Mercury 3 対 GPT-6 Astra：出力価格は28倍、エフォートレベルを1段階ずつ購入する

Mercury 3 と GPT-6 Astra は、出力価格で28倍の差がある — Inception のローンチウィンドウ中は100万トークンあたり0.35ドル、OpenAI は50.00ドル — そしてスループットでは逆方向に約18倍の差がある。この2つの数字は引用しやすい一方で、それだけではほぼ役に立たない。Astra は単一のモデルを単一価格で提供しているわけではないからだ。それは推論のはしごである。5段階のエフォートレベル、下位の46から上位の53まで上がるインデックススコア、そしてそれに伴って上がる請求額がある。Mercury 3 にも一応はしごがある — 4つのエフォート設定と最下位のデフォルト — だが、どの設定にも独立したスコアはない。したがってこの対決で本当の問いは、Astra が Mercury 3 の28倍の価値があるかどうかではない。Astra のはしごを実際にどこまで登る必要があるのか、そしてあなたがしている仕事にそもそもはしごが必要なのか、である。このようなリリースの背後にある、記録された AI の障害やエージェントのインシデントは、OrcaRouter AI Incident Archive に集められており、各項目には独自の情報源、重大度、信頼度グレード、異議フラグが付いている。

これを決めるのは数字であり、それは価格ではない

Artificial Analysisは、モデルの最大エフォート設定でGPT-6 AstraのIntelligence Indexスコアを53と測定しており、インデックス内の216モデル中7位、インデックスタスクあたり約3.26ドルの計算コストです。同じスイートを最低エフォート設定で実行すると、スコアは46になります。5つの段階は、順に46、50、51、52、53です。

そのラダーを2回読んでほしい。最初の読み方は、最上段は最下段よりわずか7ポイント上でしかなく、7ポイントが大きな差となるスイートでは、Astraより下のモデルとAstraより上のモデルはそれより小さい差で分かれている、というものだ。二つ目の読み方は、52の第4段はトップから1ポイント以内で、おそらくより安い、というものだ。タスクが最後の1ポイントを必要としないなら、あなたが選んでいるのはMercury 3と53点のモデルの間ではない。Mercury 3と52点のモデルの間であり、そこに到達するための価格は別のモデルではなくパラメータなのだ。

Mercury 3 にはそのような選択肢はありません。なぜなら、目指して登るべきものが何もないからです。instant、low、medium、high のいずれにもインデックススコアはありません。Inception 自身の比較主張、つまり Mercury 3 が GPT-6 Luna と Claude Haiku 5.5 を上回るという主張は、高速ティアに関する主張であり、誤差範囲を示さずに述べられたもので、その唯一の構造化された品質結果は、自社のエージェントハーネス内で 50 件のライブ Mind2Web ナビゲーションタスクを 50% 完了したというものです。それは実際の結果ではありますが小規模なサンプルであり、明日エントリーされた場合に Mercury 3 が 216 モデルのインデックス上でどこに位置するかは分かりません。

50ドルの出力トークンには実際何が含まれているのか

GPT-6 Astraはテキスト、画像、ファイルを受け取り、1.05Mトークンのコンテキストウィンドウを保持し、最大128Kトークンを返します。標準料金表は入力100万トークンあたり$10.00、出力100万トークンあたり$50.00で、キャッシュ入力は$1.00です。入力トークンが272,000を超えると、リクエスト全体が$20.00と$75.00で再計算され、キャッシュ入力は$2.00になります。この境界は限界的な料金階層ではなく、請求全体を2倍にするスイッチです。バッチ処理とフレックス処理は料金を半減させ、ファストモードは2倍にします。推論は常に有効で、lowからmaxまで実行されます。

その段落には2つの罠が潜んでいる。272,000トークンの境界とは、280,000トークンのリクエストが270,000トークンのリクエストの2倍のコストになるということであり、部分的な按分はない。したがって、境界付近でのコンテキストの切り詰めには、ほとんどのチームが割いているよりも多くのエンジニアリング工数をかける価値がある。そして、OpenAIが「GPT-6 Astra Pro」として売り出しているものは、別個のモデルでも別個のSKUでもない。それは推論ダイヤルのpro設定であり、同じエンドポイントから同じ料金で利用でき、利用するのに新しい契約が必要なものでもない。

対照的に、Mercury 3はリスト価格で$0.20と$0.70、ローンチ期間中は半額の$0.10と$0.35、キャッシュ入力は$0.02と$0.01です。コンテキストウィンドウは1Mトークンが1つ、最大出力は131,072が1つ、階層なし、境界なし、バッチ乗数なし。料金表は4行です。そのシンプルさ自体に価値があります——頭の中に保持できるコストモデルはぶれません。

誰も実行しないコストモデル：トークン単価ではなく、タスクあたりのトークン数

Astraのトークン単価は、Astraのコストに関して最も興味深い数字ではない。Artificial Analysisは、AstraでIntelligence Indexの完全な実行を行うと合計約6,000万出力トークンを消費し、1つのインデックスタスクのコストは約3.26ドルだと報告している。一方を他方で割ると、重要な比率が得られる。Astraは回答に何かを費やす前に、思考に多大な費用を費やす。

