivamente misurato con il proprio harness. È il normale divario tra fornitore e terza parte indipendente in questa categoria, non mala fede — ma è il divario da presumere.

Applicando una riduzione di tre a uno, Mercury 3 arriva a circa 350 token al secondo: allo stesso livello del valore misurato di Beam, a un terzo del prezzo, con un punteggio di qualità sconosciuto. Applicando una riduzione di due a uno, è comodamente il modello più veloce che entrambi i laboratori abbiano rilasciato a questo prezzo. In entrambi i casi il confronto passa da "tre volte più veloce" a "qualcosa tra l'essere veloce quanto Beam e tre volte più veloce, e comunque più economico di Beam in entrambi i casi".

C'è una seconda asimmetria nascosta nella stessa coppia di numeri. Il tempo di 0,80 secondi di Beam al primo token è misurato su un modello di ragionamento che, per impostazione predefinita, usa il livello di impegno massimo — il che significa che il modello ragiona davvero prima di emettere qualsiasi cosa, e restituisce comunque il primo token in meno di un secondo. È un risultato ingegneristico più impressionante del numero grezzo di throughput, ed è il tipo di cosa che solo un harness indipendente riesce a scoprire.

Ventitré miliardi di parametri attivi sono il vero punto di forza di Beam.

La cifra di 501B sulla scheda di Beam in gran parte non regge. Con 23 miliardi di parametri attivi per token, il modello attiva all'incirca il 4,6 per cento di sé stesso per qualsiasi token dato, un rapporto di attivazione aggressivo anche secondo gli standard attuali dei modelli open-weight. Le note architetturali citano attenzione locale e globale intercalata, esperti instradati a grana fine, SandwichNorm e build di serving FP8/FP4, ma la conseguenza pratica è più semplice: Beam entra in un singolo nodo a quattro GPU. Questo è un profilo di serving, non una curiosità di ricerca.

Spiega anche il risultato sulla verbosità. Un modello che spende 79 milioni di token di output per completare un indice rispetto a una mediana di 140 milioni sta svolgendo lo stesso lavoro con circa la metà dei token di output, e i token di output sono la voce su cui pesa il conto. L'argomentazione stessa di Reflection riguarda l'efficienza in fase di inferenza anziché la parità alla frontiera, e l'azienda lo dice apertamente nel proprio materiale di lancio — concede terreno a Kimi K3 e G​LM sulla capacità grezza. I dati indipendenti supportano allo stesso tempo la concessione e l'affermazione di efficienza.

L'argomentazione sull'efficienza di Mercury 3 è di natura diversa. Non riguarda il consumo di meno token, ma il produrli più rapidamente, e la storia di scaling di Inception — 40 volte i parametri del suo primo modello, tre volte l'intelligenza misurata, stessa velocità — è un'affermazione secondo cui il parallelismo della diffusione garantisce un throughput che i modelli autoregressivi non possono eguagliare. È un argomento plausibile e interessante. È anche interamente autodichiarato, e non dice nulla sul fatto che il modello consumi più token di un modello autoregressivo comparabile per arrivare alla stessa risposta. Nessuno ha pubblicato un dato sulla verbosità di Mercury 3, perché non esiste una valutazione di Mercury 3 da cui ricavarlo.

Costo per lavoro completato, calcolato nel dettaglio

Prendi un'attività di programmazione agentica: un contesto del repository da 200.000 token, una patch e una spiegazione in output da 4.000 token, e 5.000 esecuzioni al giorno in un team.

• Mercury 3 a listino — 1.000 milioni di token di input a $0,20 fanno $200; 20 milioni di token di output a $0,70 fanno $14. Circa $214 al giorno.

• Mercury 3 alla tariffa di lancio — circa $107 al giorno.

• Beam al suo prezzo di listino: 1.000 milioni di token in input a $0,70 fanno $700; 20 milioni in output a $2,10 fanno $42. Circa $742 al giorno, prima dello sconto dell'84 per cento sulla cache, che qui conta enormemente perché il contesto del repository è esattamente il tipo di preambolo che finisce in cache. Con un tasso realistico di cache hit sul contesto, la voce input crolla verso $112 e il totale giornaliero si attesta intorno a $154.

Quell’aritmetica è il motivo per cui esistono entrambi questi modelli. Su un carico di lavoro agentico ben cacheizzato, i due si attestano entro il 40 per cento l’uno dall’altro — Beam leggermente più economico in uno scenario con cache favorevole, Mercury 3 più economico in uno sfavorevole — ed entrambi costano una frazione di quanto addebiterebbe un modello frontier per lo stesso traffico. L’argomento dei costi non li distingue. Ciò che li distingue è che il numero di Beam è riproducibile, mentre quello di Mercury 3 è un prezzo di listino rispetto a un tasso di completamento sconosciuto.

