Mercury 3 vs Grok 4.6：一方は旧型となり、もう一方は未測定のまま、しかも両者は速さを売りにしている

Mercury 3とGrok 4.6を比較する上で最初に役立つ事実は、Grok 4.6が現行のGrokではないということだ。SpaceXAIは2026年8月12日に、入力100万トークンあたり2.00ドル、出力100万トークンあたり6.00ドルでこれを提供開始し、その後Grok 4.7をリリースしている。Artificial Analysisは現在、4.6を非推奨と表示し、読者を新しいモデルへ誘導している。対照的にMercury 3は公開から2日しか経っていない。Inception Labsが2026年10月19日に、100万トークンあたり0.20ドルと0.70ドルでリリースし、終了日が公表されていないローンチ期間中は半額になっているが、中立な立場の誰もまだ測定していない。したがって、この組み合わせを正直に位置づけるなら、「この2つのどちらを使うべきか」ではない。両方とも主に速度の数値で売られているが、その2つの速度数値は同じ種類の数値ではなく、一方の製品はカタログから姿を消しつつあり、もう一方はそれを作った企業の従業員ではない誰にもまだテストされていない、ということだ。このようなリリースの背後にある、文書化されたAI障害やエージェント事故は、OrcaRouter AI Incident Archiveに収集されており、各項目には独自の情報源、重大度、信頼度グレード、異議ありフラグが付いている。

つまりこれは測定をめぐる比較になり、それはどちらかの価格を決める前に知っておくべき最も有用なことでもある。Mercury 3は拡散言語モデルであり、位置のブロックをノイズ除去してまとめて確定するのであって、1パスごとに1トークンを出力するのではない。Inceptionによれば、NVIDIAハードウェア上で毎秒1,068トークン、Mercury 1の総パラメータ数の40倍超、コンテキストウィンドウは260,000から1,000,000トークンに拡大し、出力上限は131,072トークンだ。Grok 4.6は長いエージェント的実行向けに構築された従来型のフロンティアモデルで、500,000トークンのコンテキスト、テキスト・画像・ファイル入力、そして100万回の読み取りあたり0.50ドルで75%のキャッシュ割引を備える。

2つの速度数値が実際に測定しているもの

Inception の毎秒1,068トークンは出力スループットの数値だ。モデルが生成を開始してから、どれだけ速くトークンが出ていくかを示している。Artificial Analysis が Grok 4.6 について同じ量を測定すると、毎秒65.4トークンになる。この2つを並べて見ると、Mercury 3 は16倍速く見える。これは実際の差ではあるが、差のすべてではない。スループットは、レイテンシ予算を構成する3つの数値のうちの1つにすぎないからだ。

2つ目は最初のトークンまでの時間であり、ここでは状況はその枠組みにとってあまり好都合ではなくなり、より興味深くなる。Artificial Analysisは、テストするワークロード上でGrok 4.6の最初のトークンまでの時間の中央値が37.19秒であるのに対し、そのボード上のモデル全体では中央値3.75秒だと記録している。私たち自身の7日間のプレイグラウンドテレメトリでは、Grok 4.6のp50は、サンプルがある1日間で8.00秒だった。どちらもMercury 3の問題でもMercury 3の利点でもない——Inceptionは最初のトークンの数値を一切公表しておらず、その発表における唯一の第三者のレイテンシ数値は顧客の証言だ。Octenは生成時間の中央値0.9秒、エンドツーエンド応答の中央値2.2秒を報告し、RevisionDojoは回答が「約1秒で」返ってきたと報告し、LorikeetはMercury 3がレイテンシで他のモデルを上回り、しかも評価でより高いスコアを出したと述べた。これらは有用なシグナルであり、マーケティングの引用であり、その3社以外の誰も検査できないワークロードに関するものだ。