Mercury 3の価格はローンチ時にAstraの14分の1で、Mercuryのリスト価格ではAstraの標準料金の71分の1です。しかしトークン単価の比較は、同じタスクに対して両モデルが同等のトークン数を出力することを前提としており、拡散デコーディングについて知られていることはすべて、そうではないと主張しています。拡散モデルは固定回数のノイズ除去パスをかけて位置のブロックを確定します。その出力長は回答の属性であり、回答の前に繰り広げられる内部独白の属性ではありません。Astraの出力長は、その内部独白に大きく支配されています。

それは諸刃の剣であり、どちらの側面も述べておく価値がある。正解を得るためにAstraが10万の推論トークンを費やすような推論重視のタスクでは、Mercury 3の優位性は14倍をはるかに上回る。なぜならMercury 3はその独白に一切コストを払っていないからだ——ただし、独白なしで同じ答えに到達するかどうかこそが、まさに未解決の問題である。Astraが低負荷で300トークンで答えるような短答タスクでは、独白は決して起こらず、比較は料金表に帰着する。提供開始時で14倍、Mercuryのリスト価格で71倍だ。

実際のワークロードを載せてみましょう。1日あたり入力トークン1,000万、出力トークン200万で、サポートと要約が混在する用途です。Astraの標準料金では入力が$100、出力が$100で、1日$200、月額約$6,000になります。Mercury 3の定価では$2と$1.40で、1日$3.40、月額約$102です。ローンチ料金ならさらにその半分です。同じトラフィックで支出は59倍になり、Astraの回答が59倍優れているかという問いに、今は誰も数字で答えられません。

この対戦でルーターが実際に役立つ場面

GPT-6 Astra は OrcaRouter のカタログに掲載されています。当社がルーティングするほかのモデルと同じ OpenAI 互換エンドポイントから利用できます。OpenAI の定価で、当社側での上乗せはありません — 入力 $10.00、出力 $50.00、キャッシュ $1.00、長コンテキスト階層は 272,000 トークンの境界を超えると $20.00 と $75.00 — チャット補完と Responses API の両方が利用可能で、お使いのコードがすでに扱っている形式に応じて選べます。

Mercury 3はカタログに掲載されていません。当社のモデルAPIはInceptionのどのモデルに対しても何も返さないため、呼び出すにはInception自社のプラットフォーム（現在、新規アカウントには1億個の無料トークンが付与されています）か、Inceptionが一覧に掲載している推論プラットフォームのいずれかへアクセスする必要があります。当社にないルートを比較記事に示唆させるより、そのように明言したいと考えています。

ここでルーティング層がもたらすのは、Astra のエフォートレベルとは種類の異なる第 2 のダイヤルです。5 つのエフォートレベルは Astra 自身のダイヤルであり、一段上がるごとにお金がかかります。ルーティングでは、選べるのはどれだけまれにAstra に支払うかです。トラフィックの大部分は、当社が実際にルーティングしているファスト層のモデル、つまり GPT-6 Luna（$0.10 と $0.50）または Claude Haiku 5.5（$1.00 と $5.00）に送り、実際に難しい一部のリクエストにだけ Astra を high または max で確保します。さらにプロバイダーが劣化した場合の自動フェイルオーバーと、分割をコード分岐ではなくルールとして表現するためのルーティング DSLも利用できます。節約になるのは Astra の料金ではなく、Astra をどれだけ頻繁に避けられるかにあります。

ついでに言えば、それこそがMercury 3を評価する正直な方法でもある。Inception自身の比較が位置づけている通り、LunaやHaiku 5.5と並ぶ高速ティアの道に置いて、あなたのタスクで勝つかどうかを見てみればいい。Astraと直接比較するのは、インデックススコアのないモデルを、216モデルのインデックスの7段目にいるモデルと比べるようなもので、その結果はどちらのモデルについてというより、ミスマッチについて多くを語ることになる。

ルーティング層が丸めてはいけない細部が一つあり、当社はそれを丸めない。Astraの料金表には入力トークン272,000個という境界があり、そこを境にリクエスト全体の料金が再計算され、さらにそれを半額にするバッチモードもある。これらは些細な調整ではなく、リスト価格でのパススルーは、厄介な部分もそのまま通してこそ価値がある。

それを決着させる比較

Mercury 3 と GPT-6 Astra のどちらが優れているかを決着させるのは、ローンチ記事でもこの記事でもない。それはたった一つの数字だ。Astra が載っているのと同じインデックスにおける Mercury 3 の位置を、明示されたエフォート設定で、同じスイートで、Inception 以外の誰かが測定したもの——それが存在するまでは、この二つのあらゆる比較は、測定済みのモデルと未測定のモデルの比較でしかなく、測定済みのほうが既定で疑わしい目を向けられるべきではない。OpenAI への敬意からではなく、検証できるスコアは、検証できないスループットの数値より価値があるからだ。

その間に取るべき有用な姿勢は、Astra自身のラダーが示唆する姿勢だ。ほとんどの作業は、何であれ最上段を必要としない。トラフィックの大部分は、品質基準を満たす最も安価なモデルに向け、高価な段はそれを満たせないリクエストのために取っておき、Mercury 3 は高価な段の代替ではなく、安価な経路の候補として扱う。もし価格の14分の1で基準を満たすことが分かれば、それは自分のタスクで分かるだろう。自分のタスクこそ、結果に実際に行動を起こせる唯一のスイートなのだから。