La questione delle licenze, che non è vicina

I pesi di Beam sono scaricabili con licenza Apache 2.0 in tre precisioni, oltre a un drafter da 1,93B per la decodifica speculativa, e Reflection dichiara di non limitare la distillazione, il fine-tuning, la quantizzazione o il merging. Esiste uno strumento di conformità — beam-verifier — che esegue una suite di test su qualsiasi endpoint Beam attivo e poi lo valuta sui benchmark principali, il che significa che un acquirente può verificare i numeri di un fornitore anziché fidarsi. L'auto-hosting elimina completamente la questione per token e la converte in una questione di ore GPU.

Mercury 3 non offre nulla di tutto ciò. È chiuso, è disponibile solo tramite API, e il suo livello enterprise aggiunge capacità dedicata e conservazione configurabile dei dati anziché i pesi. Per un carico di lavoro in cui il modello è un componente di un prodotto che vendi, si tratta di una dipendenza, non di una catena di fornitura.

C'è anche il segnale della storia del fornitore. La stessa nota di migrazione di Inception afferma che Mercury 2 e Mercury 2.5 sono chiusi ai nuovi utenti, con i clienti esistenti che perderanno l'accesso il 15 novembre 2026 — meno di un mese dopo il rilascio di Mercury 3. Un'azienda che ritira due generazioni così rapidamente ti sta dicendo come si aspetta che i suoi modelli vengano fruiti: come servizi in affitto di breve durata. Reflection, per ora, ha fatto l'opposto e ha consegnato l'artefatto.

Dove si inserisce un router, dato che nessuno dei due modelli è presente nel nostro catalogo

Né Mercury 3 né Reflection Beam sono forniti da OrcaRouter. Una verifica della nostra API dei modelli non restituisce nulla per nessuno dei due, e non descriveremo una rotta che non abbiamo. Ciò che offriamo è il livello attorno a loro: più di 200 modelli dietro un unico endpoint compatibile con OpenAI, al prezzo di listino del provider senza alcun ricarico, con failover automatico e un DSL di routing per comporre modelli in un'unica chiamata.

Per questa specifica coppia, quello strato svolge due compiti. Il primo è il confronto. Se vuoi sapere se un modello open-weight da 300 token al secondo è abbastanza veloce per il tuo prodotto prima di impegnarti in tutto questo, il test onesto è eseguire il carico di lavoro su modelli che puoi già chiamare — Kimi K3 a $3.00/$15.00 con 1,048,576 token di contesto, GLM 5.2 a $1.40/$4.40, Qwen 3.8-Max a $2.00/$6.00 — e misurare ciò che i tuoi utenti notano davvero. Il secondo è il fallback. Un deployment Beam self-hosted e un Mercury 3 ospitato da un vendor sono due diverse modalità di guasto; mettere il percorso di produzione dietro un router con failover significa che un degrado dell'endpoint diventa un evento registrato anziché un'interruzione. Poiché i prezzi di listino dei provider passano invariati, un taglio di prezzo di Reflection o uno sconto di Inception arriva alla tua fattura il giorno in cui viene annunciato.

La decisione, per vincolo anziché per punteggio

• Se hai bisogno che il modello sia un asset — verificabile, sottoponibile a fine-tuning, eseguibile sul tuo hardware, che sopravviva al fornitore — Beam è l'unica opzione qui. Apache 2.0, una build da 273 GiB che entra in un singolo nodo, e un verificatore per controllare qualsiasi fornitore rispetto ai numeri di Reflection. Questa è una risposta completa a una domanda a cui Mercury 3 non può rispondere affatto.

• Se ti serve la latenza più bassa possibile su un'API chiusa e c'è una persona in attesa, Mercury 3 è la scommessa più interessante, e il suo prezzo rende economica la valutazione. Fissa esplicitamente l'impostazione di effort quando lo testi, perché il valore predefinito è basso e le dichiarazioni di Inception non specificano quale impostazione le abbia prodotte.

• Se hai bisogno di conoscere la qualità prima di impegnarti, Beam ha un numero e Mercury 3 no. Un 30 su un indice di 121 modelli è mediocre — non è un punteggio di frontiera e Reflection non sostiene che lo sia — ma è un limite inferiore su cui puoi progettare.

• Se il tuo carico di lavoro è di tipo agentico e di lunga durata, il ragionamento obbligatorio di Beam con un valore predefinito di massimo impegno è costoso per chiamata, mentre il valore predefinito a basso impegno di Mercury 3 è economico per chiamata. Quale dei due sia più economico per lavoro completato dipende da un tasso di completamento che nessuno ha misurato per Mercury 3.

La cosa più utile in assoluto che potrebbe accadere a questo confronto è una misurazione indipendente di Mercury 3. Se arriva vicino a 1.068 con un punteggio di qualità competitivo, Inception ha rilasciato il modello economico più veloce del settore e la storia dell'efficienza di Beam diventa una storia di apertura più che di velocità grezza. Se arriva vicino ai 335 di Beam con un punteggio di metà classifica, allora il modello open-weight più veloce e quello closed più veloce viaggiano alla stessa velocità, e le domande decisive diventano il prezzo, la licenza e se vuoi possedere l'artefatto — tre domande a cui Beam al momento ha risposte migliori.