3つ目の数字は、高速モデルが実用に耐えるかどうかを決めるもので、それはエラー率だ。当社自身のインフラ上で過去7日間、GPT-5.6 Sol の配信経路は 0.05% のエラー率を記録した。Grok 4.6 は、テレメトリがある唯一の日——2026年10月17日——に 86.7% を記録した。これは8月から稼働しているモデルについての1日分のサンプルにすぎないため、モデルそのものへの判定というより、配信経路に関する警告であり、まさにベンダーのページには決して載らない類の数字だ。Mercury 3 については、測定する経路が存在しないため、エラー率はまったくない。

各行に出典情報が添付された仕様書

• 価格 — Mercury 3：100万トークンあたり$0.20 / $0.70、ローンチ時は$0.10 / $0.35、終了日は未公表、キャッシュ入力は90%オフ。Grok 4.6：20万トークンまで100万トークンあたり$2.00 / $6.00、それを超える場合はリクエスト全体で$4.00 / $12.00、キャッシュ読み取りは$0.50。

• コンテキストと出力 — Mercury 3：入力1,000,000、出力131,072。Grok 4.6：入力500,000、出力上限は当社のモデルページで公開されていません。

• モダリティ — Mercury 3: テキストのみ。Grok 4.6: テキスト、画像、ファイルの入力、テキスト出力。

• スループット — Mercury 3: 1秒あたり1,068トークン（Inceptionによる測定）。Grok 4.6: Artificial Analysisによる1秒あたり65.4トークン、サンプルが提供された日には当社自身のプレイグラウンドで1秒あたり256トークン。

• 独立系スコア — Mercury 3：なし。Artificial Analysisのページは存在しません。Grok 4.6：Artificial Analysis Intelligence Indexで44、217モデル中37位、コーディング指数で76.8、138中5位。

• ステータス — Mercury 3：登場から2日、未測定。Grok 4.6：Artificial Analysisのリーダーボードで非推奨となり、Grok 4.7に取って代わられた。

コンテキスト比較は、通常の順序を覆すものだ。Mercury 3はGrok 4.6の2倍のウィンドウ、つまり100万トークン対50万トークンを提供し、しかも入力価格は10分の1だ。計算上は、長文書作業においてこれは接戦ではない。実際には、50万トークンのウィンドウは、人が処理するほとんどあらゆる単一文書よりすでに大きい。そして、未測定のモデルにおける100万トークンウィンドウについて興味深い問題は、それが存在するかどうかではなく、その全体にわたって品質が維持されるかどうかだ。Artificial Analysisは長文コンテキストのリコールを明示的に測定しており、Grok 4.6はそこで80.3を記録している。Mercury 3には同等の数値がない。つまり、リコール曲線が不明な100万トークンウィンドウは、能力の主張ではなく容量の主張である。

Grok 4.6の価格で実際に何を買っているのか

Grok 4.6は、定価ベースで入力がMercury 3の10倍、出力が約9倍のコストがかかる。そして、そのコストで何が得られるのかという問いに対する正直な答えは、中立なハーネス上で測定された位置づけ、マルチモーダル入力、そして回答あたりのコストの公表だ。最後のものが最も有用である。Artificial AnalysisはGrok 4.6をIntelligence Indexのタスクあたり1.48ドルと算出している。この数字には、モデルがそのスイートを完了するのに必要なトークン数がすでに含まれており、この比較全体の中で、どちらかのモデルについて存在する唯一の回答あたりの数値だ。

それに対して、Mercury 3の0.70ドルの出力料金はトークンあたりの数字であり、回答あたりで対応する数字はない。Mercury 3のタスクがGrok 4.6のタスクと同じ出力量を消費するなら、コストは約10分の1になる。3倍の量を消費する場合——Grokがより高い推論努力で行う作業を、低い推論努力を既定とするモデルが行うならあり得る——コストは約3分の1になり、戦略上の主張は「桁違い」から「実績のないモデルにおける意味のある割引」へと弱まる。そのどれが正しいかは、まだ誰にも分からない。これは修辞的な逃げではない。欠けている具体的な測定値なのだ。

Grok 4.6自身の数値は、参考値としてではあるものの、長いエージェント実行で必要とされる場面では強い。GPQA Diamondで94.9、Humanity's Last Examで42.9、長コンテキスト想起で80.3、コーディング指数は76.8で、138モデル中5位に入る。これらはSpaceXAIのものではなくArtificial Analysisの実行結果であり、だからこそMercury 3と比較できる——そしてMercury 3は、そのような実行結果がないため比較できない。

旧モデル問題、それこそが本当の決断

今日Grok 4.6を選ぶということは、そのベンダー自身がすでに置き換えたモデルを選ぶことになります。当社のカタログにはGrok 4.7が掲載されており、Artificial Analysisの4.6ページは明示的に読者をGrok 4.7へ誘導しています。これから構築しようとしているワークロードにとって、非推奨モデルから始めることは後で移行するという決断にほかなりません。唯一の疑問はいつ移行するかであり、その答えはたいてい「インシデントの最中」です。

それで Mercury 3 が安全な選択肢になるわけではない。未検証の2日前のモデルと非推奨の9週間前のモデルは種類の異なるリスクであり、この組み合わせにおいてどちらも低リスクの選択肢ではない。この比較で実際に言えることは、より限定的だが、より有用だ。回答あたりのコストが明示され、マルチモーダル入力に対応した実測済みモデルが欲しいなら、Grok 4.7 がその現行版であり、4.6 は同じ価格の前世代だ。100万トークンのウィンドウを備え、どこで入手できる中でも最も安いテキスト専用トークンが欲しいなら、Mercury 3 がそれだ。ただし、そのカードに記載されている最安値は終了日のないプロモーションだという注意点がある。

Grok 4.7はSpaceXAI自身の料金でOrcaRouterのカタログに掲載されており、当社がルーティングする他のすべてと同じOpenAI互換エンドポイントの背後にあり、追加のマークアップはなく、いずれかの経路がレート制限に達するとプロバイダー間で自動フェイルオーバーが行われます。これは、10月17日に4.6の提供経路で当社のテレメトリーが記録したエラー率を踏まえると、理論上の利点ではありません。Mercury 3はカタログにありません。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、Mercury 3を呼び出す人は、新規アカウントに1億個の無料トークンが付与されるInceptionのプラットフォームか、Mercury 3をホストする複数のサードパーティプラットフォームのいずれかにアクセスすることになります。

この組み合わせに適したルーティングパターンは、価格による分割ではありません。何を失敗させてもよいかによる分割です。非推奨モデルのトラフィックを現行モデルに載せ、テキストのみの作業の上限付きスライスをMercury 3に載せ、計測済みモデルをフォールバックとして維持し、新しい経路が不調な日にはフェイルオーバーに処理させます。スライスは設定値であり、フォールバックはルーティングルールです。それを広げるか狭めるかの判断は、1週間以内にあなた自身のエラー率によって決まります。

月曜日に何をするか

長文の作業で量が多く、回答を検証できるなら、Mercury 3の料金表は今週、限定的な実験に値します。Inceptionのプラットフォームにある1億の無料トークンでテストを賄え、100万トークンのウィンドウがあれば、分割して推測するのではなく文書全体を送れます。注目すべきは2点です。タスクごとの出力トークン数がSolやG​rokのベースラインから大きく逸脱しないか、そして長いコンテキストの終盤で品質が低下しないか。どちらも1日で測定でき、誰かのベンチマークを必要としません。

画像が関わる作業、ツールをループに挟んで何時間も走る作業、あるいは一発で正確さが求められる作業なら、この組み合わせでの答えは Grok 4.6 ではありません。Grok 4.7、または測定済みのフロンティアモデルのいずれかです。正直な理由は、4.6 が非推奨で Mercury 3 が未測定だからです——どちらも、後ろにフォールバックを用意せずに顧客の前に出したくない2つのモデルからの選択です。

これをすべて変える数字は、Mercury 3の完了タスクあたりの中立コストだ。G​rokの$1.48を生み出したハーネス上での一つの数値があれば、この記事の中心的な不確実性は比率に変わる。それが存在するまでは、擁護できる立場は退屈なものだ。安価なトークンは実在し、速度に関する主張はもっともらしく、情報源は一つだけであり、自分で検証できる唯一のものは、自分のトラフィックにおける自分のエラー率だけだ。